L'informatique quantique attise les convoitises de tous les géants IT. Ce n'est donc pas une surprise de savoir que Google creuse de plus en plus le sujet : un an après avoir annoncé adapter son framework TensorFlow dédié au machine learning pour les systèmes quantiques, un set d'API de exploitant ses TPU est cette fois dans les tuyaux. Porté par la très discrète équipe Sandbox de la maison-mère de Google, Alphabet, ce projet a été évoqué le mois dernier à l'occasion du concours QHack Open Hackathon 21, un challenge orienté calcul quantique. A l'occasion de cet événement, le responsable produit et chercheur en sciences au sein de Sandbox, Guillaume Verdon, a évoqué la disponibilité « à titre expérimental » de son service d'API Floq pour utiliser les TPU de Google pour aider les développeurs à simuler des workloads d'informatique quantique.

« L'équipe a expérimenté comment utiliser Floq pour la physique, l'apprentissage automatique et toutes sortes d'applications intéressantes », explique Guillaume Verdon. « Nous avons développé notre propre bibliothèque open source pour les réseaux tensorflow qui fonctionnent sur des TPU… Il est surprenant de savoir à quel point ces puces sont bonnes pour la simulation quantique. C'est presque comme si elles avaient été conçus pour cette tâche ».

Floq

Les gains de temps d'exécution de calcul pour de la simulation quantique avec le set d'API Floq sont d'après Google particulièrement élevés. (crédit : Sandbox / Alphabet)

Un temps de calcul passé de 19 mn à 10 secondes chez Eisert Group

En s'appuyant sur les puces développées par Google dédiées à l'apprentissage et à l'inférence IA via le set d'API Floq, l'exécution des simulations quantiques connaitrait ainsi un sérieux coup d'accélérateur. D'après les travaux de Sandbox, des gains de rapidité en termes de traitement jusqu'à 500 fois supérieur par rapport au recours à de traditionnels GPU sont possibles. « Floq est compatible avec les frameworks de programmation différentiels tensorflow quantum et pennylane », a indiqué Guillaume Verdon dans une vidéo. 

Des performances semble-t-il confirmées par Thomas Hubregtsen, chercheur en informatique quantique au centre de recherche allemand Eisert Group. « Des phases de calcul avec itération minutieuse ont pris 19 minutes avec mon système classique doté d'un processeur 16 coeurs et plus de 100 Go de mémoire, contre 10 secondes avec des TPU sous Floq. De quoi peut-on avoir besoin de plus ? »