La Deeptech française Quandela dévoile MerLin, une couche IA quantique (tournant sous CUDA-Q et utilisant des Qubits simulés par GPU) qui s’insère directement dans PyTorch et scikit-learn. Objectif : permettre aux chercheurs d’explorer, dès aujourd’hui, des algorithmes hybrides capables de tourner demain sur des processeurs photoniques de 24 qubits et plus.
Fondée en 2017, Quandela s’est imposée comme le champion européen du calcul quantique photonique. Contrairement aux technologies plus répandues qui reposent sur des qubits supraconducteurs ou à atomes neutres, Quandela mise sur les photons comme porteurs d’information quantique. Cette stratégie repose sur l’utilisation d’émetteurs quantiques semi-conducteurs, aussi appelés atomes artificiels, capables de générer des photons uniques avec une efficacité remarquable. Ces photons sont ensuite manipulés dans des circuits optiques intégrés, permettant la réalisation d’opérations quantiques complexes. L’un des grands avantages de cette technologie est qu’elle fonctionne à température ambiante, ce qui la rend potentiellement plus facile à industrialiser que d’autres approches nécessitant des environnements cryogéniques. En début d’années, Quandela a franchi une étape importante en démontrant un circuit optique capable de manipuler jusqu’à 20 photons simultanément, un pas décisif vers l’ordinateur quantique utile.
Parallèlement au développement de ses propres machines quantiques, accessibles via le cloud, la jeune pousse propose une suite logicielle complète pour programmer et simuler des algorithmes quantiques. Et c’est justement du côté des logiciels quantiques que se situe leur dernière innovation. Quandela annonce en effet, avec MerLin, ce qu’elle qualifie comme étant « la première couche quantique pensée par et pour les data scientists ». Dans une pure approche hybride la plateforme permet de prototyper en quelques heures des réseaux combinant tensors classiques et circuits photoniques simulés sur GPU sans réécrire les pipelines existants. Dit autrement, leur algorithme combine des « tensors classiques » (exécutés par des GPU comme il se doit) et des circuits quantiques photoniques (qui, en attendant la disponibilité de machines vraiment fonctionnels, sont eux aussi émulés par des GPU).
La plateforme MerLin utilise ainsi la puissance de calcul des GPU pour simuler fidèlement le fonctionnement de ces circuits quantiques, jusqu’à 24 qubits. Pour cela, elle s’appuie et exploite très largement la technologie CUDA-Q de Nvidia. Cette librairie Python ou C++ permet de programmer, simuler et exécuter des algorithmes quantiques hybrides combinant à la fois du calcul classique (CPU/GPU) et du calcul quantique (QPU), le tout dans un même programme. On peut concevoir, tester et déployer des algorithmes quantiques dès aujourd’hui en s’appuyant sur des GPU (qui émulent n’importe quel type de Qubits). CUDA-Q s’occupe d’orchestrer l’exécution, d’optimiser la simulation sur GPU, et même de gérer les interactions avec de vrais QPU (Quantinuum, IonQ, Pasqal, Google, AWS Braket…). MerLin permet ainsi d’entraîner et exécuter des modèles IA en appui sur CUDA-Q pour assembler et piloter les circuits quantiques photoniques.
Grâce à son approche hybride, la plateforme ML/IA de Quandela s’intègre directement dans des outils familiers de l’écosystème IA comme PyTorch ou scikit-learn ce qui permet une adoption plus facile et plus rapide des algorithmes quantiques dans les modèles, scripts et pipelines existants sans devoir tout réécrire.
L’objectif d’une telle plateforme est de permettre aux centres R&D et aux data-scientists des entreprises de tester et accaparer le potentiel de l’informatique quantique en IA dès aujourd’hui et sans attendre la disponibilité des vraies machines quantiques afin de pouvoir rapidement passer à l’expérimentation et la mise en œuvre lorsque ces dernières auront atteint le niveau de performance et la fiabilité escomptée.
Mais la démarche vient également démontrer que les entreprises pourront aisément s’emparer de l’avantage quantique grâce aux plateformes logicielles hybrides intégrées aux outils existants et sans réelle compétences étendues en algorithmie quantique.
Quandela espère ainsi pouvoir rapidement exécuter les premières applications IA quantiques et démontrer l’avantage quantique dès que ses nouvelles machines quantiques de plus de 24 qubits seront opérationnelles en 2026.
puis