L'informatique quantique : de nouveaux potentiels pour l'apprentissage machine automatisé

L'informatique quantique permet de faire progresser les technologies de calcul intensif comme l'apprentissage automatique (ML). Dans le cadre du projet "AutoQML", huit partenaires issus de la recherche et de l'industrie développent donc des solutions qui associent l'informatique quantique et le ML. Une plate-forme open source doit permettre aux développeurs d'utiliser des algorithmes d'apprentissage automatique quantique sans connaissances techniques approfondies. L'Institut Fraunhofer pour les techniques de production et l'automatisation IPA joue un rôle important dans le projet et apporte son expertise en matière d'informatique quantique et de méthodes de ML traditionnelles.

Comment les entreprises parviennent-elles à exploiter le potentiel de la numérisation et à rester compétitives ? L'utilisation de technologies telles que l'intelligence artificielle (IA) peut aider à profiter au mieux de la transformation numérique. La ML, en particulier, joue déjà un rôle important dans la stratégie de numérisation de nombreuses entreprises et permet entre autres des processus plus efficaces ainsi que de nouveaux modèles commerciaux. Toutefois, le personnel qualifié fait souvent défaut. Ainsi, la mise en œuvre de solutions ML est encore souvent liée à une charge de travail importante. De l'acquisition des données à l'optimisation de la formation en passant par le choix des algorithmes appropriés, des connaissances détaillées en ML sont nécessaires.

Nouvelle approche : l'informatique quantique porte l'apprentissage automatique à un nouveau niveau

L'approche de l'apprentissage automatique (AutoML) répond à ces défis et facilite l'utilisation de l'IA par les professionnels. Elle automatise notamment le choix des algorithmes ML concrets. Les utilisateurs doivent ainsi moins s'occuper et se familiariser avec le ML et peuvent se concentrer davantage sur leurs véritables processus. Dans ce contexte, l'informatique quantique marque l'entrée dans une nouvelle ère technologique, car elle permet d'améliorer significativement l'approche AutoML. De plus, l'informatique quantique offre la puissance de calcul souvent nécessaire à l'AutoML.

Le projet collaboratif "AutoQML" s'attaque à cette innovation et poursuit deux objectifs principaux : D'une part, la nouvelle approche AutoQML sera développée. Celle-ci sera complétée par des algorithmes ML quantiques nouvellement développés. D'autre part, l'informatique quantique élève l'approche AutoML à un nouveau niveau, car certains problèmes peuvent être résolus plus rapidement à l'aide de l'informatique quantique qu'avec des algorithmes conventionnels.

Dirigé par l'Institut Fraunhofer pour la gestion du travail et l'organisation (IAO), le projet permet aux développeurs d'accéder plus facilement aux algorithmes ML conventionnels et quantiques via une plate-forme open source. Outre Fraunhofer, les entreprises GFT Integrated Systems, USU Software AG, IAV GmbH Ingenieursgesellschaft Auto und Verkehr, KEB Automation KG, TRUMPF Werkzeug-maschinen GmbH + Co. KG et Zeppelin GmbH participent au projet. Les solutions développées seront testées à l'aide de cas d'application concrets issus des secteurs de l'automobile et de la production.

Le meilleur des deux mondes : Bibliothèque de logiciels pour des solutions hybrides globales

Le consortium du projet intégrera des composants de l'informatique quantique dans les solutions actuelles d'apprentissage automatique afin de pouvoir utiliser les avantages de performance, de vitesse et de complexité des algorithmes quantiques dans le contexte industriel. La suite AutoQML-Developer, une bibliothèque logicielle, rassemblera les composants et méthodes ML quantiques développés sous la forme d'une boîte à outils et les mettra à la disposition des développeurs sur une plate-forme open source. Cela permettra aux utilisateurs d'utiliser l'apprentissage automatique et l'apprentissage automatique quantique et de développer des solutions hybrides globales. La durée du projet est de trois ans. La poursuite de la diffusion sur le marché par les entreprises partenaires permet le transfert de la haute technologie proche de la recherche dans un large environnement industriel, dans le but de renforcer significativement le site industriel allemand. Le projet est soutenu par le ministère fédéral de l'Économie et de la Protection du climat.

Informations complémentaires : http://www.autoqml.ai/