L’optimisation du trafic routier est une problématique complexe et coûteuse pour les environnements urbains : à mesure que les villes se développent et que les réseaux de transport deviennent plus denses, la gestion du trafic s’avère de plus en plus complexe et les méthodes traditionnelles pour organiser les flux de circulation atteignent leurs limites. S’en suivent un allongement de la durée des trajets quotidiens, une hausse des émissions de carbone voire même un impact sur les chaînes d’approvisionnement ; ce ne sont certainement pas les citadins qui passent des heures dans les bouchons qui viendront nous contredire.
Pour minimiser ce phénomène de congestion, il faut donc choisir pour chaque véhicule un itinéraire spécifique parmi un ensemble de possibilités, sachant que les choix d’un véhicule affectent les conditions de circulation pour de nombreux autres utilisateurs des mêmes routes. La taille de l’espace des solutions pour ce genre de problèmes à variables entières – le petit nom donné à ce type de problème mathématique combinatoire – croît de manière exponentielle avec le nombre de véhicules, d’itinéraires et de segments routiers, ce qui peut rendre la recherche de la solution optimale impossible pour les ordinateurs classiques, en tout cas dans des délais acceptables. C’est ici que l’informatique quantique intervient en offrant une alternative bien plus performante et rapide.
A lire aussi : 504 qubits : la Chine bat un nouveau record en informatique quantique et défie l’occident
Une approche hybride pour minimiser les conséquences du bruit quantique
Une équipe mêlant des scientifiques de l’Université de Melbourne et des chercheurs du géant de l’automobile Ford ont publié le résultat de leurs recherches portant sur l’application d’algorithmes hybrides quantiques-classiques à cette problématique de gestion du trafic routier. Ce type d’algorithmes exploite un processeur quantique pour effectuer des calculs spécifiques, et un ordinateur classique pour gérer le flux général de l’algorithme, l’optimisation des paramètres et le post-traitement des résultats quantiques.
A lire aussi : Google dévoile Willow, sa puce quantique surpuissante : 10 septillions d’années de calcul réduites à 5 minutes
Les chercheurs ont utilisé différentes variantes d’un algorithme – baptisé QAOA, ou Quantum Approximate Optimization Algorithm pour les intimes – permettant de trouver des solutions approximatives à des problèmes qui peuvent être reformulés comme la minimisation d’une fonction de coût. Dans le cas présent, l’algorithme en question associe à chaque segment routier un coût qui augmente de manière quadratique avec le nombre de voitures l’empruntant, créant une forte pénalité pour les itinéraires qui contribuent à la congestion. Pour éviter une solution triviale où aucune voiture ne circule, des contraintes – plus exactement un système de pénalités – sont ajoutées pour s’assurer que chaque voiture emprunte exactement un itinéraire.
Les résultats de l’étude démontrent qu’une adaptation intelligente des algorithmes aux contraintes du matériel quantique actuel – encore très sensible aux perturbations et aux erreurs indésirables qui surviennent lors de la manipulation des qubits – peut conduire à des améliorations de performance notables. Les solutions approximatives ont ainsi été qualifiées de “suffisamment bonnes” tout en conservant un temps d’exécution acceptable. Ce type d’algorithmes hybrides pourraient donc permettre d’utiliser dès à présent le calcul quantique pour s’attaquer à des problèmes réels comme la gestion de flux routiers, sans attendre l’arrivée de systèmes entièrement tolérants aux fautes.
🔴 Pour ne manquer aucune actualité de 01net, suivez-nous sur Google Actualités et WhatsApp.
