L'ordinateur quantique du futur pourra s'instruire lui-même

Le célèbre chercheur en apprentissage automatique (machine learning) dans le domaine de la science des matériaux et la physique quantique, George Tsironis (Grèce), présentera lui-même les leçons dans le module qu'il a créé dans les deux filières.

- En quoi le programme iPHD pourrait-il intéresser les étudiants?

- Pour les étudiants il est très important de ne pas cuire dans leur propre jus, mais de prendre part à des collaborations avec des universités étrangères, des chercheurs internationaux et des étudiants d'autres pays. Ce programme offre précisément d'excellentes opportunités pour une telle mobilité entre les groupes scientifiques.

Ce programme est pratique parce que l'étudiant ne s'inscrit pas simplement pour une spécialité, comme avant, mais auprès d'un directeur de recherche concret. Il reçoit une bourse et commence à travailler en laboratoire dès le master, puis poursuit ses études et son activité scientifique en doctorat. De facto, nous déterminons le chemin de chacun vers la science et minimisons l'écart entre la science et l'éducation.

Le programme est modulaire. Cela permet aux étudiants d'effectuer des stages et d'apprendre dans le monde entier. Mon programme a déjà été rejoint par 18 personnes - des diplômés de licence qui sont passionnés par la science des matériaux quantiques.

- En quoi consiste votre cursus «Machine learning des systèmes complexes et de la matière quantique»?

- C'est le premier du genre. Il n'existe encore nulle part ailleurs dans le monde de cursus sur l'apprentissage automatique dans la science des matériaux quantiques. Cela est particulièrement d'actualité parce que dans tous les domaines scientifiques on recherche de nouveaux moyens de travailler avec les big data (mégadonnées). C'est précisément l'objet de ce cursus: Data Science (science des mégadonnées) et apprentissage automatique (Machine learning). Il permet de mettre rapidement un pied dans la "grande science" pour que les jeunes chercheurs puissent travailler avec les mégadonnées et les utiliser dans leurs recherches.

- Qu'est-ce qui attend ces étudiants ensuite? Quelle profession pourront-ils ensuite embrasser?

- Les diplômés du programme pourront poursuivre leur carrière en post-doctorat dans les plus grandes universités du monde, ainsi qu'en tant que chercheurs d'organisations académiques ou collaborateurs de compagnies R&D (recherche et développement). Le plus important pour eux est d'apprendre en permanence, et c'est ainsi qu'ils deviendront de bons chercheurs et spécialistes.

Toutes les questions évoquées dans le cadre du cursus sont liées à l'intelligence artificielle (IA). En fait, ces connaissances peuvent être appliquées dans n'importe quel secteur - des machines autonomes à la traduction automatique, etc. En particulier, cela est utilisé en physique pour les calculs et les simulations. Le travail avec les mégadonnées est sollicité partout, partout il faut de nouvelles approches. C'est l'avenir. L'un des métiers les plus populaires en Amérique aujourd'hui est celui du chercheur travaillant avec une grande quantité de données.

D'après moi, les auditeurs actuels sont très compétents. Ils disposent initialement d'un très haut niveau de connaissances. Ils résolvent avec succès les exercices proposés, qui sont particulièrement difficiles.

- En quoi consiste leur difficulté? Que peut apporter l'apprentissage automatique au développement de la physique quantique?

- L'une des directions que prend la physique quantique est celle des qubits de l'ordinateur quantique. C'est précisément notre sphère d'activité. Nous obtenons une grande quantité de données qu'il faut classer et utiliser en paramétrant les liens entre plusieurs qubits. C'est là que l'apprentissage automatique intervient.

Les qubits, l'ordinateur quantique, existent déjà. Mais une nouvelle science mathématique apparaît, foncièrement différente de celle que nous connaissons. L'apprentissage automatique permet de travailler avec ces mathématiques, de créer de nouveaux algorithmes et tâches, de gérer un ordinateur quantique et les mégadonnées à un tout autre niveau.

L'apprentissage machine rendra l'ordinateur quantique capable de s'instruire. Imaginez-vous: il sera confronté à un problème, mais il sera capable de trouver et de choisir de manière autonome les données nécessaires, de s'instruire et de résoudre le problème. Un ordinateur ordinaire diffère d'un ordinateur doté d'un apprentissage automatique en ce que nous indiquons au premier ce qu'il doit faire (nous lui dictons un programme et il remplit une tâche), alors qu'au second nous posons un problème pour qu'il s'instruise.

- La science est-elle sur le point de créer un ordinateur quantique capable d'apprendre lui-même? Votre pronostic.

- Concernant le futur ordinateur quantique, il est trop tôt pour faire des pronostics. De tels dispositifs commencent seulement à faire leur apparition, et ils ne sont pas encore si efficaces. Mais nous devons savoir qu'à terme l'ordinateur quantique sera capable d'apprendre lui-même la physique quantique. Ce sera une machine unique.

- Cet ordinateur quantique méga-intelligent ne va-t-il pas se révolter contre les scientifiques en chair et en os?

- Il sera toujours possible de le débrancher.