Financement
IonQ, ORNL, Nvidia et l'Université du Tennessee développent DQAOA-GPT pour l'optimisation quantique
Une collaboration révolutionnaire entre IonQ, le Oak Ridge National Laboratory (ORNL), Nvidia et l'Université du Tennessee a abouti au développement de DQAOA-GPT, un cadre hybride conçu pour améliorer les processus d'optimisation quantique. Ce système innovant combine l'optimisation quantique approximative avec l'IA générative pour aborder des problèmes combinatoires complexes de manière plus efficace que les méthodes traditionnelles.
Le principal avancement de DQAOA-GPT réside dans sa capacité à synthétiser des circuits quantiques efficaces en une seule tentative, éliminant ainsi le besoin de boucles itératives étendues qui caractérisent généralement l'optimisation quantique. Cette approche réduit considérablement les coûts de calcul associés à l'évaluation des circuits quantiques, ce qui est particulièrement crucial compte tenu des limitations des dispositifs quantiques intermédiaires bruyants (NISQ) actuels.
Lors de tests impliquant des instances d'optimisation binaire non contrainte de haut ordre (HUBO), le cadre DQAOA-GPT a démontré des économies de coûts substantielles par rapport aux approches variationnelles conventionnelles, atteignant des solutions de haute qualité avec moins d'évaluations de circuits et des circuits moins profonds.
La recherche a été reconnue lors de la IEEE Quantum Week (QCE 2026), où l'article détaillant DQAOA-GPT a obtenu la troisième place parmi 857 soumissions. La forte performance d'IonQ lors de la conférence a inclus quatre prix du meilleur article, soulignant son engagement à faire progresser les architectures hybrides quantiques-classiques.
Chaque collaborateur a apporté des forces uniques au projet : Nvidia a fourni une infrastructure de calcul accéléré, IonQ a offert son matériel quantique à ions piégés de haute fidélité, et ORNL ainsi que l'Université du Tennessee ont apporté leur expertise en informatique haute performance et en science de l'information quantique.
FAQ
Qu'est-ce que DQAOA-GPT ?
DQAOA-GPT est un cadre hybride développé par IonQ, ORNL, Nvidia et l'Université du Tennessee qui combine l'optimisation approximative quantique avec l'IA générative pour améliorer les processus d'optimisation quantique.
Comment DQAOA-GPT améliore-t-il l'optimisation quantique ?
Il améliore l'optimisation quantique en synthétisant des circuits quantiques efficaces en une seule tentative, ce qui élimine le besoin de boucles itératives étendues et réduit considérablement les coûts computationnels.
Quels types de problèmes DQAOA-GPT peut-il résoudre ?
DQAOA-GPT est conçu pour traiter des problèmes combinatoires complexes, démontrant spécifiquement son efficacité dans des instances d'optimisation binaire non contrainte de plus haut ordre denses (HUBO).
Quelle reconnaissance la recherche sur DQAOA-GPT a-t-elle reçue ?
La recherche sur DQAOA-GPT a été reconnue lors de l'IEEE Quantum Week (QCE 2026), où elle a obtenu la troisième place sur 857 soumissions.
Qui étaient les collaborateurs impliqués dans le développement de DQAOA-GPT ?
Les collaborateurs incluent IonQ, Oak Ridge National Laboratory (ORNL), Nvidia et l'Université du Tennessee, chacun apportant des forces uniques telles que le matériel quantique, l'infrastructure informatique et l'expertise en science de l'information quantique.