Un algorithme combinant des techniques de calcul quantique et classique pour résoudre des problèmes plus efficacement.Un algorithme hybride est une stratégie de calcul qui combine des techniques de calcul quantique et classique pour résoudre des problèmes plus efficacement que ne le ferait l'une ou l'autre approche seule. Les ordinateurs quantiques excellent dans certaines tâches, comme la factorisation de grands nombres ou la simulation de systèmes quantiques, mais ils sont bruités, sujets aux erreurs et limités dans le nombre de qubits qu'ils peuvent gérer de manière fiable. Les ordinateurs classiques, en revanche, sont stables et puissants pour de nombreuses tâches, mais peinent face aux problèmes qui exigent d'explorer un vaste espace de solutions. Les algorithmes hybrides visent à tirer le meilleur des deux mondes en déléguant au processeur quantique les parties d'un problème qui relèvent de la mécanique quantique, tandis que l'ordinateur classique s'occupe du reste, comme l'optimisation, la correction d'erreurs ou le pré- et post-traitement.
Le concept de calcul hybride quantique-classique a gagné du terrain dans les années 2010, notamment avec la proposition d'algorithmes variationnels quantiques par Alberto Peruzzo et ses collègues en 2014, et le développement de l'algorithme d'optimisation approximative quantique par Edward Farhi et ses collègues en 2014. Ces idées ont été motivées par les limites des premiers dispositifs quantiques, trop petits et trop bruités pour une correction d'erreurs quantique complète.
Dans un algorithme hybride typique, l'ordinateur classique prépare un problème, le divise en morceaux plus petits et envoie les parties adaptées au quantique au processeur quantique. Le processeur quantique effectue un calcul—souvent une tâche variationnelle ou d'échantillonnage—et renvoie les résultats à l'ordinateur classique, qui les analyse, ajuste les paramètres et itère. Cette boucle de rétroaction, connue sous le nom de solveur variationnel de valeurs propres ou d'algorithme d'optimisation approximative quantique, permet au système d'affiner sa solution au fil de plusieurs exécutions sans exiger que le matériel quantique soit parfait. La partie classique gère également l'atténuation des erreurs, en corrigeant le bruit dans les mesures quantiques.
Les algorithmes hybrides sont utilisés dans les simulations de chimie quantique, les problèmes d'optimisation en logistique et en finance, et les tâches d'apprentissage automatique. Un exemple notable est l'optimisation des réseaux électriques, où un algorithme hybride peut gérer la planification complexe de la distribution d'énergie plus efficacement que les méthodes classiques seules.
Le terme « hybride » dans ce contexte fait souvent référence au « graal » de l'informatique quantique, car il permet aux dispositifs quantiques intermédiaires bruités (NISQ) actuels d'être utiles avant que des ordinateurs quantiques entièrement tolérants aux pannes ne soient construits.






















