# Variational Quantum Algorithms

**Authors:** M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C. Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R. McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio, Patrick J. Coles  
**arXiv:** [2012.09265](https://arxiv.org/abs/2012.09265)  
**Date:** 2020-12-16  
**Summary page:** https://www.summarizepaper.com/fr/arxiv-id/2012.09265v1/

## Key points

- Les ordinateurs classiques ont du mal à simuler de grands systèmes quantiques ou résoudre des problèmes d'algèbre linéaire à grande échelle en raison de leur coût computationnel élevé.
- Les ordinateurs quantiques sont prometteurs pour débloquer ces applications, mais les dispositifs actuels ont des contraintes telles que des nombres limités de qubits et des processus de bruit.
- Les Algorithmes Quantiques Variationnels (VQAs) utilisent un optimiseur classique pour entraîner un circuit quantique paramétrisé afin de relever ces défis.
- Les VQAs sont considérés comme le meilleur espoir d'obtenir un avantage quantique, mais des défis persistent en termes d'entraînement efficace tout en maintenant précision et efficacité.
- Les auteurs présentent une vue d'ensemble du domaine des VQAs, discutent des stratégies pour surmonter ces défis et envisagent des perspectives excitantes pour les utiliser comme moyen d'obtenir un avantage quantique dans le futur.

## Summary

Les auteurs M. Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C. Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R. McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio et Patrick J. Coles ont rédigé un article de revue intitulé "Variational Quantum Algorithms". Dans cet article complet et exhaustif, ils abordent le défi immense que représentent les applications telles que la simulation de grands systèmes quantiques ou la résolution de problèmes d'algèbre linéaire à grande échelle pour les ordinateurs classiques en raison de leur coût computationnel extrêmement élevé. Les ordinateurs quantiques promettent de débloquer ces applications dans un avenir proche. Cependant, il est peu probable que des ordinateurs quantiques tolérants aux erreurs soient disponibles avant plusieurs années. De plus, les dispositifs quantiques actuellement disponibles présentent des contraintes sérieuses telles que des nombres limités de qubits et des processus de bruit qui limitent la profondeur du circuit. C'est pourquoi les Algorithmes Quantiques Variationnels (VQAs), qui utilisent un optimiseur classique pour entraîner un circuit quantique paramétrisé, ont émergé comme une stratégie principale pour relever ces défis. Les VQAs ont été proposés pour pratiquement toutes les applications envisagées par les chercheurs pour les ordinateurs quantiques et semblent être le meilleur espoir d'obtenir un avantage quantique. Cependant, des défis subsistent concernant la capacité à entraîner efficacement les VQAs tout en maintenant leur précision et leur efficacité. Dans cet article de revue, les auteurs présentent une vue d'ensemble du domaine des VQAs et discutent des stratégies visant à surmonter ces défis ainsi que des perspectives passionnantes pour les utiliser comme moyen d'obtenir un avantage quantique dans le futur.