Le fournisseur de solutions de calcul quantique photonique a été récompensé lors de la compétition sponsorisé par Airbus et BMW Group, avec le soutien d'Amazon Web Services, dans la catégorie « Quantum-Enhanced Autonomy ». Ce prix a été remis à l'occasion de l'événement Q2B Silicon Valley, à Santa Clara (Californie, USA), auquel Quandela participe.
Le prix « Quantum-Enhanced Autonomy » remporté par Quandela part du constat que la mobilité autonome de demain reposera largement sur des systèmes de vision IA fiables et sûrs, qui constitueront un élément essentiel pour la conduite autonome des véhicules, mais aussi pour l'atterrissage automatisé des aéronefs. Pour atteindre le plus haut niveau de sécurité, il est nécessaire d'avoir accès à des ensembles de données représentatifs d'images, en particulier pour les scénarios de test critiques. Ceux-ci incluent une visibilité réduite durant la nuit, ainsi que des conditions météorologiques défavorables, des schémas de circulation complexes et des obstacles sur les pistes d'atterrissage. Les ordinateurs quantiques offrent des avantages potentiels pour relever ces défis par rapport à leurs homologues classiques. Le défi consiste ainsi à favoriser la génération d'images qui encapsulent des scénarios critiques en utilisant des techniques de modélisation générative quantique.
Quandela a développé un modèle génératif hybride IA-quantique innovant qui exploite la puissance du boson sampling intégré aux modèles classiques de pointe. Cette approche unique permet de générer des images de haute qualité pour les scénarios critiques de test, tout en optimisant les ressources de calcul nécessaires. La solution tire parti des avantages naturels de l'informatique quantique photonique, particulièrement adaptée au traitement et à la génération d'images complexes.
Dans cette même dynamique, Quandela et Scaleway organisent actuellement le First Perceval Quest, où 64 équipes à travers le monde explorent de nouvelles approches à des benchmarks classiques du monde de l'apprentissage automatique (machine learning) grâce à l'informatique quantique hybride, mettant en évidence le large potentiel de ces algorithmes dans des applications diverses.