Apprentissage automatique quantique : le logiciel AutoQML facilite l'utilisation industrielle

Reconnaissance d'images lors de la découpe au laser en tant qu'exemple concret d'application des algorithmes quantiques d'apprentissage automatique. © Groupe Trumpf

L'équipe autoQML lors d'une réunion de projet 2023. © Fraunhofer IAO

Dans le projet collaboratif AutoQML, les instituts Fraunhofer IAO et IPA ont développé conjointement un logiciel d'application portant le même nom, en collaboration avec sept partenaires industriels. Le logiciel open-source AutoQML combine le calcul quantique et l'apprentissage automatique. Ainsi, les algorithmes de l'apprentissage automatique quantique deviennent utilisables sans connaissances approfondies dans le domaine.

Comment les entreprises peuvent-elles exploiter le potentiel de la numérisation et rester compétitives ? L'utilisation de technologies telles que l'intelligence artificielle peut aider à tirer le meilleur parti de la transformation numérique. L'apprentissage automatique (ML) joue déjà un rôle important dans la stratégie de digitalisation de nombreuses entreprises et permet, entre autres, d'optimiser les processus et de créer de nouveaux modèles commerciaux. Cependant, il manque souvent de compétences spécialisées. La mise en œuvre de solutions ML est encore souvent associée à un effort considérable. De l'acquisition des données au choix des algorithmes appropriés, en passant par l'optimisation de l'entraînement, une expertise approfondie en ML est nécessaire.

La démarche d'apprentissage automatique automatisé (AutoML) répond à ces défis et facilite l'utilisation de l'intelligence artificielle. Elle automatise notamment le choix des algorithmes ML concrets. Les utilisateurs et utilisatrices doivent donc moins maîtriser le ML et peuvent se concentrer davantage sur leurs processus principaux.

Dans ce contexte, l'innovation qu'est le calcul quantique promet d'établir de nouvelles approches de solution qui améliorent significativement la démarche AutoML. De plus, le calcul quantique offre la puissance de calcul souvent nécessaire à AutoML.

Nouvelle approche : le calcul quantique porte l'apprentissage automatique à un nouveau niveau

Le projet collaboratif « AutoQML » s'est appuyé sur cette innovation et a atteint deux objectifs essentiels : d'une part, le développement de la nouvelle approche AutoQML. Celle-ci étend le principe AutoML avec de nouveaux algorithmes quantiques-ML. D'autre part, le calcul quantique élève la démarche AutoML à un nouveau niveau, car certains problèmes peuvent être résolus de manière plus efficace et durable grâce au calcul quantique qu'avec des algorithmes conventionnels.

Sous la direction de l'Institut Fraunhofer pour l'économie du travail et l'organisation IAO, le logiciel open-source développé AutoQML permet désormais aux développeurs et développeuses d'accéder plus simplement aux algorithmes ML conventionnels et quantiques. Les composants et méthodes quantiques-ML développés ont été rassemblés sous forme d'un coffret à outils et mis à la disposition des équipes de développement. Cela permet aux utilisateurs et utilisatrices d'appliquer l'apprentissage automatique et l'apprentissage automatique quantique, ainsi que de développer des solutions hybrides automatisées complètes.

Outre l'Institut Fraunhofer pour la technologie de production et l'automatisation IPA, les entreprises GFT Integrated Systems, USU GmbH, IAV GmbH Ingénierie Auto et Transport, KEB Automation KG, Trumpf et Zeppelin GmbH ont participé au projet. Les solutions développées ont été testées sur des cas concrets issus des secteurs automobile et de la production.

Une étude de benchmarking montre le potentiel d'AutoQML

Dans l'étude de benchmarking finale, le consortium du projet a comparé son logiciel open-source AutoQML aux meilleures méthodes classiques et quantiques connues. Un résultat clé de l'étude : les solutions automatisées du logiciel AutoQML sont aussi performantes, voire plus, que les meilleures méthodes classiques et quantiques trouvées manuellement. Cela ouvre aux développeurs et développeuses la possibilité d'expérimenter avec leurs propres cas d'application.

Grâce à ce logiciel open-source, une étape importante a été franchie vers une application plus large de l'apprentissage automatique quantique dans l'industrie, ce qui peut durablement renforcer la compétitivité et l'innovation des entreprises.

La diffusion commerciale ultérieure par les partenaires industriels favorise le transfert de la haute technologie de recherche vers un environnement industriel large et vise à renforcer significativement le site industriel allemand. Les résultats scientifiques du projet ont été présentés dans plusieurs publications. Le projet a été financé par le ministère fédéral de l'Économie et de la Protection du Climat (BMWK) pour une durée de trois ans.