26 Juin. 2020

Quantique et mobilité électrique ? Un partenariat prometteur !

La start-up Pasqal et la R&D d'EDF s'associent pour étudier les défis de la recharge intelligente avec Quantum Computing. sur l’application de techniques quantiques à nos problèmes de smart-charging. Objectif ? Améliorer les performances des technologies exploitées par le Groupe, pour résoudre des problèmes de smart-charging du type « Optimisation de la répartition des charges sur des parcs de bornes existants » et « Dimensionnement de ces parcs ».
 

La startup Pasqal, qui développe des calculateurs quantiques, collabore avec la R&D d'EDF pour apporter des solutions aux problèmes d'optimisation difficiles dans le domaine du "smart-charging".

Les ordinateurs quantiques ont le potentiel de résoudre des problèmes informatiques difficiles plus efficacement que leurs homologues classiques. Les applications englobent notamment la conception informatique de médicaments, la science des matériaux, l'apprentissage automatique et les problèmes d'optimisation. Avec les développements rapides du "hardware" quantique, un avantage quantique pratique est à portée de main.

Alors que de nombreuses villes se tournent vers la mobilité électrique pour relever les défis environnementaux, les opérateurs du système électrique doivent faire face à une demande croissante et plus complexe à gérer pour leurs installations de production comme pour le réseau. Par exemple, il est nécessaire de planifier de manière optimale l'allocation des ressources pour les véhicules électriques tout en tenant compte de leur disponibilité prévue et en temps réel, ainsi que des contraintes sur la charge. Cette classe de problèmes est difficile à résoudre par calcul "classique", même avec de grands supercalculateurs. L'algorithme quantique "Quantum Approximate Optimization Algorith" (QAOA) pourrait permettre d'améliorer leur résolution.
 

EDF a fait de la recharge intelligente et du développement de ses infrastructures l'un des points forts de son Plan de mobilité électrique, lancé en octobre 2018. EDF considère la recharge intelligente comme un véritable atout pour les utilisateurs de véhicules électriques et pour le système électrique. A travers ses filiales IZIVIA et DREEV, le groupe EDF propose déjà des solutions V2G.
 

A travers son programme EDF Pulse Explorer, la R&D d'EDF s'adresse régulièrement aux start-up pour explorer de nouvelles idées de manière collaborative. EDF et Pasqal ont officialisé un partenariat pour explorer comment cet algorithme pourrait être implémenté sur le processeur quantique à "atomes neutres" développé à Pasqal et bénéficier de ses propriétés uniques.

Le cœur du partenariat porte sur le réglage fin des algorithmes en fonction des possibilités du matériel et sur l'atténuation de l'impact des erreurs. Le niveau de performance sera mesuré sur un émulateur classique, avant une véritable implémentation matérielle. Lire le CP (EN) >>

 

Loïc Henriet, responsable du développement logiciel chez Pasqal a expliqué :

Marc Porcheron, responsable du projet d'informatique quantique de la R&D d'EDF , a déclaré :

 

Qui est Pasqal ?

Pasqal est une startup qui construit des ordinateurs quantiques à partir de réseaux d'atomes neutres pour la science et l'industrie. Elle construit des simulateurs quantiques programmables et des ordinateurs quantiques composés de matrices atomiques 2D et 3D.

Son écosystème en partie sur le plateau de Saclay !


 

En savoir plus

Plus d'informations sur la pile de calcul quantique développée par Pasqal sont disponibles dans le livre blanc technique de Pasqal . 

Résumé : Minimiser le temps de charge total de N véhicules sur k stations de charge distinctes, en tenant compte de priorités affectées aux véhicules, revient, sous certaines contraintes, à résoudre un problème d'optimisation combinatoire appelé Max- k -Cut. L'objectif de Max- k -Cut est de partitionner les N sommets d'un graphe en k ensembles, de sorte que la "coupe" soit maximale (la coupe est la somme de tous les poids des arêtes reliant des nœuds qui ne sont pas dans le même groupe). Un exemple est illustré sur la figure suivante :

a) Ordonnancement des recharges de sept véhicules sur trois bornes de recharge. L'ordonnancement et l'affectation de chaque véhicule à une station donnée correspondent à la résolution d'un problème Max-3-cut sur un graphe à 7 nœuds. L'affectation d'un nœud à une station de charge est illustrée par un code couleur. Les arêtes contribuant à la fonction de coût sont représentées par des lignes noires pleines, tandis que celles qui n'y contribuent pas sont en pointillés. La complexité en temps de calcul de ce problème croît exponentiellement avec la taille du système. (b) Paysage d'optimisation pour un problème Max-k-Cut utilisant QAOA sur un processeur Pasqal émulé en fonction de deux paramètres variationnels (alpha, bêta).  On montre le résultat obtenu en utilisant d'une part un algorithme basé sur le gradient et d'autre part un algorithme génétique pour optimiser ces deux paramètres.

Une résolution efficace de Max-k-Cut avec une procédure variationnelle nécessistant N log k  qubits a récemment été mise au point par l'équipe de recherche de Pasqal, augmentant ainsi le potentiel des Processeurs Quantiques pour les problèmes opérationnels réels. On illustre sur la figure (b) le paysage d'optimisation pour une instance d'un problème Max-k-Cut. Comme on peut le voir sur l'image, le paysage d'optimisation est très irrégulier, nécessitant la conception de méthodes logicielles efficaces dans la boucle d'optimisation classique de la procédure, qui optimise les paramètres du calculateur quantique, ici un algorithme génétique.