AMD et Qibo ont présenté une avancée majeure en simulation quantique sur matériel classique : une simulation exacte du vecteur d’état de 35 qubits exécutée sur un seul GPU AMD Instinct MI355X. Ce résultat ne signifie pas qu’AMD ait construit un ordinateur quantique de 35 qubits, ni que la suprématie quantique pratique ait été atteinte, mais il représente une étape importante pour les chercheurs qui ont besoin de tester des algorithmes, de valider des circuits et d’étudier des systèmes quantiques avant de les exécuter sur du matériel réel.

La simulation quantique exacte est l’un des travaux les plus exigeants en termes de mémoire. Chaque qubit supplémentaire double la taille du vecteur d’état, donc la transition de 34 à 35 qubits n’est pas anodine : elle nécessite le double en mémoire et en bande passante pour maintenir et manipuler tous les états possibles du système. Cette annonce met en lumière la capacité de mémoire HBM, la performance soutenue et la maturité du stack ROCm, plutôt qu’une simple amélioration brute des calculs.

Pourquoi 35 qubits sur une seule GPU est important

Dans une simulation de vecteur d’état, le système classique stocke toutes les amplitudes complexes décrivant le circuit quantique. Pour peu de qubits, cela reste gérable. Dès 30 qubits, le problème s’accroît rapidement. À 35 qubits, on parle de 2³⁵ amplitudes, une échelle qui nécessite des accélérateurs dotés de très grande mémoire et d’un accès ultra rapide.

AMD avait déjà montré, avec BlueQubit, des simulations jusqu’à 34 qubits sur une Instinct MI300X. Cette GPU dispose de 192 Go de mémoire HBM3 et de 5,3 To/s de bande passante. La nouvelle Instinct MI355X porte cette capacité à 288 Go de HBM3E et jusqu’à 8 To/s, permettant de repousser un peu plus la limite de la simulation exacte en une seule carte.

Ce « un peu plus » est crucial car il évite, pour certains travaux, de devoir diviser l’état quantique entre plusieurs GPUs. Les simulations multi-GPU sont nécessaires pour aller au-delà, mais introduisent une complexité supplémentaire : partitionnement de l’état, communication entre dispositifs, synchronisation, et potentielle perte d’efficacité. Si une seule GPU peut traiter un circuit plus complexe, le flux de travail devient plus simple, facilitant l’accès aux chercheurs et équipes dépourvus de superordinateurs de très haute capacité.

Ce progrès a été réalisé avec Qibo, un framework open source de calcul quantique couvrant plusieurs couches : simulation de circuits, benchmarking, validation et contrôle du hardware expérimental. Son backend Qibojit utilise la compilation JIT et des kernels optimisés, avec support pour GPUs AMD via CuPy sur ROCm. L’objectif est de fournir aux chercheurs un environnement flexible, leur permettant de déplacer facilement leurs circuits entre simulateurs et systèmes physiques avec un minimum de modifications.

MI355X, Qibojit et l’importance de la mémoire HBM

La comparaison publiée par AMD se concentre sur des circuits de Transformée de Fourier Quantique, une charge courante pour mesurer la capacité d’échelle d’un simulateur quantique. Selon la société, la MI355X réduit le temps total de simulation par rapport à la MI300X sur toute la gamme testée, avec des améliorations plus nettes à mesure que le nombre de qubits augmente et que la pression mémoire devient plus critique.

Cela explique pourquoi les GPU de centres de données sont de plus en plus utilisés dans des domaines au-delà de l’intelligence artificielle générative. La combinaison de mémoire HBM, de bande passante et de parallélisme qui accélère les modèles de langage s’avère aussi très efficace pour la simulation scientifique, la dynamique moléculaire, l’analyse numérique, et dans ce cas précis, pour la modélisation de circuits quantiques.

AMD souligne qu’à mesure que le nombre de qubits augmente, le goulot d’étranglement déplace vers l’accès mémoire plutôt que vers la performance brute en flot de bits. Elle indique aussi que la différence entre précision simple et double reste contenue dans certains tests, bien que la pression mémoire s’accroisse considérablement lors de l’utilisation de représentations plus lourdes.

Il faut nuancer cette lecture : simuler 35 qubits de façon exacte sur une GPU est utile, mais ne transforme pas cette dernière en un ordinateur quantique. Un simulateur classique reproduit le comportement mathématique du circuit, avec un coût exponentiel. Un ordinateur quantique physique pourrait, lorsqu’il sera suffisamment mature, exécuter certains types de problèmes autrement. En attendant cette maturité matérielle, les simulateurs restent essentiels pour concevoir des algorithmes, déboguer des circuits et préparer des charges d’entrée que l’on pourra tester ensuite sur des systèmes réels.

Du simulateur au contrôle du hardware quantique

La collaboration entre AMD et Qibo ne se limite pas à l’exécution de simulations sur GPU. Le blog d’AMD met également en avant le rôle de Qibolab et Qibosoq, composants de l’écosystème Qibo dédiés au pilotage du hardware quantique. Qibolab convertit les circuits en impulsions et instructions pour l’électronique de contrôle, tandis que Qibosoq permet la communication avec les plateformes basées sur QICK, un système open source développé par Fermilab et supporté par des FPGA AMD Zynq UltraScale+ RFSoC.

Ce pont entre simulation et contrôle physique est crucial. De nombreux laboratoires souhaitent concevoir des circuits, les tester en simulation, puis les déployer sur du hardware réel sans réécrire toute leur logique. Si le même framework permet de naviguer entre ces phases, le développement expérimental devient plus rapide et plus fiable.

AMD adopte une approche ouverte en proposant un écosystème hybride : GPU Instinct pour la simulation massive, ROCm comme plateforme logicielle, et FPGA RFSoC pour le contrôle et la lecture des systèmes quantiques. Il ne s’agit pas d’une stratégie visant à fabriquer directement un ordinateur quantique universel, mais d’offrir une infrastructure classique pour accompagner la montée en puissance de la quantique.

Sur le marché, cette démarche s’inscrit dans une compétition où NVIDIA domine la conversation sur l’accélération, l’intelligence artificielle et la science computationnelle. AMD tente de gagner du terrain en proposant une grande mémoire HBM, des prix compétitifs, ROCm et des collaborations avec des projets open source. Dans la simulation quantique, l’important à cette échelle, c’est surtout la capacité mémoire, où des GPU comme la MI355X apportent un atout significatif.

L’accès à ces ressources se développe aussi via AMD Developer Cloud sur DigitalOcean, avec des instances MI300X et MI350X. L’objectif est de permettre aux chercheurs et développeurs d’expérimenter avec Qibo sur du hardware AMD sans achat direct. Si cette solution reste technique et nécessite une certaine connaissance de ROCm, elle ouvre la voie à un environnement plus accessible pour les laboratoires et les équipes de développement en quanta.

Le défi de la véritable informatique quantique reste grand : correction d’erreurs, bruit, stabilité, scalabilité, contrôle précis. En attendant, la simulation classique demeure un outil indispensable. Le partenariat entre AMD et Qibo démontre que le progrès ne dépend pas uniquement des qubits physiques, mais aussi de stratégies innovantes pour étudier et préparer les algorithmes via la puissance de la computation classique.

Foire aux questions

Qu’ont accompli AMD et Qibo ?

Ils ont réalisé une simulation exacte du vecteur d’état de 35 qubits sur une seule GPU AMD Instinct MI355X en utilisant Qibo et son backend Qibojit.

Est-ce que cela signifie qu’AMD possède un ordinateur quantique de 35 qubits ?

Non. Il s’agit d’une simulation classique d’un système quantique, pas d’un ordinateur quantique physique. Elle sert à tester des algorithmes et circuits, mais le calcul est effectué par une GPU classique.

Pourquoi la mémoire HBM est-elle si importante ?

Parce que la taille du vecteur d’état double à chaque ajout de qubit. Dès 30 qubits, la capacité et la bande passante mémoire pèsent autant, voire plus, que la performance de calcul brute.

Quel rôle joue Qibo ?

Qibo est un framework open source pour le calcul quantique. Il permet de simuler des circuits, de tester des algorithmes et d’intégrer ces workflows avec des outils pour le contrôle du hardware quantique grâce à des modules comme Qibolab et Qibosoq.

via : amd