TensorCircuit-NG : logiciels quantiques sur l'IA, pour l'IA, avec l'IA

L’informatique quantique et l’intelligence artificielle sont souvent considérées comme deux frontières distinctes. L’une concerne l’exploitation de la mécanique quantique pour le calcul ; l’autre consiste à construire des systèmes et des agents d’apprentissage de plus en plus performants. L'argument principal derrière TensorCircuit-NG est que cette séparation devient de moins en moins significative. Si l’infrastructure d’IA moderne a déjà résolu les problèmes fondamentaux liés à la différenciation automatique, à la compilation, à l’exécution d’accélérateurs, au traitement par lots et à la formation distribuée, alors les logiciels quantiques devraient cesser de mal réinventer ces couches et commencer à s’appuyer directement sur elles.

C'est l'idée centrale de TensorCircuit-NG. Le projet est une pile logicielle quantique construite à l’ère de l’IA, destinée aux charges de travail confrontées à l’IA et de plus en plus conçue pour la collaboration avec des agents d’IA. Sa vision est simple : un logiciel quantique sur l’IA, pour l’IA, avec l’IA.

Sur l'IA : les logiciels quantiques devraient hériter de la pile IA

Les logiciels quantiques ont longtemps été freinés par deux problèmes familiers. Une trop grande partie de la charge de travail reste piégée dans un flux de contrôle au niveau de Python ou dans des modèles de simulation de vecteurs d'état classiques qui évoluent mal. Dans le même temps, de nombreuses bibliothèques quantiques se situent en dehors des écosystèmes d’apprentissage profond où la plupart des innovations en matière d’outils ont eu lieu. JAX, PyTorch et TensorFlow ont déjà des réponses matures à des questions telles que l...
[Courte citation de 8% de l'article original]