Google couvre ses paris sur le quantique. Pendant des années, le géant de la recherche s’est concentré sur les qubits supraconducteurs : des circuits artificiels microscopiques imprimés sur des puces et ramenés à près de zéro degré Kelvin, nécessitant le « lustre » en cuivre emblématique que nous en sommes venus à associer à la poursuite de l’informatique quantique.

Mais il existe d’autres façons de faire de l’informatique quantique. Cette semaine, Google a annoncé un investissement majeur dans ce que l’on appelle « l’atome neutre », autrement connu moins scientifiquement comme un vieil atome ordinaire. Au lieu de construire des circuits artificiels, vous utilisez des réseaux d’atomes réels. En les frappant avec des lasers hautement spécialisés, les chercheurs refroidissent ces atomes jusqu’à presque zéro, les maintiennent en place à l’aide de « pinces optiques » et les poussent dans un état quantique. De nombreux atomes peuvent ensuite être connectés, ou « intriqués », les uns aux autres de cette manière pour créer un ordinateur quantique fonctionnel.

Google a annoncé qu’il travaillerait avec l’Université du Colorado à Boulder et le chercheur Adam Kaufman sur cette nouvelle approche, tout en poursuivant ses efforts en matière de calcul supraconducteur près de l’UC Santa Barbara.

L’inconvénient de l’approche atomique neutre est qu’elle n’effectue pas de calculs individuels aussi rapidement qu’un qubit supraconducteur. L’avantage est qu’il peut être plus facile de connecter un grand nombre de qubits et de travailler ensemble simultanément.

Mais Google ne peut pas se permettre de choisir les gagnants dans le domaine quantique. Il s’agit d’une entreprise axée sur l’IA, déterminée à devenir le leader quantique, et tandis que les puces traditionnelles sont à l’origine des avancées génératives d’aujourd’hui, l’informatique quantique est considérée comme un pilier fondamental pour l’avenir à long terme de l’IA. Et lorsque l’informatique traditionnelle atteindra ses limites, les systèmes quantiques devront former la prochaine génération de modèles d’IA exponentiellement plus grands et simuler des données que les machines classiques ne peuvent tout simplement pas gérer.