fr.wedoany.com Rapport : Le 5 juin 2026, Classiq, développeur de logiciels d’ingénierie quantique, et l’Université Pontificale Catholique du Chili (Pontificia Universidad Católica de Chile, UC Chile) ont lancé un programme de recherche de 12 mois visant à développer des algorithmes hybrides quantiques-classiques d’apprentissage automatique pour l’analyse avancée d’images biomédicales. Ce projet, financé par le concours Avanza UC 2025 et intitulé « Amélioration de la pathologie grâce au calcul quantique », établit la première alliance latino-américaine en pathologie computationnelle.
Le projet intègre la plateforme automatisée de synthèse de circuits de Classiq à l’infrastructure hybride CUDA-Q de NVIDIA, et exploite des ensembles de données histopathologiques sélectionnés fournis par des institutions de recherche brésiliennes, notamment la Fondation Oswaldo Cruz (Fundação Oswaldo Cruz, FIOCRUZ) et l’Université Fédérale de Bahia (Universidade Federal da Bahia, UFBA). La feuille de route de co-conception aborde les problèmes de haute dimensionnalité et de complexité des caractéristiques des images de tissus en lames entières, qui sollicitent les architectures classiques de vision par ordinateur dans les tâches de segmentation au niveau des pixels. Plutôt que de s’appuyer entièrement sur des réseaux neuronaux profonds classiques, l’équipe de recherche a développé un pipeline hybride d’apprentissage automatique quantique (Quantum Machine Learning, QML) optimisé pour la pathologie rénale, utilisant l’environnement de modélisation par fonctions abstraites de Classiq pour synthétiser et optimiser automatiquement des topologies de réseaux quantiques spécialisées, contournant ainsi les limitations de la programmation manuelle au niveau des portes.
Le flux de travail conjoint en pathologie computationnelle se concentre sur trois objectifs d’analyse clinique. Les réseaux neuronaux convolutifs quantiques (Quantum Convolutional Neural Networks, QCNNs) ajustent les couches convolutives quantiques pour compresser les caractéristiques structurelles à haute résolution, optimisant la segmentation automatique des glomérules dans des échantillons de tissus complexes. Les classificateurs variationnels quantiques (Variational Quantum Classifiers, VQCs) appliquent des états logiques quantiques variationnels paramétrés pour effectuer des modèles de classification multi-classes des lésions rénales. Les méthodes de noyau quantique (Quantum Kernel Methods) exploitent l’espace d’états quantiques à haute dimension pour effectuer des recherches de motifs sémantiques, isolant des anomalies diagnostiques subtiles dans des coupes histologiques denses.
La pile logicielle compilée est exécutée via un environnement d’exécution unifié. Les algorithmes hybrides sont compilés à l’aide de la plateforme NVIDIA CUDA-Q, permettant un routage de données à faible latence entre les coprocesseurs. Ce cadre permet à l’équipe d’exécuter des simulations d’algorithmes à haute fidélité sur l’infrastructure classique de supercalcul IA de NVIDIA, puis de déployer des circuits optimisés et prêts pour le matériel sur les unités de traitement quantique (Quantum Processing Units, QPUs) à ions piégés d’IonQ pour des tests de performance physiques.
Ce partenariat établit un point d’ancrage opérationnel pour les applications de calcul avancé dans le secteur des technologies médicales en Amérique du Sud, s’inscrivant directement dans la « Stratégie nationale quantique 2025-2035 » du Chili. Le projet est dirigé par le Dr Dardo Goyeneche de la Faculté de physique de l’Université Pontificale Catholique du Chili, qui dirige également le groupe de recherche QuDIT et le projet QuAntü de construction d’un ordinateur quantique universel chilien, et bénéficie du soutien du Dr Daniel Uzcátegui de l’Université Catholique de la Très Sainte Conception (Universidad Católica de la Santísima Concepción, UCSC). En intégrant la couche de codage indépendante du matériel de Classiq dans les pipelines régionaux de soins de santé, ce programme crée un cadre validé pour apporter directement les avantages quantiques émergents aux outils de diagnostic actifs en santé publique.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
