Machine Quantum Learning : Adem, promo 2022, majeure Innovation, Research & Manufacturing

À l’heure de la suprématie quantique, le quantum machine learning (QML) capte de plus en plus l’attention des chercheurs et des géants technologiques. Cette technologie est susceptible de disrupter l’usage et les capacités de l’intelligence artificielle. C’est aussi le terrain de jeu d’Adem, promo 2022, étudiant de la majeure Innovation, Research & Manufacturing à l’ESILV.

L’apprentissage automatique et l’informatique quantique sont deux technologies qui ont chacune un potentiel énorme.

Machine Quantum Learning, une technologie à maîtriser en école d’ingénieurs

Aujourd’hui, des chercheurs les réunissent grâce au Quantum Machine Learning : la combinaison entre les technologies d’apprentissage automatique et le Quantum Computing (QC).

Cette technologie quantique qui fait avancer l’IA fait partie des apprentissages dispensés dans le cadre de la majeure Innovation, Research and Manufacturing, à l’ESILV.

Adem Rahal, promo 2022, qui effectue son cycle ingénieur au sein du De Vinci Innovation Center, est passionné par ce sujet et il en fait le fil conducteur de son parcours en école d’ingénieurs.

C’est à ce titre qu’il a participé au QHack 2021, une compétition prestigieuse dans l’univers quantum. Parmi les 800 équipes inscrites cette année, l’équipe d’Adem s’est qualifiée à la 103e place, une performance non négligeable au regard de la concurrence. Témoignage.

La majeure Innovation, Research & Manufacturing, pour « tout faire »

Je suis originaire d’une petite ville : j’ai d’abord fait un bac STI2D, avant de vraiment savoir ce que je voulais faire. Puis, j’ai intégré une CPGE à Lyon pendant 2 ans, dans l’espoir de devenir ingénieur plus tard. De fil en aiguille grâce à de bon résultats, j’ai pu intégrer l’ESILV.

Ma conception du métier d’ingénieur était un peu faussée par rapport à la réalité, je m’imaginais plus ça comme ce qu’on a l’habitude de voir dans les films, c’est-à-dire quelqu’un qui sait tout faire technologiquement parlant. J’ai vite déchanté quand j’ai appris qu’il fallait souvent se spécialiser.

Dans la majeure IRM, je retrouvais un peu ce côté d’être capable de tout faire, vu que le programme est très complet et touche à beaucoup de choses, ce qui me permet d’explorer plein de domaines pour trouver ma voie.

Se former au « mélange » informatique quantique et intelligence artificielle à l’ESILV

Il faut savoir que j’ai de très grosses ambitions pour mon futur, mais j’avais l’impression que mon travail de tous les jours ne reflétait pas assez cela. Alors j’ai décidé de me lancer le défi d’apprendre l’un des domaines considérés les plus “compliqués”, pour tester mes capacités d’autodiscipline et investissement.

J’ai entendu parler de l’informatique quantique en IRM à travers un professeur qui nous avait conseillés de suivre un cours d’introduction sur l’informatique quantique donné par le CERN.

Ce qui a éveillé ma curiosité, dans un premier temps, puis m’a permis de me mettre à l’épreuve et de découvrir un nouveau domaine révolutionnaire qui fait doucement son entrée dans la vie de tous les jours, grâce à de récentes avancées technologiques.

L’apprentissage automatique quantique est l’intégration d’algorithmes quantiques dans les programmes d’apprentissage automatique (machine learning).

En gros, les ordinateurs quantiques peuvent être utilisés et entraînés comme des réseaux neuronaux. Nous pouvons adapter systématiquement les paramètres de contrôle physique (champ magnétique ect..), pour résoudre un problème comme dans tout autre algorithme classique de machine learning.

Combinées, l’informatique quantique et l’intelligence artificielle pourraient révolutionner les technologies futures.

Une tâche centrale dans le domaine de l’informatique quantique est de trouver des applications où un ordinateur quantique pourrait fournir une accélération exponentielle par rapport à n’importe quel ordinateur classique (un exemple ici sur l’algorithme de grover).

L’apprentissage automatique représente un domaine important avec de nombreuses applications pour lesquelles un ordinateur quantique pourrait offrir une accélération substantielle.

Quelques exemples d’applications concrètes sont, par exemple ; la médecine, la cyber sécurité, la physique, la finance, etc..

QHack, une compétition pour les « pros » du calcul quantique

Le QHack est un hackathon de machine learning quantique organisé par Xanadu Quantum Technologies, une entreprise canadienne qui travaille sur les technologies et applications des ordinateurs quantiques. Le concours était soutenu par beaucoup de grandes entreprises : Amazon, Google, IBM, le CERN etc.

Le QHack se décomposait en 2 parties. Une première partie consistait à résoudre des problèmes “théoriques” : de l’IA, de la chimie quantique et des problèmes mathématiques. Suite à cette première partie un classement a été établi, qui a permis aux 20 premières équipes de se qualifier pour participer à la deuxième partie.

La 2e étape du concours consistait en un hackathon libre dans le but de développer une solution concrète à un problème réel, grâce au machine learning quantique. Malheureusement, nous n’avons pas pu nous qualifier pour la seconde partie du concours, nous avons donc continué de résoudre des problèmes jusqu’à la fin de la compétition.

Ce n’était pas un hackathon adressé aux étudiants uniquement : des chercheurs et doctorants du monde entier ont participé, ce qui levait la barre très haut et le nombre de participants était très élevé. Selon les chiffres officiels, plus de 2650 personnes ont participé : plus de 800 équipes à travers la planète.

J’ai eu l’occasion de faire équipe avec des personnes venant de Russie et d’Inde notamment. Et après 2 longues semaines acharnées nous avons pu arracher la 103e place du classement sur 800 équipes inscrites.

Cette expérience m’a beaucoup appris. Il m’est arrivé de ne pas pouvoir trouver de l’aide sur certains sujets que je ne maitrisais pas, car c’est un domaine relativement nouveau et qu’on ne trouve pas encore toutes les réponses sur internet.

Cela m’a obligé à me débrouiller et à repousser ce que je pensais, être capable de faire. Cela m’a appris aussi à être à l’écoute des idées des autres et de communiquer en tant que membre d’une équipe.

Je n’ai pas abandonné et aujourd’hui je suis capable de construire mes propres algorithmes de machine learning quantique de A à Z. Les applications concrètes se font encore attendre, comme il est encore difficile d’avoir accès à des ordinateurs quantiques aujourd’hui, mais cela va arriver bientôt, selon IBM.

Préparer la 3e révolution quantique en école d’ingénieurs

Grâce à la découverte de ce nouveau domaine j’entrevois une possibilité d’avenir très intéressante dans l’informatique quantique. Je vais continuer à explorer et découvrir ce que l’informatique quantique peut m’apporter.

Néanmoins, il y une vraie prise de conscience internationale sur la quantique et les états investissent de plus en plus. La France par exemple a lancé le plan quantique, qui est un projet national interministériel français.

Le but est de trouver une place pour la France dans la troisième révolution quantique. Ce sont des métiers qui vont recruter.

Si le domaine vous intéresse, je vous conseille vivement d’y jeter un coup d’œil : j’ai notamment fait un tuto assez simple sur le machine learning quantique que vous pouvez retrouver ici, mais c’est déjà un niveau avancé en informatique quantique.

Pour ceux qui n’ont pas de notions ; voici une introduction sur le monde de l’informatique quantique.