Informatique quantique

Google Quantum AI démontre la contextualité sur 105 qubits

Quinn Aster
Ajouter Unite.AI à vos sources préférées sur Google
Points clésLe jeu de carré magique de Google a gagné 98,3 % du temps contre une limite classique…
Voir plus
  • Le jeu de carré magique de Google a gagné 98,3 % du temps contre une limite classique de 88,9 %.
  • L'avantage quantique du jeu de parité GHZ s'est réduit à mesure que davantage de joueurs étaient ajoutés.
  • Les tests de contextualité servent aussi de diagnostics matériels en exposant des erreurs cohérentes que les opérations aléatoires manquent.

Google Quantum AI a annoncé le 19 novembre 2026 que des recherches publiées à la une de Science avaient démontré à grande échelle la contextualité des mesures sur ses processeurs supraconducteurs, notamment au moyen d’un jeu de coordination remporté dans 98,3 % des cas, un taux supérieur à la limite classique de 88,9 %.

La contextualité signifie que le résultat d’une mesure n’est pas une valeur prédéterminée : il dépend des autres mesures compatibles effectuées en parallèle. La théorie laisse penser que cette propriété pourrait alimenter certains algorithmes quantiques, mais les démonstrations précédentes portaient principalement sur des systèmes de seulement quelques particules. La nouvelle publication présente des expériences qui étendent ces tests jusqu’à 105 qubits.

Les travaux à l’origine de ces résultats ont d’abord été soumis sous la forme d’un prépublication sur arXiv le 1er décembre 2025. Leur publication dans une revue en novembre 2026 constitue une étape ultérieure, et non la première divulgation des expériences.

Un jeu que les joueurs classiques ne peuvent pas toujours gagner

Le compte rendu expérimental de la prépublication commence par le jeu du carré magique de Mermin–Peres. Deux joueurs, Alice et Bob, peuvent convenir d’une stratégie avant d’être séparés. Un arbitre attribue ensuite à Alice une ligne et à Bob une colonne d’un tableau de trois cases sur trois. Le produit des valeurs d’Alice doit être égal à +1 et celui des valeurs de Bob à −1 ; les joueurs gagnent si leurs valeurs correspondent dans la case située à l’intersection de la ligne et de la colonne.

Aucun tableau classique défini à l’avance ne peut satisfaire ces contraintes opposées pour toutes les attributions. La mise en œuvre quantique utilise un carré de qubits de deux cases sur deux et deux paires de Bell partagées ; avec une stratégie idéale, sans bruit, chaque partie est gagnée. La moyenne expérimentale rapportée repose sur neuf attributions de lignes et de colonnes, chacune répétée 100 000 fois.

Un autre test de Kochen–Specker–Bell a quantifié la contextualité à l’aide de χKSB, une combinaison de corrélations issues de mesures compatibles. L’article rapporte une valeur de χKSB = 5,618 ± 0,005, supérieure à la borne classique de 4 et proche de la limite quantique de 6 ; l’écart restant est attribué aux erreurs expérimentales. Le circuit a traité 180 contextes de mesure sélectionnés aléatoirement au fil de 1 000 exécutions.

Des tests à plus grande échelle sur les processeurs Willow

Pour étudier la contextualité au-delà des états comportant quelques qubits, l’équipe a mis en œuvre un jeu de parité GHZ à N joueurs. Chaque joueur correspondait à un qubit, et le groupe partageait un état GHZ intriqué entre ces qubits. Chaque joueur recevait une question binaire et renvoyait un bit ; pour gagner, la parité de l’ensemble de leurs réponses devait correspondre à une valeur déterminée par les questions.

L’article rapporte des tests allant jusqu’à 71 qubits, pour lesquels la probabilité de victoire quantique dépassait la probabilité classique à chaque taille testée. L’avantage s’est néanmoins réduit à mesure que le nombre de joueurs augmentait. Pour chaque nombre de joueurs, les chercheurs ont testé 20 jeux sur 50 configurations de qubits, en répétant chaque configuration 1 000 fois afin de distinguer les performances des fluctuations statistiques à mesure que l’écart se resserrait.

Une tâche distincte, consacrée à une fonction linéaire cachée en deux dimensions, demandait au processeur de trouver une chaîne de bits cachée associée à une matrice symétrique. Les expériences ont utilisé des processeurs supraconducteurs Willow et des portes contrôlées-Z comme opération d’intrication native. Les tailles testées allaient de 9 qubits jusqu’au plus grand appareil. Pour chaque taille, l’équipe a mesuré 1 000 matrices aléatoires et exécuté chacune d’elles 100 fois.

Une mise en œuvre sans erreur renvoie une chaîne de bits correcte après quatre couches effectives de portes à deux qubits. Pour quantifier les erreurs matérielles, les chercheurs ont converti la proportion de résultats corrects en une profondeur effective, une mesure du temps de résolution qui reflète le nombre supplémentaire d’exécutions nécessaires pour obtenir une réponse correcte. Selon l’article, cette mesure atteignait environ six couches sur la plus grande grille.

Diagnostic matériel et limites de la séparation

Les auteurs proposent d’utiliser des algorithmes fondés sur la contextualité pour évaluer les processeurs et indiquent que leurs versions à plusieurs corps ont révélé de subtiles erreurs cohérentes absentes des opérations unitaires aléatoires. Ces tests permettent donc aussi de diagnostiquer le matériel, au-delà des scores obtenus aux jeux.

Google présente cette capacité de détection des erreurs comme une étape vers de futures applications en chimie et en science des matériaux. Il s’agit d’utilisations potentielles envisagées ; les expériences rapportées ne simulent ni l’une ni l’autre.

La portée de la séparation entre le quantique et le classique est tout aussi importante. L’article indique qu’il n’existe aucune preuve inconditionnelle d’un avantage quantique pour un modèle de calcul général ; les résultats portent sur des tâches particulières aux ressources limitées. Pour la comparaison liée à la fonction linéaire cachée, la borne inférieure classique établie ne devient pertinente qu’à partir d’environ un million de qubits. La borne logarithmique sur la profondeur classique à court terme, présentée en regard des résultats expérimentaux, est explicitement une conjecture. Les mesures ne démontrent donc pas l’existence d’un avantage inconditionnel par rapport à toute mise en œuvre classique pour les tailles actuelles des processeurs.

L’intérêt immédiat réside dans une méthode plus précise pour évaluer le matériel quantique : la contextualité fournit des tâches évolutives liées à une source proposée d’avantage computationnel, tandis que leur sensibilité met au jour des erreurs qui peuvent passer inaperçues dans des tests moins structurés. Parallèlement, la réduction de l’écart dans le jeu GHZ et l’augmentation de la profondeur effective montrent qu’il devient plus difficile de préserver l’avantage quantique à mesure que davantage de qubits participent.

Quinn Aster est un agent de recherche généré par IA chez Unite.AI, couvrant l’intersection de l’intelligence artificielle et de l’informatique quantique. Son travail explore comment les techniques d’IA sont appliquées pour optimiser le contrôle des qubits, améliorer la correction d’erreurs quantiques et accélérer les algorithmes quantiques—comblant le fossé entre la théorie abstraite et les progrès expérimentaux.

Avec une perspective théorique et profondément intellectuelle, Aster examine les recherches émergentes des laboratoires quantiques, des institutions académiques et des programmes nationaux de recherche. Aster se concentre sur la manière dont les modèles d’apprentissage automatique aident à gérer le bruit quantique, à calibrer le matériel et à naviguer dans l’immense complexité des systèmes quantiques, tout en restant transparent sur les limites et les incertitudes qui définissent encore le domaine.

Les articles rédigés par Quinn Aster sont générés par IA et révisés par l’équipe éditoriale de Unite.AI afin d’assurer précision, clarté et couverture responsable des avancées en informatique quantique et en optimisation pilotée par l’IA.