Informatique Quantique

Désormais, les entreprises mettent en œuvre des solutions numériques avancées pour répondre aux besoins croissants de réduction du temps de latence (interface conversationnelles, simulation, optimisation, diagnostic…) et de traitement algorithmiques complexes (Calcul Haute Performance).

L’informatique quantique exploite les propriétés non-classiques de systèmes quantiques (électrons, atomes, photons, etc…) pour transmettre, crypter et manipuler l’information. La réalisation à l’échelle nanométrique des configurations opérationnelles assurerait en principe, et dans un futur encore indéterminé, une consommation d’énergie minimale et une puissance de calcul décuplée.

Les technologies quantiques actuellement en phase d’industrialisation entendent renouveler les métiers de l’entreprise, réduire les temps de décision, déplacer les centres de valeurs et révolutionner les « business models ». 

Les informaticiens quantiques sont quant à eux confrontés à des paradigmes nouveaux et doivent réfléchir autrement…

Le but de ce cours est de donner au futur ingénieur en science des données, les éléments fondamentaux du physicien quantique qui l’aideront à développer les applications de Machine Learning utilisant les algorithmes spécifiques du calcul quantique.

• Rappels de Mécanique Quantique
  
  Superposition d’états
  Les qubits (systèmes a deux niveaux)
• Cryptographie quantique (protocole BB84)
• L’ordinateur quantique

Algorithmes de Shor et Grover
Réalisations technologiques
Notion de décohérence

• IA Quantique

Concepts d’apprentissage automatique quantique
Algorithmes du perceptron quantique

• Algorithmique quantique sur simulateur (quantique)

Evaluation sur machine. 

Schuld, Maria, and Francesco Petruccione. Supervised learning with quantum computers. Vol. 17. Berlin: Springer, 2018.

• Thomas Durt
• Hachem Kadri