Que peut-on faire avec le Quantum Machine Learning ?

"L’un des domaines d’applications du calcul quantique est le machine learning. Cela fait des années que de nombreux algorithmes de machine learning et même de deep learning ont été conçus pour les calculateurs quantiques. Ils devraient en théorie permettre d’accélérer certains calculs, notamment ceux de l’entraînement des modèles associés. Mais tout ceci ne fonctionne pas encore de manière opérationnelle car les développeurs sont dépendants de contraintes matérielles. Les ordinateurs quantiques actuels, comme ceux d’IBM, ne sont pas encore assez puissants (en nombre de qubits) et fiables (en termes de bruit pendant les calculs car ceux-ci ont une nature profondément analogique). Comme cela a pu être le cas pour les débuts du machine learning et du deep learning, la théorie logicielle progresse donc en parallèle avec le matériel. On attend encore l’étape équivalente à celle de l’arrivée des GPU de Nvidia en 2012 qui a fait décoller le deep learning.
Nous évoquons tous ces sujets dans ce 27e épisode des entretiens Decode Quantum toujours coproduit avec Frenchweb / Decode Media et Richard Menneveux. Nous l’avions déjà rapidement traité, parmi d’autres sujets, avec Iordanis Kerenidis en octobre 2020. Cette fois-ci, Fanny Bouton et moi-même étions avec Nicolas Gaude et Michel Nowak, tous deux de la startup Prevision.io.
Nicolas Gaude est le CTO et cofondateur en 2017 de Prevision.io, une startup de l’IA et du machine learning qui vise à automatiser la sélection de modèles de machine learning en fonction des données à traiter. Il était auparavant Chief Data Scientist à La Poste après un passé chez Bouygues Telecom et chez NDS, un fournisseur de logiciels pour les set-top-boxes de la TV numérique, un univers technologique où j’avais sévi entre 2006 et 2013.." Lire la suite