Cherchant à réduire la puissance de calcul nécessaire à l'algorithme de décomposition en mode dynamique largement utilisé, une équipe de chercheurs en Chine dirigée par Guo-Ping Guo a développé un algorithme hybride quantique-classique. Ils ont testé leur algorithme dans trois scénarios d'application : le débruitage des données, l'extraction de l'arrière-plan de la scène et l'analyse de la dynamique des fluides. Ils ont déterminé qu'il ne peut fonctionner qu'avec un petit nombre d'échantillons et présente un avantage quantique dans l'analyse de séries chronologiques de grande dimension.

Leurs recherches ont été publiées dans Informatique intelligente.

L'algorithme de décomposition en mode dynamique quantique a été développé et testé pour accélérer l'analyse de séries chronologiques de grande dimension. Il réalise une accélération exponentielle en diminuant la complexité des opérations effectuées sur les données de séries temporelles. Dans sa forme actuelle, il peut également être utilisé pour accélérer l'analyse de certains autres types d'ensembles de données. De plus, les chercheurs prévoient de créer de nouvelles variantes de leur algorithme spécialisées pour d'autres applications de décomposition en mode dynamique, telles que l'analyse de Koopman.

La principale limitation de l'algorithme quantique est que le nombre d'échantillons doit rester petit, sinon la complexité de l'algorithme ne sera pas réduite et l'avantage quantique sera perdu. Les chercheurs en étaient pleinement conscients lors de la conception de l'algorithme, et ont donc fixé une limite supérieure sur le nombre d'échantillons pour garantir de bonnes performances.

Cependant, le chercheur Cheng Xue de l'Institut d'intelligence artificielle du Hefei Comprehensive National Science Center a expliqué : « Grâce à des tests numériques, nous avons constaté que le nombre d'échantillons nécessaires pour analyser des séries chronologiques spécifiques est inférieur à la limite que nous avons dérivée, ce qui illustre davantage le performances d'accélération de notre algorithme."

Pour tester l'effet de la modification du nombre d'échantillons, les chercheurs ont exploré les applications de leur algorithme quantique dans différents domaines. Le premier, le débruitage des données, est un processus similaire à la suppression du bruit d'une image. La seconde, l'extraction de l'arrière-plan de la scène, est une tâche courante en vision par ordinateur. C'est une sorte de traitement d'image dans lequel les éléments de premier plan sont supprimés en comparant une séquence d'images de la même scène. La troisième, l'analyse de la dynamique des fluides, sert à prédire le mouvement du gaz ou du liquide. L'algorithme a effectué ces tâches avec succès.

Parmi les nombreuses applications possibles, la dynamique des fluides est particulièrement pertinente. "La décomposition en mode dynamique était à l'origine utilisée pour l'analyse des données de champ d'écoulement", a expliqué Xue. "L'étude de la dynamique des fluides produit souvent des données de champ d'écoulement de grande dimension, avec des dimensions de données atteignant l'échelle de milliards. L'extraction de caractéristiques de champ d'écoulement significatives à partir de ces données pose un problème difficile."

L'algorithme de décomposition en mode dynamique est une méthode populaire de factorisation et de réduction de la dimensionnalité dans l'analyse des séries chronologiques. L'analyse de séries chronologiques est le processus consistant à effectuer des opérations mathématiques ou statistiques sur une série chronologique pour découvrir des informations importantes.

Une série chronologique est un ensemble de données recueillies sous la forme d'une série d'échantillons régulièrement espacés dans le temps, comme la valeur d'un indice boursier à la fin de chaque jour de marché pendant un mois, ou la température quotidienne moyenne dans une ville au cours d'un an.

Les séries chronologiques de grande dimension sont composées de nombreux éléments d'information à chaque moment d'échantillonnage plutôt qu'un seul, de sorte que le traitement et l'analyse des séries chronologiques de grande dimension nécessitent davantage de calculs. L'analyse des séries chronologiques est utilisée en économie, en finance et dans une grande variété de domaines scientifiques et techniques.

Étant donné que les ordinateurs quantiques sont encore en cours de développement et relativement inaccessibles, les travaux de Xue sur les algorithmes quantiques consistent en "dérivation théorique plus simulation numérique", mais il dit que la technologie des puces quantiques se développe rapidement dans une relation "synergique" avec les algorithmes quantiques, qui promettent des "percées révolutionnaires". " dans le futur proche."

Les ordinateurs quantiques tirent leur puissance de deux caractéristiques non intuitives, la superposition et l'intrication, qui leur permettent d'effectuer de nombreux calculs en parallèle. Cependant, comme nous le rappelle Xue, l'informatique quantique "ne peut qu'accélérer des problèmes spécifiques et ne peut pas remplacer les ordinateurs classiques".

Fourni par l'informatique intelligente