L’ambition de cette formation sur le calcul quantique est de donner des bases permettant aux participants d’amorcer une veille technologique sur les progrès des constructeurs d’ordinateurs tout en appréciant leur potentialités sur les applications.
Cette formation s'adresse à toute personne (ingénieur, technicien, scientifique, etc.) souhaitant comprendre les notions de base et mieux appréhender les enjeux applicatifs de l’information quantique, notamment les applications au calcul quantique. Des bases d’algèbre linéaire (espace vectoriel, produit scalaire, projecteur, etc.) sont nécessaires. Une familiarité avec un langage de programmation, notamment Python, sera un plus.
Visionnez l'aventure de Nicolas Bonichon, qui nous partage comment il a exécuté son premier programme quantique :
1. Survol de la mécanique quantique
2. Circuits Quantiques
2.1. Registres et portes quantiques
2.2. Premiers circuits (pour reproduire l’interféromètre de Mach-Zehnder, construire les états maximalement intriqués de Bell, le protocole théorique de distribution de clefs BB84 utilisant le théorème de non-clonage, la téléportation quantique)
2.3. Exemples d’implémentation dans un simulateur classique de circuits quantiques
3. Premiers algorithmes quantiques
3.1. Algorithmes de Deutsch-Jozsa, Bernstein-Vazirani, Simon
3.2. La transformée de Fourier quantique : brique de base pour de nombreux algorithmes
3.3. Première application majeure : la factorisation de Shor et ses implications en cryptographie
3.4. Travaux pratiques - Implémentation dans un simulateur de certains circuits présentés et de la marche quantique d’Hadamard
4. Défis à la construction d’un ordinateur quantique
4.1. Variétés des supports physiques pour le calcul quantique
4.2. Importance et contrôle des erreurs
4.3. Tentatives de démonstration de suprématies quantiques
5. Codes quantique correcteurs d’erreur
5.1. Principes généraux.
5.2. Code de Shor
5.3. Théorème du seuil
5.4. Travaux pratiques - Simulations avec erreur
6. Algorithmes quantiques avancés et applications modernes
6.1. Algorithmes pour la simulation hamiltonienne (gains exponentiels, applications)
6.2. Algorithmes pour l’optimisation (heuristiques, gains polynomiaux, applications)
