Comment la nouvelle puce quantique de Microsoft est devenue 1 000 fois plus fiable grâce à l’IA agentique de Microsoft Discovery
Les informations clés:
- Microsoft dévoile Majorana 2, sa puce quantique topologique de nouvelle génération, développée avec l’aide de l’IA agentique de Microsoft Discovery.
- Parmi les nouvelles caractéristiques de Majorana 2 figure un nouvel empilement de matériaux permettant une amélioration de la fiabilité par un facteur de 1 000 par rapport à la génération précédente de qubits, avec une durée de vie moyenne des qubits de 20 secondes avec certains qubits restant stables jusqu’à une minute.
- Microsoft prévoit désormais de parvenir à un ordinateur quantique évolutif d’ici 2029, réduisant de moitié son calendrier initial.
- Microsoft Discovery est désormais disponible de disponibilité générale. Cette plateforme dédiée à la R&D de pointe permet aux clients de déployer des équipes d’agents d’IA, guidées par l’expertise humaine, afin d’accélérer la découverte scientifique.
- La nouvelle application Microsoft Discovery propose une version locale des principales fonctionnalités de la plateforme, que les particuliers peuvent télécharger gratuitement et utiliser avec un compte GitHub Copilot.
Par Catherine Bolgar
Microsoft a dévoilé aujourd’hui Majorana 2, sa toute nouvelle puce quantique topologique dotée d’un empilement de matériaux de nouvelle génération et de qubits 1 000 fois plus fiables que leurs prédécesseurs. Grâce à cette avancée, l’équipe prévoit désormais de parvenir à un ordinateur quantique évolutif d’ici 2029, réduisant ainsi de moitié son calendrier initial.
En appliquant les avancées récentes de l’IA agentique, spécialement conçue pour accélérer le processus scientifique et favoriser la collaboration, l’équipe quantique de Microsoft surmonte des obstacles majeurs en matière de fiabilité, de vitesse et de taille, qui limitaient jusqu’à présent l’application de l’informatique quantique à des scénarios concrets.
Par exemple, les qubits de la nouvelle puce peuvent maintenir leur état quantique 1 000 fois plus longtemps que ceux de la première génération, permettant ainsi des calculs plus fiables. Alors que d’autres approches courantes mesurent la « durée de vie » d’un qubit en microsecondes, Majorana 2 offre une durée de vie moyenne des qubits de 20 secondes, certaines instances pouvant durer jusqu’à une minute. Cette amélioration est à peu près comparable à l’invention d’une batterie de téléphone qui, au lieu de se décharger en une journée, pourrait tenir près de trois ans avec une seule charge.
Cette fiabilité exceptionnelle, sa vitesse élevée avec des opérations d’une microseconde, ainsi que la petite taille des qubits, soit un centième de millimètre, ont placé l’équipe sur la voie d’un ordinateur quantique évolutif et commercialement pertinent d’ici 2029. Une telle machine pourrait, selon l’entreprise, s’attaquer à des problèmes insolubles dans les domaines de la santé mondiale, de l’approvisionnement alimentaire, de la durabilité, de la production d’énergie et bien d’autres encore.
« Nous devons réaliser chaque année des progrès qui nous rapprochent de la livraison d’un ordinateur dont nous pensons qu’il aura une valeur commerciale et sociétale massive », a déclaré Chetan Nayak, Microsoft Technical Fellow. « Nous devons continuer à avancer selon cette feuille de route pour y parvenir. Mais où en sommes-nous par rapport à l’année dernière ? Nous sommes 1 000 fois meilleurs. »
Désormais, d’autres acteurs à la recherche de percées scientifiques ou techniques peuvent tirer parti de la même expertise en IA agentique que celle utilisée par l’équipe quantique de Microsoft dans son programme Majorana.
L’entreprise a également annoncé aujourd’hui la disponibilité générale de Microsoft Discovery, sa plateforme complète permettant aux organisations d’adopter la R&D de pointe. Celle-ci combine des agents d’IA spécialisés pour la recherche et le développement scientifiques, un Discovery Engine qui pilote les workflows de recherche et de raisonnement, ainsi qu’une sécurité, une gouvernance et une transparence de niveau entreprise.
Microsoft a également présenté, en early preview, une application Microsoft Discovery dotée de fonctionnalités clés que les particuliers peuvent télécharger gratuitement et exécuter localement sur leurs ordinateurs avec un compte GitHub Copilot, abaissant ainsi la barrière d’entrée à la recherche avancée pilotée par l’IA.
Microsoft Discovery permet aux chercheurs de déployer des équipes d’agents autonomes, guidées par l’expertise humaine, capables de raisonner sur de grandes quantités de connaissances, de générer des hypothèses, d’optimiser des expériences, de valider des théories et d’apprendre dans une boucle continue. Des contrôles intégrés contribuent à garantir que la recherche reste alignée sur les priorités, les normes de sécurité et de conformité, ainsi que les exigences de sûreté.
« Depuis notre lancement il y a un an, nous avons vu des clients activer des cas d’usage dans des secteurs critiques tels que les sciences de la vie, la chimie et les matériaux, l’énergie, la fabrication et les biens de consommation », a déclaré Aseem Datar, Corporate Vice President, Product Innovation pour Microsoft Discovery. « Avec des entreprises comme Syensqo, qui développent des fluides de nouvelle génération pour la fabrication de semi-conducteurs, les possibilités d’impact sont immenses. »
Les scientifiques et ingénieurs de l’équipe quantique utilisent eux-mêmes les capacités d’IA agentique de Microsoft Discovery pour gérer des workflows, automatiser des mesures, optimiser la fabrication, identifier des défauts auparavant passés inaperçus et proposer de nouvelles solutions.
« L’IA agentique a imprégné presque tout ce que nous faisons — elle est simplement devenue une partie très naturelle de notre workflow », a déclaré Nayak.
« Les agents peuvent réellement accélérer les choses autant ou aussi peu que vous le souhaitez. Cela peut se limiter à rassembler des informations et à les résumer, ou aller plus loin, en les synthétisant davantage ou en générant une hypothèse intéressante. Je pense que c’est extrêmement puissant à l’heure actuelle. »
L’IA agentique peut aider à découvrir de nouveaux matériaux
Majorana 1, présenté l’année dernière seulement, était révolutionnaire parce qu’il utilisait un supraconducteur topologique, une catégorie particulière de matériau capable de créer un état de la matière entièrement nouveau, permettant une informatique quantique plus stable. Pour améliorer la preuve de concept initiale, l’équipe a réexaminé l’empilement de matériaux.
Le supraconducteur Majorana original utilisait de l’aluminium, tandis que Majorana 2 utilise du plomb, un matériau couramment employé pour protéger les personnes et les équipements contre les radiations dans les hôpitaux et les environnements industriels. Dans un ordinateur quantique, un supraconducteur au plomb contribue à protéger les qubits fragiles des perturbations cosmiques susceptibles de les rendre instables — mais il a fallu des années pour comprendre comment surmonter d’autres compromis.
« C’était en réalité un changement assez important, et cela a conduit à de très, très grandes améliorations de la qualité du dispositif », a déclaré Nayak.
Bien que cette ligne de recherche sur les matériaux ait commencé bien avant l’avènement de l’IA agentique, l’équipe l’a utilisée pour aider à gérer la fabrication du nouveau dispositif, et Microsoft Discovery est utilisé de manière plus étendue pour les futurs travaux sur les matériaux Majorana.
Des parties essentielles des dispositifs quantiques Majorana sont conçues atome par atome. Pour maintenir chaque atome à sa place, un autre matériau, une impureté, peut être ajouté à la structure cristalline. Mais en ajouter trop, ou de la mauvaise manière, la perturbe. Il s’agit donc d’un équilibre difficile à trouver, a déclaré Zulfi Alam, Corporate Vice President for Quantum chez Microsoft.
« Trouver la recette exacte, la bonne quantité à ajouter pour obtenir la structure énergétique souhaitée, nécessite beaucoup d’expérimentation dans l’ancien ordre des choses. Dans le nouvel ordre des choses, grâce aux simulations, vous pouvez voir où se situe la cible la plus probable. Et avec cette connaissance, idéalement, vous n’avez plus besoin d’expérimenter qu’une seule fois », a-t-il déclaré.
L’IA agentique peut analyser l’information à grande échelle
Le projet d’informatique quantique comporte de nombreux éléments mobiles — logiciels, architecture, conception, empilement de matériaux, procédés de fabrication, mesures, etc. Un changement dans un domaine a des répercussions qui peuvent nécessiter des ajustements ailleurs. Les agents d’IA aident l’équipe à suivre ces connexions complexes et interdépendantes, a déclaré Nayak.
Le projet quantique dispose également d’énormes quantités de données — près de deux décennies, dans de nombreux formats différents. Avant l’IA, ces données étaient enfermées dans des silos. « Lorsque vous exécutez des agents d’IA sur ces données, ils sont capables, en substance, de mettre ces données en perspective et d’établir des corrélations que nous, en tant qu’humains, ne pouvons pas voir, car aucune personne seule n’a une vision aussi large sur une telle quantité de données », a déclaré Alam.
De plus, l’équipe quantique est répartie dans plusieurs pays, avec des spécialités très différentes, telles que la physique, l’ingénierie mécanique et l’ingénierie des procédés. Il est impossible qu’une seule personne soit experte en tout. C’est un problème courant dans la recherche scientifique interdisciplinaire, raison pour laquelle l’équipe quantique de Microsoft a créé un agent d’IA chargé d’organiser et d’analyser les informations et de les rendre plus faciles à trouver pour les autres.
« L’IA est capable de synthétiser les connaissances issues de toutes ces différentes disciplines », a déclaré Alam, ce qui évite à chacun de devoir passer du temps et fournir des efforts pour interroger les spécialistes ou se documenter sur un autre sujet. L’IA agentique peut « traiter en parallèle une quantité considérable d’informations en un temps extrêmement court afin de vous donner une recommandation », a-t-il déclaré. L’IA ne fournit qu’une orientation ; elle ne décide pas. « Il y a toujours un scientifique dans la boucle. »
L’IA agentique peut accélérer les expériences
Créer un état topologique nécessite de régler des centaines de paramètres. Ensuite, la mesure, qui est essentielle à la réalisation de calculs quantiques, peut commencer. Lorsqu’ils sont effectués par une personne, ces processus prennent chacun plusieurs semaines. En réalité, la mesure est si difficile et chronophage que l’équipe avait tenté, il y a quelques années, de l’automatiser à l’aide de formes antérieures d’apprentissage automatique, mais cela n’avait pas été possible, a déclaré Alam.
Grâce aux capacités agentiques disponibles dans Microsoft Discovery, l’équipe a pu créer un agent d’IA spécialisé pour cette tâche, ce qui a réduit le temps de cycle de plusieurs ordres de grandeur, a-t-il déclaré.
Les capacités de reconnaissance de schémas de l’IA ont aidé à accomplir la tâche difficile consistant à mesurer l’état dans lequel se trouve le qubit et à détecter s’il y a un nombre pair ou impair de milliards d’électrons sur un fil semi-conducteur. Les agents d’IA exécutent le processus automatiquement et en continu, construisant une carte 3D des conditions qu’un seul scientifique ne serait jamais capable de réaliser de la même manière, a déclaré Alam.
« Utiliser l’IA agentique pour automatiser les mesures a changé la donne », a-t-il déclaré. « Elle passe par certains calculs et commence à dire : “Hé, où puis-je trouver le point le plus bas où tout fonctionne plus ou moins ?” Et elle peut effectuer tous ces ajustements de tension en parallèle, ce qu’un humain ne peut pas faire. Nos cerveaux fonctionnent de manière plus linéaire. »
L’IA agentique peut réduire le bruit
Les données ne sont pas des informations — elles doivent être filtrées, analysées et replacées dans leur contexte pour avoir du sens. Par exemple, l’équipe a développé un agent d’IA capable de combiner des connaissances en physique, sur les dispositifs et issues de l’expertise interne afin de filtrer les données brutes issues du processus de fabrication de l’équipe quantique et de détecter une lecture non calibrée d’un capteur de température qui faussait les résultats.
Alam compare ce processus au résumé IA d’un appel Teams, qui ignore les échanges amicaux pour lister les trois ou quatre points clés. « C’est exactement ce que fait l’IA à une plus grande échelle lorsque la science est impliquée », a-t-il déclaré.
Microsoft Discovery a été conçu comme une plateforme qui associe l’IA à la méthode scientifique, et bon nombre des outils d’IA agentique utilisés par l’équipe quantique sont transférables et pertinents pour l’exploration scientifique dans d’autres domaines.
Ce type fondamentalement nouveau de R&D de pointe permet à un scientifique « d’être le point de convergence et d’examiner simultanément de très, très nombreuses disciplines différentes avec une très grande fidélité, et d’être capable d’en tirer des corrélations », a déclaré Alam. « C’est l’essence même de ce que chaque équipe performante et à la pointe de la technologie souhaite faire. »
Liens connexes:
Lire la suite: Majorana 2 – Microsoft’s scalable quantum processor with reliable, long-lasting qubits
Lire la suite: 20 Second Parity Lifetime in an InAs-Pb Device
Lire la suite: Announcing Microsoft Discovery general availability for R&D and Microsoft Discovery app preview
Télécharger: Microsoft Discovery App
En savoir plus: Microsoft Discovery
Lire la suite: Microsoft’s Majorana 1 chip carves new path for quantum computing