La technologie émergente des ordinateurs quantiques offre la possibilité de modéliser des systèmes microscopiques avec une précision grandement supérieure à celle obtenue avec les outils informatiques actuels. Les ordinateurs quantiques comprennent intrinsèquement la cohérence quantique qui est exponentiellement difficile (et donc irréalisable) à simuler avec des calculs de haute performance classiques à mesure que la complexité du problème augmente (p. ex., le nombre de particules interagissant dans le matériau ou le nombre d'orbites dans une molécule). Les méthodes actuelles de modélisation moléculaire tentent d'équilibrer précision du modèle et durée des calculs. La méthode de calcul DFT en régime linéaire est très rapide et très productive pour la modélisation de systèmes de grande taille, mais il arrive souvent que ces simulations aboutissent à des résultats complètement erronés (par exemple, en trouvant un conducteur lorsqu'un système est connu pour être un isolant).
Les chercheurs mettront au point un système d'apprentissage par renforcement en tirant parti à la fois de l'apprentissage automatique et de l'informatique quantique pour obtenir une méthode efficace de recherche de médicaments et d'élaboration de nouveaux matériaux. Dans ce système, l'agent estime la fonction de valeur et la stratégie adéquates à l'aide de réseaux neuronaux profonds et la modélisation moléculaire à l'aide d'un ordinateur quantique peut être vue comme un « environnement » externe. La plateforme cible une propriété désirée pour le matériau ou les énergies de liaison recherchées dans le cadre de la conception d'un médicament. Les matériaux ou les médicaments candidats sont proposés par l'agent d'apprentissage et leurs propriétés sont déterminées par l'ordinateur quantique. La procédure est répétée pour converger vers une fonction de valeur et une stratégie optimales qui seront utilisées pour concevoir de nouveaux matériaux et de nouveaux médicaments testables en laboratoire.
Équipe
Steve Brierley, Riverlane Research, UK
Steve Brierley est le PDG et fondateur de Riverlane. Steve est un leader mondial de la commercialisation d'ordinateurs quantiques et siège au groupe d'experts en informatique quantique du gouvernement britannique. Il a passé près d'une décennie dans la communauté du renseignement et en tant que chercheur principal à l'Université de Cambridge, dirigeant de grands projets de recherche en informatique quantique.
En savoir plus sur Steve Brierley (en anglais seulement).
Joseph Emmerson, Quantum Benchmark, Ontario
Joseph est le PDG, fondateur et scientifique en chef de Quantum Benchmark. Il est une autorité de premier plan dans le domaine de l'informatique quantique et a été le pionnier des méthodes de caractérisation d'erreur standard de l'industrie pour le matériel informatique quantique.
En savoir plus sur Joseph Emmerson (en anglais seulement).
Hsu Kiang (James) Ooi, Conseil national de recherches Canada
L'intérêt de recherche de James Ooi porte sur la modélisation mathématique et les simulations de systèmes dynamiques. Il a obtenu sa maîtrise ès sciences en génie électrique (MSEE) et son doctorat en génie biomédical de l'Université du Texas à Dallas, suivis d'une formation postdoctorale à l'Université d'Ottawa. Il s'est ensuite joint à IBM Canada et a travaillé sur la recherche en calcul haute performance avant de se joindre au CNRC. Au Centre de collaboration en sciences mathématiques CNRC-Fields, James poursuit des projets de recherche interdisciplinaires appliquant des techniques de modélisation mathématique, d'apprentissage automatique et d'informatique quantique pour la modélisation des maladies, la découverte de matériaux et de médicaments.