Les start-up Pasqal et Welinq signent un partenariat pour interconnecter les calculateurs quantiques

La start-up française Pasqal, qui travaille sur la mise au point d’ordinateurs quantiques à atomes neutres, a annoncé le 23 avril avoir conclu un partenariat avec Welinq, spécialisée dans les réseaux quantiques. Welinq propose des solutions pour interconnecter les processeurs quantiques (QPU). La prochaine génération de QPU devrait reposer sur des algorithmes nécessitant un grand nombre de qubits. De même, l’application de la correction d’erreur devrait requérir des qubits supplémentaires.

Augmenter le nombre de qubits

Avec ce partenariat, Pasqal compte “surmonter les obstacles liés à l’échelle des qubits pour l’informatique quantique aux erreurs”. Le réseautage de plusieurs QPU, proposé par Welinq, devrait permettre d’augmenter le nombre de qubits et ainsi la puissance de calcul, tout en évitant de basculer sur la conception d’un processeur quantique à plus grande échelle.

“C’est un jalon pour stimuler la communauté quantique mondiale vers la réalisation de l’informatique quantique dans les architectures informatiques quantiques en réseau”, a réagi Tom Darras, cofondateur et CEO de Welinq.

Deux ambitieuses feuilles de route

Welinq a été créée en janvier 2022 par Tom Darras, Julien Laurat, Eleni Diamanti et Jean-Lautier Gaud. Elle est issue de Sorbonne-Université, du CNRS et de PSL-University. Pour interconnecter des ordinateurs quantiques, elle développe et commercialise des liens quantiques basés sur des mémoires quantiques à atomes neutres, refroidis par laser. D’ici à la fin de l’année, elle souhaite produire un prototype industriel de sa mémoire quantique “avec une efficacité, un temps de stockage et une fidélité de pointe”.

Pasqal, de son côté, a intégré dans sa feuille de route le passage à 10 000 qubits d’ici à 2026, avec une architecture de qubits évolutive. La start-up a également indiqué avoir identifié des algorithmes accélérés par le matériel dans différents domaines, comme les matériaux quantiques, l’apprentissage automatique des graphes, ou l’optimisation et les équations différentielles. Ces algorithmes, qui “entrent dans la phase de développement”, pourront être utilisés à partir de l’année prochaine.