Les années 1970 ont abouti à l'informatique telle que nous la connaissons aujourd'hui. Nos ordinateurs actuels sont le fruit d'une lente évolution qui a permis de passer d'ordinateurs volumineux à lampes à des micro-ordinateurs de bureau à base de puces électroniques. La puissance de calcul de ces machines classiques dépend de plusieurs éléments (fréquence du processeur, mémoire centrale...) et la loi de Moore a postulé que la puissance des ordinateurs, liée au microprocesseur, suivait une croissance exponentielle. Au cours des dernières décennies, l'évolution des machines a effectivement suivi cette tendance. Toutefois l'augmentation des puissances de calcul se heurte maintenant à des limites physiques. D'où l'importance de l'informatique quantique qui permet de radicalement changer de paradigme. Grâce aux dernières avancées techniques dans ce domaine, notamment par les entreprises D-Wave et IBM (les plus connues), il est désormais possible de tester et utiliser des machines quantiques. Cet ouvrage se veut pragmatique, les éléments théoriques indispensables y sont introduits au fur et à mesure. Vous seront présentés l'algorithme de Grover qui est incontournable mais également des méthodes itératives de type recuit simulé issu de l'informatique classique. Les exemples de ce livre font référence à des problèmes de référence en optimisation, comme celui du voyageur de commerce (TSP en anglais). Pour chacun, vous disposerez d'une explication théorique et d'une implémentation informatique.   À qui s'adresse cet ouvrage ?  Aux étudiants en écoles d'ingénieurs en informatique dont le cursus comprend une partie optimisation et qui veulent découvrir le monde du quantique. Aux ingénieurs R&D qui souhaitent se former à cette nouvelle voie de recherche pour la résolution de problèmes difficiles. Aux enseignants qui développent de nouveaux cours et TP dans leurs écoles ou formations universitaires.

Introduction à l'informatique quantique

L'ouvrage : niveau C (Ecoles d'ingénieurs, Masters). Cet ouvrage est un véritable guide de bonnes pratiques en Programmation par contraintes (PPC). Il développe un ensemble de démarches permettant de proposer des modèles efficaces pour des problèmes d'optimisation complexes. La PPC est une alternative à la programmation linéaire. Elle offre la possibilité d'agir sur la manière dont le solveur recherche une solution. Elle permet de concevoir des modèles tirant profit des spécificités du problème et des points forts des solveurs PPC. Les outils et les raisonnements présentés dans le livre s'adressent à un vaste public, d'ingénieurs de chercheurs et d'étudiants. Les exemples variés analysés sont essentiellement des problèmes d'optimisation de type ordonnancement/transport réalisés avec le solveur Choco. Sont présentées pour chacun une modélisation mathématique et une modélisation PPC. Les codes proposés, et disponibles en téléchargement, ont été réalisés en Java avec l'environnement NetBeans. Ce livre complète l'ouvrage des mêmes auteurs paru en 2019 De la programmation linéaire à la programmation par contraintes qui proposait une approche pragmatique de la PPC.

Livres