Analyse d'algorithmes quantiques variationnels pour la résolution d'équations différentielles en présence de bruit quantique : application à l'équation de Gross-Pitaevskii stationnaire
Les algorithmes quantiques variationnels (VQAs) ont été proposés pour la résolution d'équations différentielles partielles sur des ordinateurs quantiques bruités. Cette thèse se concentre sur l'analyse des VQAs pour l'équation stationnaire de Gross-Pitaevskii (GPE), à la fois dans des conditions idéales (sans bruit) et en présence de bruit quantique, en fournissant des bornes d'erreur, des propriétés de convergence et des estimations du nombre d'échantillons nécessaires.Un concept central de cette thèse consiste en l'utilisation de la relation entre la représentation des fonctions et des opérateurs fonctionnels sur les rationnels dyadiques, via la base de Walsh, et l'encodage des fonctions et des opérateurs pour des systèmes quantiques à N qubits à travers les opérateurs de Pauli et leurs états propres.Dans le chapitre 1, nous relions les opérateurs de Pauli des systèmes quantiques à N qubits avec la base de Walsh sur les rationnels dyadiques à N bits, en présentant de nouvelles bornes d'erreur pour la convergence de la série de Walsh à N bits pour les fonctions dans H^1(0,1) et en présentant quelques résultats sur la représentation des fonctions de la base de Fourier dans la base de Walsh.Dans le chapitre 2, nous analysons les VQAs pour la GPE sans bruit, en détaillant le cadre mathématique, la discrétisation et l'analyse a priori de l'erreur. Nous introduisons de nouveaux estimateurs d'énergie, soit basés sur la décomposition de Walsh des opérateurs, soit obtenus par des méthodes inductives, et nous les comparons à l'échantillonnage direct, dans la base diagonale des opérateurs, et à la méthode du test de Hadamard. Nos résultats montrent qu'en l'absence de bruit, les méthodes les plus prometteuses pour l'estimation de l'énergie sont l'échantillonnage direct dans la base diagonale, offrant la plus faible variance et les besoins en échantillons les plus faibles.Dans le chapitre 3, nous examinons plus en détail l'impact du bruit quantique sur l'estimation de l'énergie. Le bruit dépolarisant introduit un biais et modifie la variance des estimateurs. Nous montrons que les estimateurs de Pauli sont les moins affectés par le bruit, en raison de la taille réduite des circuits nécessaires, surpassant les autres, à la fois sans mitigation, en raison d'un biais plus faible, et avec mitigation, car leur efficacité en termes d'échantillons est moins affectée.Cette recherche fournit une base pour l'utilisation des VQAs pour résoudre des équations différentielles partielles sur des ordinateurs quantiques, offrant des estimations réalistes des coûts computationnels de la partie estimation de l'énergie des algorithmes. De plus, les connaissances acquises peuvent contribuer au développement d'algorithmes quantiques pratiques pour l'encodage en blocs des opérateurs différentiels et de leurs opérateurs d'évolution associés.
Les algorithmes quantiques variationnels (VQAs) ont été proposés pour la résolution d'équations différentielles partielles sur des ordinateurs quantiques bruités. Cette thèse se concentre sur l'analyse des VQAs pour l'équation stationnaire de Gross-Pitaevskii (GPE), à la fois dans des conditions idéales (sans bruit) et en présence de bruit quantique, en fournissant des bornes d'erreur, des propriétés de convergence et des estimations du nombre d'échantillons nécessaires.Un concept central de cette thèse consiste en l'utilisation de la relation entre la représentation des fonctions et des opérateurs fonctionnels sur les rationnels dyadiques, via la base de Walsh, et l'encodage des fonctions et des opérateurs pour des systèmes quantiques à N qubits à travers les opérateurs de Pauli et leurs états propres.Dans le chapitre 1, nous relions les opérateurs de Pauli des systèmes quantiques à N qubits avec la base de Walsh sur les rationnels dyadiques à N bits, en présentant de nouvelles bornes d'erreur pour la convergence de la série de Walsh à N bits pour les fonctions dans H^1(0,1) et en présentant quelques résultats sur la représentation des fonctions de la base de Fourier dans la base de Walsh.Dans le chapitre 2, nous analysons les VQAs pour la GPE sans bruit, en détaillant le cadre mathématique, la discrétisation et l'analyse a priori de l'erreur. Nous introduisons de nouveaux estimateurs d'énergie, soit basés sur la décomposition de Walsh des opérateurs, soit obtenus par des méthodes inductives, et nous les comparons à l'échantillonnage direct, dans la base diagonale des opérateurs, et à la méthode du test de Hadamard. Nos résultats montrent qu'en l'absence de bruit, les méthodes les plus prometteuses pour l'estimation de l'énergie sont l'échantillonnage direct dans la base diagonale, offrant la plus faible variance et les besoins en échantillons les plus faibles.Dans le chapitre 3, nous examinons plus en détail l'impact du bruit quantique sur l'estimation de l'énergie. Le bruit dépolarisant introduit un biais et modifie la variance des estimateurs. Nous montrons que les estimateurs de Pauli sont les moins affectés par le bruit, en raison de la taille réduite des circuits nécessaires, surpassant les autres, à la fois sans mitigation, en raison d'un biais plus faible, et avec mitigation, car leur efficacité en termes d'échantillons est moins affectée.Cette recherche fournit une base pour l'utilisation des VQAs pour résoudre des équations différentielles partielles sur des ordinateurs quantiques, offrant des estimations réalistes des coûts computationnels de la partie estimation de l'énergie des algorithmes. De plus, les connaissances acquises peuvent contribuer au développement d'algorithmes quantiques pratiques pour l'encodage en blocs des opérateurs différentiels et de leurs opérateurs d'évolution associés.
Analyse d'algorithmes quantiques variationnels pour la résolution d'équations différentielles en présence de bruit quantique : application à l'équation de Gross-Pitaevskii stationnaire Les algorithmes quantiques variationnels (VQAs) ont été proposés pour la résolution d'équations différentielles partielles sur des ordinateurs quantiques bruités. Cette thèse se concentre sur l'analyse des VQAs pour l'équation stationnaire de Gross-Pitaevskii (GPE), à la fois dans des conditions idéales (sans bruit) et en présence de bruit quantique, en fournissant des bornes d'erreur, des propriétés de convergence et des estimations du nombre d'échantillons nécessaires.Un concept central de cette thèse consiste en l'utilisation de la relation entre la représentation des fonctions et des opérateurs fonctionnels sur les rationnels dyadiques, via la base de Walsh, et l'encodage des fonctions et des opérateurs pour des systèmes quantiques à N qubits à travers les opérateurs de Pauli et leurs états propres.Dans le chapitre 1, nous relions les opérateurs de Pauli des systèmes quantiques à N qubits avec la base de Walsh sur les rationnels dyadiques à N bits, en présentant de nouvelles bornes d'erreur pour la convergence de la série de Walsh à N bits pour les fonctions dans H^1(0,1) et en présentant quelques résultats sur la représentation des fonctions de la base de Fourier dans la base de Walsh.Dans le chapitre 2, nous analysons les VQAs pour la GPE sans bruit, en détaillant le cadre mathématique, la discrétisation et l'analyse a priori de l'erreur. Nous introduisons de nouveaux estimateurs d'énergie, soit basés sur la décomposition de Walsh des opérateurs, soit obtenus par des méthodes inductives, et nous les comparons à l'échantillonnage direct, dans la base diagonale des opérateurs, et à la méthode du test de Hadamard. Nos résultats montrent qu'en l'absence de bruit, les méthodes les plus prometteuses pour l'estimation de l'énergie sont l'échantillonnage direct dans la base diagonale, offrant la plus faible variance et les besoins en échantillons les plus faibles.Dans le chapitre 3, nous examinons plus en détail l'impact du bruit quantique sur l'estimation de l'énergie. Le bruit dépolarisant introduit un biais et modifie la variance des estimateurs. Nous montrons que les estimateurs de Pauli sont les moins affectés par le bruit, en raison de la taille réduite des circuits nécessaires, surpassant les autres, à la fois sans mitigation, en raison d'un biais plus faible, et avec mitigation, car leur efficacité en termes d'échantillons est moins affectée.Cette recherche fournit une base pour l'utilisation des VQAs pour résoudre des équations différentielles partielles sur des ordinateurs quantiques, offrant des estimations réalistes des coûts computationnels de la partie estimation de l'énergie des algorithmes. De plus, les connaissances acquises peuvent contribuer au développement d'algorithmes quantiques pratiques pour l'encodage en blocs des opérateurs différentiels et de leurs opérateurs d'évolution associés.
Algorithmes quantiques pour les équations aux dérivées partielles : circuits quantiques et applications physiques Les simulations classiques actuelles des phénomènes physiques présentent de nombreuses limitations, en particulier lorsqu'il s'agit de systèmes complexes tels que les fluides turbulents, les plasmas ou les matériaux quantiques fortement corrélés. Ces simulations rencontrent souvent des difficultés liées à des coûts de calculs élevés, une mise à l'échelle limitée à travers plusieurs dimensions ou échelles temporelles, ainsi qu'à la complexité de capturer des dynamiques intrinsèquement non-linéaires ou chaotiques. Même avec l'accès à des ressources de calcul haute performance (HPC), la résolution précise des dynamiques à fine échelle ou des évolutions sur de longues périodes reste un défi majeur. Le développement de nouvelles méthodes numériques est donc essentiel, tant pour la recherche académique que pour les applications industrielles. Les ordinateurs quantiques émergent comme de nouveaux outils numériques pour l'étude de tels systèmes et la résolution des équations aux dérivées partielles qui les modélisent. Grâce aux propriétés de superposition et d'intrication des qubits, les calculs numériques peuvent être réalisés de manière inédite, offrant des avantages théoriques prometteurs pour certains problèmes. Dans ce contexte, cette thèse contribue au développement et à la compréhension des algorithmes quantiques, allant de la conception de circuits quantiques à la résolution numérique d'équations différentielles partielles et ordinaires. Dans une première partie, des circuits quantiques efficaces sont présentés pour l'implémentation de routines couramment utilisées dans les algorithmes quantiques (opérations multi-contrôlées, préparation d'états quantiques, opérations diagonales), ainsi que pour une nouvelle routine : la transformée de Laplace quantique. Ces routines limitaient l'efficacité des algorithmes quantiques en raison d'implémentations génériques dont la complexité croissait de manière exponentielle avec le nombre de qubits. Désormais, ces tâches peuvent être réalisées à l'aide de circuits quantiques adaptés qui exploitent la structure des problèmes physiques. Dans une seconde partie, des schémas numériques quantiques sont introduits pour résoudre des équations de transport anisotropes et des équations différentielles ordinaires hamiltoniennes non linéaires. Ces schémas se composent de trois étapes (initialisation, évolution et mesure) et reposent sur des approximations en différences finies d'ordre élevé et des formules de Trotterisation. Des protocoles efficaces pour mesurer des grandeurs d'intérêt sont présentés, et une nouvelle analyse numérique, basée sur la norme vectorielle plutôt que sur la norme d'opérateur générique, est introduite. Cette approche permet d'atteindre une précision donnée tout en réduisant le nombre de pas de temps par un facteur qui croît de manière exponentielle avec le nombre de qubits. De plus, une étude de différentes transformations de Madelung non linéaires est présentée afin de résoudre certaines équations fluides sur ordinateur quantique. Les différents résultats de cette thèse sont illustrés par des simulations classiques des algorithmes quantiques ainsi que par des simulations sur des processeurs quantiques actuels. Ce travail pose les bases de la simulation pratique de systèmes physiques classiques, aussi bien sur les dispositifs quantiques actuels de type NISQ (noisy intermediate-scale quantum) que sur les futurs ordinateurs quantiques tolérants aux erreurs.
L'informatique quantique, l'un des voyages scientifiques les plus passionnants de notre époque, offre un potentiel remarquable en promettant de résoudre rapidement des problèmes computationnels. Cependant, la mise en œuvre pratique de ces algorithmes représente un défi immense, avec un ordinateur quantique universel et tolérant aux erreurs restant insaisissable. Actuellement, des dispositifs quantiques à court terme émergent, mais ils sont confrontés à des limitations majeures, notamment un niveau élevé de bruit et une capacité d'intrication limitée. L'efficacité pratique de ces dispositifs, en particulier en raison du bruit quantique, suscite des débats. Motivée par cette situation, cette thèse explore l'impact profond du bruit sur les algorithmes d'apprentissage quantique en trois dimensions clés. Tout d'abord, elle examine l'influence du bruit sur les algorithmes quantiques variationnels, en particulier les méthodes quantiques "à noyaux". Nos résultats révèlent des disparités marquées entre le bruit unital et non-unital, remettant en question les conclusions antérieures sur ces algorithmes bruyants. Ensuite, elle aborde l'apprentissage des dynamiques quantiques avec des mesures binaires bruyantes de l'état de Choi-Jamiolkowski, en utilisant des requêtes statistiques quantiques. L'algorithme Goldreich-Levin peut être implémenté ainsi, et nous prouvons l'efficacité de l'apprentissage dans notre modèle. Enfin, la thèse contribue à la confidentialité différentielle quantique, montrant comment le bruit quantique peut renforcer la sécurité statistique. Une nouvelle définition d'états quantiques voisins capture la structure des encodages quantiques, offrant des garanties de confidentialité plus strictes. Dans le modèle local, une équivalence est établie entre les requêtes statistiques quantiques et la confidentialité différentielle quantique locale, avec des applications à des tâches telles que le test d'hypothèse asymétrique. Les résultats sont démontrés avec l'efficacité de l'apprentissage des fonctions de parité dans ce modèle, comparé à une tâche classique exponentiellement exigeante.
En exploitant à la fois les ressources classiques et quantiques, les algorithmes variationnels quantiques peuvent exécuter des tâches computationnelles complexes sur des ordinateurs quantiques bruités, sans nécessiter de correction d'erreurs. Ces algorithmes visent notamment à résoudre des problèmes d'optimisation combinatoire, se plaçant ainsi en concurrence avec des algorithmes classiques perfectionnés au fil des décennies. Une approche complémentaire consiste à se tourner vers des problèmes intrinsèquement plus complexes: les problèmes de dénombrement. Ces derniers, qui consistent à compter le nombre de solutions aux problèmes de décision, pourraient se révéler plus accessibles aux algorithmes variationnels quantiques qu'aux algorithmes classiques. Dans le cadre de ce mémoire, un algorithme surnommé VQCount est introduit pour la résolution de problèmes de dénombrement. VQCount s'appuie sur l'équivalence entre l'échantillonnage aléatoire et le comptage approximatif pour estimer le nombre de solutions à un facteur multiplicatif près, en exploitant l'ansatz quantique à opérateurs alternants comme générateur de solutions. Cette approche nécessite l'échantillonnage d'un nombre polynomial de solutions selon la taille du problème, même lorsque ce dernier possède un nombre exponentiel de solutions, ce qui constitue une amélioration exponentielle par rapport à des travaux précédents. À l'aide de simulations de réseaux de tenseurs, la performance de VQCount avec des circuits de faible profondeur est étudiée sur des instances synthétiques de deux problèmes #P-difficile, positif #1-in-3SAT et positif #NAE3SAT, en employant comme générateurs de solutions l'algorithme quantique d'optimisation approximative ainsi que l'ansatz quantique à opérateurs alternants avec forçage de Grover. Un compromis entre la probabilité de succès et l'uniformité de l'échantillonnage du générateur est observé et exploité pour atteindre un gain en efficacité exponentiel par rapport à l'échantillonnage par rejet naïf. Ces résultats soulignent le potentiel et les limites des algorithmes variationnels quantiques pour le comptage approximatif.
Les calculateurs quantiques promettent de résoudre des problèmes insolvables pour les ordinateurs classiques. En particulier, manipuler des états superposés et intriqués de bits quantiques est une voie naturelle pour étudier la physique des systèmes quantiques à N particules. Avec les avancées rapides des technologies quantiques, nous avons pu voir émerger les premiers processeurs quantiques, nommés processeurs "NISQ" (de l'anglais "Noisy-Intermediate-Scale-Quantum"). Les progrès de ces machines ouvrent de nouveaux chemins aux physiciens pour simuler des systèmes quantiques. Cependant, leur taille limitée et les erreurs liées à la décohérence limitent fortement leur usage aujourd'hui. La conception d'algorithmes quantiques efficaces, résistant aux erreurs, est un défi considérable. Ce travail de thèse s'attelle à comprendre les capacités des processeurs quantiques à simuler des systèmes quantiques à N corps, avec une attention particulière aux applications pour la physique de la matière condensée. Dans un premier temps, nous abordons le sujet du calcul de l'état fondamental d'Hamiltoniens, à l'aide d'un algorithme variationnel quantique-classique (nommée l'algorithme VQE, de l'anglais « Variational Quantum Eigensolver »). Nous évaluons les performances de cette méthode sur le modèle de Hubbard, grâce à différentes métriques, comme la fidélité, l'énergie et les propriétés physiques des solutions obtenues. Nous démontrons, malgré des performances prometteuses en simulant un calculateur quantique sans bruit, que le niveau de bruit des machines contemporaines rend impossible la réalisation d'un calcul significatif. En revanche, certains états quantiques aux propriétés intéressantes peuvent avoir une forme simple. Leur préparation sur un calculateur quantique est un problème pertinent dans le but d'initialiser un calcul quantique avec ces états pour les amener vers des régimes où ils perdent leur forme simple. Pour illustrer ceci, nous prenons l'exemple du modèle Affleck-Lieb-Kennedy-Tasaki (AKLT), le premier modèle de chaîne de spin entier antiferromagnétique possédant une solution simple vérifiant la conjecture d'Haldane. Nous proposons deux schémas pour préparer les états AKLT, l'un suivant leur construction naturelle en projetant des paires de qubits sur leur sous-espace triplet, l'autre utilisant leur forme de réseaux de tenseurs. Nous analysons l'implémentation de ces méthodes en fonction de la taille du système, avec une réalisation expérimentale sur un processeur quantique. Enfin, nous explorons la synergie entre les méthodes de réseaux de tenseurs et les calculateurs quantiques bruités pour simuler la dynamique hors-équilibre de systèmes de spins. La simulation de dynamique quantique est une tâche naturelle pour les calculateurs quantiques, mais atteindre des temps longs est fortement limité par le bruit. D'autre part, les réseaux de tenseurs sont également limités aux temps courts, contraints par la quantité d'intrication qu'ils peuvent encoder. Nous proposons d'utiliser le meilleur des deux mondes : la dynamique à temps court est simulée efficacement par un réseau de tenseur, compilée vers des circuits quantiques de faible profondeur pour poursuivre l'évolution temporelle sur le calculateur quantique. Nous étudions les performances de ce schéma hybride quantique-classique en regardant la fidélité des états obtenus et la production d'intrication, avec une validation expérimentale. Finalement, nous proposons d'optimiser les circuits quantiques approximant l'opérateur évolution temporelle grâce à des réseaux de tenseurs, résultant en une simulation quantique classiquement améliorée utilisant moins de ressources quantiques.
Vers des algorithmes quantiques efficaces pour l'optimisation et l'échantillonnage Récemment, avec l'avènement du big data et de l'apprentissage machine à grande échelle, il y a eu une demande croissante pour des algorithmes quantiques qui seraient plus directement applicables à des problèmes pertinents en pratique. Dans cette thèse, nous présentons trois algorithmes qui visent à nous rapprocher de cet objectif. Premièrement, nous développons un algorithme quantique pour l'optimisation cornettique, une classe de problèmes d'optimisation qui se situe entre les programmes linéaires et semi-définis en termes d'expressivité et de facilité de résolution. Ces problèmes sont le plus souvent résolus avec l'aide d'une méthode de point intérieur, dont la complexité est principalement imposée par le coût de la résolution d'une série de systèmes linéaires. Dans notre algorithme, nous résolvons ces systèmes linéaires de manière approximative à l'aide d'un algorithme quantique, et nous prouvons que la méthode des points intérieurs qui en résulte converge vers la solution correcte en un même nombre d'itérations. Nous donnons des preuves numériques que l'algorithme fournit des accélérations de bout en bout dans certaines applications de faible précision telles que les machines à vecteurs de support et l'optimisation de portefeuille financier. L'algorithme des systèmes linéaires quantiques que nous utilisons est le résultat d'une longue ligne de recherche engendrée par l'algorithme de système linéaire quantique de Harrow, Hassidim et Lloyd. Bien qu'il ait été prouvé qu'il est asymptotiquement optimal, le circuit correspondant compliqué et nécessite un prétraitement classique. La deuxième contribution de cette thèse est un algorithme quantique amélioré pour les systèmes linéaires, basé sur la méthode classique optimale de l'itération de Chebyshev. Enfin, nous observons que les algorithmes susmentionnés ont la propriété commune d'approximer l'unique vraie solution du problème donné. En général, la conception de tels algorithmes quantiques est difficile, car souvent la seule façon de récupérer (une approximation de) la vraie solution est d'exécuter l'algorithme plusieurs fois (soit naïvement, soit par amplification d'amplitude) et de calculer certaines statistiques (par exemple la moyenne) des sorties mesurées. Si les ordinateurs quantiques donnent intrinsèquement accès à l'échantillonnage de leurs sorties, pourrions-nous les exploiter pour accélérer les problèmes d'échantillonnage classiques? De manière surprenante, il s'avère que l'échantillonnage gaussien n'est pas un problème complètement résolu, même sur les ordinateurs classiques. Notre troisième contribution est un algorithme de Monte Carlo Hamiltonien classique pour l'échantillonnage gaussien dans le modèle d'interrogation du premier ordre. Nous surmontons et contournons plusieurs limites inférieures en prenant des étapes longues et aléatoires pour intégrer le hamiltonien au cœur de l'algorithme.