fr.wedoany.com Rapport : Le développeur d'ordinateurs quantiques supraconducteurs IQM Quantum Computers (code Nasdaq : IQMX) et la Deutsche Bahn ont publié conjointement une étude démontrant les résultats de l'exécution d'un algorithme d'optimisation hybride quantique-classique sur des données ferroviaires opérationnelles réelles. Cette recherche, exécutée de bout en bout sur le processeur quantique Emerald d'IQM, résout le problème de planification du matériel roulant — consistant à affecter des unités de train physiques à des trajets planifiés, tout en minimisant les coûts d'exploitation et en respectant strictement les contraintes de maintenance.
Les deux parties ont évalué un ensemble de données opérationnelles réelles fourni par DB Systel, la filiale informatique de la Deutsche Bahn, comprenant 190 trajets planifiés sur une fenêtre de planification de deux jours, couvrant cinq grandes villes allemandes : Cologne, Munich, Berlin, Francfort et Hambourg. Pour adapter le problème d'optimisation à l'exécution quantique, IQM a mappé les contraintes sur un problème de poids maximum d'ensemble indépendant (Maximum-Weight Independent Set, MWIS) sur un graphe de conflits : les nœuds du graphe sont des boucles de train fermées réalisables, chaque boucle devant satisfaire un arrêt de maintenance obligatoire de deux heures à Hambourg et une limite de distance maximale de 4 000 kilomètres ; les arêtes relient des boucles incompatibles desservant le même trajet planifié.
Le graphe MWIS obtenu par génération complète de boucles contient environ 98 500 boucles réalisables, un espace de recherche trop vaste pour les processeurs quantiques actuels. Les chercheurs ont conçu un cadre quantique de type diviser pour régner : la boucle externe classique extrait itérativement des sous-graphes gérables (par exemple, 20 nœuds), triés par densité de trajets de passagers ; le sous-programme quantique exécute l'algorithme d'optimisation quantique approximatif (Quantum Approximate Optimization Algorithm, QAOA) de profondeur p=1 pour sélectionner des solutions partielles ; un programme d'élagage classique post-traitement résout les conflits de sélection, obtenant un ensemble indépendant valide avant la mise à jour du graphe global. Chaque itération retire les boucles de train sélectionnées, et les trajets non encore desservis passent à l'itération suivante.
Les expériences ont confirmé trois résultats essentiels. Premièrement, le cadre hybride peut être exécuté de bout en bout sur le matériel quantique actuel, générant des solutions de planification réalisables et de haute qualité pour des ensembles de données d'entreprise réels, sans nécessiter de processeurs quantiques tolérants aux fautes.
Deuxièmement, les performances présentent une tendance d'extension prévisible à mesure que la taille des sous-graphes augmente. En utilisant un solveur classique exact comme référence, les deux montrent une relation statistiquement significative (P=1,04×10⁻⁹) : lorsque la taille des sous-graphes augmente, les kilomètres à vide directement réduits par le cadre hybride (distance de déplacement non productive sans passagers) augmentent également.
Troisièmement, les améliorations matérielles peuvent être exploitées automatiquement. Lorsque le processeur quantique évolue en termes de nombre de qubits, de connectivité et de fidélité des portes et peut traiter des sous-graphes plus grands, l'architecture algorithmique sous-jacente produit de meilleurs résultats d'optimisation sans nécessiter de refonte structurelle.
Au moment de la publication de cette étude, IQM était déjà cotée en juillet 2026 sur le Nasdaq Global Select Market et le Nasdaq Helsinki, sous le code IQMX. Les deux institutions indiquent que la recherche actuelle se concentre sur la planification hors ligne déterministe, et que l'architecture diviser pour régner pourrait à l'avenir s'appliquer à la gestion des perturbations en temps réel, permettant aux opérateurs ferroviaires de réaffecter dynamiquement le matériel roulant en cas de retards imprévus.
Le préprint de l'étude associée a été publié sur la plateforme arXiv, et IQM a simultanément publié un livre blanc technique et une étude de cas technique complète.
