Il y a à peine un an, j’ai écrit ça Jensen Huang devra peut-être ravaler ses paroles.
À l’époque, le PDG de Nvidia avait jeté de l’eau froide sur l’informatique quantique en affirmant que les ordinateurs quantiques « très utiles » seraient probablement d’ici une vingtaine d’années.
Plus précisément, Huang a déclaré que 15 ans serait un délai précoce, 30 ans serait un retard et que 20 ans était un délai que « beaucoup d’entre nous croiraient ».
Picture : Wikimédia Commons
Ce commentaire a durement touché les actions quantiques et est devenu une sorte de raccourci pour décrire le plus gros problème du secteur.
Vous voyez, l’idée de l’informatique quantique est incroyablement puissante. Il a le potentiel de briser le cryptage modernetransformez la découverte de médicaments et résolvez des problèmes d’optimisation que les ordinateurs actuels ne peuvent même pas commencer à aborder.
Mais les ordinateurs quantiques sont aujourd’hui trop fragiles et trop sujets aux erreurs pour fournir des résultats réels à grande échelle.
C’est ce qui rend la dernière décision de Nvidia si surprenante.
Parce qu’au lieu de rester assis et d’attendre que ce calendrier de 20 ans se déroule, Jensen Huang essaie maintenant activement de rapprocher l’avenir quantique.
Le goulot d’étranglement quantique
La semaine dernière, Nvidia a dévoilé « Ising », une nouvelle famille ouverte de modèles d’IA conçus pour résoudre deux des problèmes les plus difficiles de l’informatique quantique : l’étalonnage et la correction d’erreurs.
Picture : Nvidia
Comme je l’ai déjà écrit, les ordinateurs quantiques reposent sur des qubits. Un ordinateur traditionnel utilise des bits, qui ne peuvent être que 0 ou 1. Mais les qubits sont différents automotive ils peuvent exister dans plusieurs états à la fois.
C’est ce qui donne aux machines quantiques leur potentiel pour résoudre des problèmes que les systèmes classiques ne peuvent pas résoudre.
Mais cela les rend aussi extrêmement fragiles.
C’est parce que les qubits sont extrêmement sensibles à leur environnement. La chaleur, les vibrations et le bruit électromagnétique peuvent tous les perturber.
Même la lecture d’un qubit peut introduire des erreurs.
Nvidia affirme que les meilleurs systèmes quantiques actuels échouent encore environ une fois toutes les mille opérations. Et cela devient un énorme problème lorsque des calculs utiles peuvent nécessiter des tens of millions, voire des milliards d’étapes.
Le défi ne consiste donc pas seulement à créer davantage de qubits. Il s’agit de les maintenir précis suffisamment longtemps pour effectuer un calcul.
Cela se décompose en deux problèmes.
Le premier est l’étalonnage.
Les processeurs quantiques doivent être constamment réglés pour que les qubits se comportent comme les ingénieurs l’attendent. Cela implique généralement d’exécuter des circuits de exams répétés, de mesurer les résultats et d’ajuster les signaux de contrôle manuellement ou avec un logiciel d’optimisation de base.
Les modèles Ising de Nvidia changent cela.
Ils sont formés aux données du système quantique et peuvent apprendre remark un processeur se comporte dans différentes circumstances.
Au lieu de procéder à des réglages par essais et erreurs, l’IA peut prédire les ajustements nécessaires et les appliquer automatiquement. Cela réduit le temps nécessaire pour stabiliser un système et permet à celui-ci de fonctionner plus près des performances optimales.
Cela répond donc au premier problème. Mais pas le deuxième problème, qui est la correction d’erreurs.
Même avec un calibrage parfait, les erreurs ne disparaissent pas. Ils s’accumulent. Pour résoudre ce problème, les systèmes quantiques codent les informations sur plusieurs qubits physiques et utilisent des ordinateurs classiques pour détecter et corriger les erreurs au fur et à mesure qu’elles se produisent.
Aujourd’hui, ce processus est extrêmement inefficace. Dans de nombreux cas, il peut nécessiter des centaines, voire des milliers de qubits physiques, simplement pour produire un seul qubit « logique » fiable.
Ce processus génère d’énormes quantités de données qui doivent être analysées en temps réel. En fait, ces signaux doivent souvent être traités en microsecondes. Si les corrections arrivent trop tard, le calcul est déjà perdu.
Les modèles Ising de Nvidia sont également conçus pour gérer cette cost de travail.
Ils peuvent décoder les signaux d’erreur plus rapidement et plus efficacement, ce qui est essentiel si les systèmes quantiques veulent aller au-delà des petites expériences.
Les premiers résultats suggèrent qu’Ising peut améliorer jusqu’à 3 fois la précision des tâches quantiques clés, ce qui est significatif lorsque les systèmes quantiques fonctionnent au bord de l’échec.
Cela ne signifie pas que Huang a fait un 180 complet et que Nvidia construit actuellement son propre ordinateur quantique.
Mais l’entreprise construit la couche d’intelligence qui aide le matériel quantique à fonctionner. En ce sens, il go well with le même manuel que celui utilisé pour l’IA, se positionnant comme la plate-forme sur laquelle tout le reste s’exécute.
Et le marché l’a certainement remarqué.
Après que Nvidia a annoncé Ising lors de son événement Quantum Day, les actions d’IonQ et de Rigetti ont fortement bondi.
IonQ (NYSE : IONQ) a augmenté de 17 % :
Tandis que Rigetti (Nasdaq : RGTI) a bondi de 11 %.
Les sociétés d’informatique quantique D-Wave (NYSE : QBTS) et Quantum Computing (Nasdaq : QUBT) se sont également redressées, les investisseurs interprétant la décision de Nvidia comme un vote de confiance significatif dans le secteur.
Ce style de mouvements est uncommon pour une seule annonce dans un secteur aussi tôt, ce qui montre à quel level les investisseurs surveillent attentivement tout sign indiquant un raccourcissement du calendrier.
Mais leur réaction me semble logique.
Il y a un an, les paroles de Huang ont contribué à mettre à mal les actions quantiques.
Mais aujourd’hui, Nvidia dit effectivement au marché que le chemin vers une informatique quantique utile pourrait passer par l’IA.
Voici mon avis
C’est l’un des exemples les plus clairs de ce que George Gilder et moi appelons Convergence X.
La prochaine grande imprecise technologique ne viendra pas d’une seule avancée isolée. Cela viendra de plusieurs applied sciences de pointe progressant simultanément et se renforçant ensuite les unes les autres.
La prédiction de Huang pourrait encore être exacte, à savoir que les systèmes quantiques à grande échelle mettront des années à mûrir. Mais je pense que Nvidia contribuera à compresser la chronologie quantique grâce à la boucle de rétroaction que la société contribue à créer avec ses modèles Ising.
Une meilleure IA améliorera les systèmes quantiques, et de meilleurs systèmes quantiques devraient à terme débloquer de nouveaux varieties de puissance de calcul.
Cela, à son tour, contribuera à l’amélioration de l’IA.
C’est ainsi que des avancées distinctes convergent vers une révolution technologique.
Salutations,
Ian KingStratège en chef, Banyan Hill Publishing
Be aware de l’éditeur : nous serions ravis d’avoir de vos nouvelles !
Si vous souhaitez partager vos réflexions ou strategies sur le Every day Disruptor, ou s’il y a des sujets spécifiques que vous souhaiteriez que nous abordions, envoyez simplement un e-mail à dailydisruptor@banyanhill.com.
Ne vous inquiétez pas, nous ne révélerons pas votre nom complet si nous publions une réponse. Alors n’hésitez pas à commenter !
