Comprendre les tenants et aboutissants

1. Décohérence quantique

Les états quantiques sont extrêmement fragiles et sensibles aux interactions. À un niveau macroscopique, l’opération de mesure qui consiste à déterminer, à un instant donné, l’état d’un système quantique, provoque la destruction de celui-ci. À un niveau microscopique, les interactions entre les différentes particules ou molécules modifient le niveau d’énergie desdites particules et provoquent ainsi des perturbations du système quantique.

Ces états quantiques peuvent être représentés par des particules ou des ondes (cf. chapitre Introduction - section Petite histoire de l’informatique quantique). Cette propriété générale des objets suffisamment petits s’appelle la dualité onde-corpuscule.

À un niveau très petit, les différentes ondes sont bien en phase et réglées les unes par rapport aux autres, elles forment un ensemble cohérent. À cause de menues perturbations, certaines de ces ondes se retrouvent en avance ou en retard, c’est-à-dire déphasées. C’est ce que nous appelons la décohérence quantique. C’est un peu comme deux musiciens bien synchronisés au départ, qui finissent par jouer sur des rythmes différents : l’air mélodieux se transforme alors en cacophonie.

Plus le système est complexe, plus il est difficile de maîtriser ces différentes interactions, et donc de maintenir un système cohérent. Pour reprendre la métaphore musicale : il est plus facile de synchroniser deux musiciens qu’un orchestre au complet.

Les ordinateurs quantiques sont soumis à des bruits différents en fonction de leur architecture. Dans beaucoup de cas cependant, la température joue un rôle dans l’apparition du bruit. Pour les particules qui constituent les ordinateurs quantiques, une température élevée est synonyme d’une certaine activité de leur part (tout comme les activités physiques augmentent la température de notre corps). Sauf dans certains cas, comme pour les photons, l’activité des particules génère...

1. Mise en place

Ce cas pratique porte sur la détection de fraudes aux prêts bancaires. Un algorithme de classification appelé séparateur à vaste marge (SVM) sera utilisé, dans sa version classique puis dans sa version quantique avec Qiskit. Le SVM est un algorithme dit supervisé. Dans un premier temps, il s’agit de fournir à l’algorithme un ensemble de prêts bancaires dont la nature (illicite ou pas) est connue. Cela permet à l’algorithme d’apprendre à différencier les prêts frauduleux, des prêts non frauduleux. Dans un second temps, des prêts inconnus sont soumis à l’algorithme pour qu’il les étiquette.

Vous utiliserez à nouveau Jupyter Notebook, installable en local avec Qiskit. Nous vous conseillons également d’utiliser la plateforme en ligne IBM Quantum Lab (cf. chapitre Comprendre l’informatique quantique - section Cas pratique : exécuter un programme quantique).

Vous pouvez dès à présent créer le notebook tp_classification, sur lequel vous travaillerez.

Si vous choisissez d’utiliser Jupyter Notebook sur votre ordinateur, il faut également installer les librairies suivantes :

pip install ydata_profiling 
pip install qiskit-aer 
pip install qiskit-machine-learning 
pip install qiskit-ibm-provider  
pip install sklearn 
pip install imblearn 
pip install seaborn 

Si vous choisissez d’utiliser la plateforme IBM Quantum Lab, seules les librairies ydata_profiling et imblearn sont nécessaires. ydata_profiling génère un rapport sur le jeu de données, qui permet d’évaluer la qualité desdites données. imblearn permet de faire de l’apprentissage automatisé sur des données dites non balancées. C’est par exemple le cas lorsque sont détectés plus de cas de non-fraude que de cas de fraude.

Vous pouvez installer ces deux librairies depuis le notebook avec les instructions suivantes :

!pip install ydata_profiling 
!pip install imblearn 

Une fois les dépendances installées, vous pouvez réaliser les imports requis pour l’expérience :

import pandas as pd 
from ydata_profiling import...