Il est déjà assez difficile de comprendre l’informatique quantique, la prochaine génération potentiellement transformative de l’informatique. Contrairement aux ordinateurs classiques, qui sont alimentés par des puces remplies de milliards de minuscules transistors qui traitent les informations sous forme binaire d’un bit – soit 0 soit 1 – les ordinateurs quantiques traitent les informations en utilisant des qubits, qui peuvent représenter à la fois 0 et 1 simultanément. Et les choses se compliquent encore davantage. Très rapidement, vous commencez à rencontrer des termes tels que « superposition », « intrication » et « décohérence », ainsi qu’une série d’autres concepts de la mécanique quantique qui vous feront souhaiter avoir suivi plus d’un cours de physique à l’université. Ce que cela signifie, c’est que les ordinateurs quantiques peuvent accélérer considérablement le temps de calcul, car ils effectuent de nombreuses opérations en même temps, tandis que même les ordinateurs classiques les plus rapides le font une par une. Mais si comprendre les principes de l’informatique quantique est difficile, ce qui est vraiment difficile, c’est de la construire réellement. Peu de personnes le savent mieux que Jerry Chow. En tant que responsable de l’équipe expérimentale d’informatique quantique chez IBM, Chow est chargé de mettre effectivement en place, morceau par morceau, le matériel capable de porter l’informatique vers l’avenir. Le potentiel de l’informatique quantique – y compris la résolution de problèmes et la création de modèles complexes qui seraient impossibles même pour le supercalculateur classique le plus puissant – est incroyable, mais en faire une réalité ne sera pas facile : les machines elles-mêmes sont très, très sensibles. Pour sélectionner les Future Perfect 50 de cette année, notre équipe a passé plusieurs mois à parcourir un processus. En partant de la liste de l’année précédente, nous avons fait des séances de remue-méninges, mené des recherches approfondies et établi des liens avec notre public et nos sources. Nous ne voulions pas sur-représenter une seule catégorie, nous avons donc visé la diversité en termes de théories du changement, de spécialités académiques, d’âge, de localisation géographique, d’identité et de nombreux autres critères.
‘NVIDIA Avance l’Apprentissage Robotique et le Développement Humanoid avec de Nouveaux Outils d’IA et de Simulation’
Cette semaine à la Conférence sur l’apprentissage des robots (CoRL) à Munich, en Allemagne, NVIDIA a divulgué une pléthore de
