Toshiba Corporation a développé un algorithme révolutionnaire qui améliore considérablement les performances de la Simulated Bifurcation Machine (SBM), son ordinateur d’optimisation combinatoire d’inspiration quantique exclusif. Ce nouvel algorithme améliore de manière significative la probabilité d’obtenir une solution optimale ou la meilleure solution connue en un nombre limité d’essais, ce que l’on appelle la probabilité de succès, un indicateur clé pour évaluer les technologies d’optimisation combinatoire.
Ce communiqué de presse contient des éléments multimédias. Voir le communiqué complet ici : https://www.businesswire.com/news/home/20260407352005/fr/
Figure 1: Results demonstrating that the newly developed third‑generation SB algorithm can find the known best solution with nearly 100% probability at the edge of chaos for a fully connected 2,000‑spin Ising problem.
La SBM est conçue pour résoudre des problèmes d’optimisation combinatoire à grande échelle dans un large éventail de domaines, notamment la découverte de nouveaux médicaments, l’optimisation des itinéraires de livraison et la conception de portefeuilles d’investissement. Alors que les algorithmes précédents pouvaient trouver des solutions optimales ou les meilleures solutions connues avec un nombre suffisamment élevé d’essais, les problèmes à grande échelle piégeaient souvent le processus de recherche dans des optimums locaux, réduisant considérablement la probabilité de succès dans le cadre de contraintes pratiques limitant le nombre d’essais.
Toshiba a surmonté ce défi en développant un algorithme de bifurcation simulée (SB) de troisième génération. Cette avancée révolutionnaire s’appuie sur l’algorithme SB original, annoncé en avril 2019*1, et sur l’algorithme SB de deuxième génération, publié en février 2021*2, qui ont considérablement amélioré la vitesse de calcul et la précision.
Le nouvel algorithme étend le paramètre de bifurcation qui déclenche les phénomènes de bifurcation*3, une caractéristique déterminante de l’algorithme SB, d’un paramètre global unique à des paramètres individuels attribués à chaque variable de position*4. Ces paramètres de bifurcation sont contrôlés indépendamment en fonction des valeurs des variables de position correspondantes, ce qui permet une recherche de solution plus adaptative et plus efficace.
Grâce à l’introduction de ce mécanisme de contrôle avancé, l’algorithme présente un comportement soit régulier, soit chaotique*5, selon les conditions. Fondamentalement, Toshiba a découvert qu’en exploitant efficacement le chaos à la lisière du chaos, la frontière entre la dynamique régulière et le mouvement chaotique, l’algorithme peut échapper aux optimums locaux de manière bien plus efficace. En conséquence, la probabilité de parvenir à l’optimum global augmente considérablement, approchant les 100 %.
La SBM basée sur le nouvel algorithme est donc beaucoup plus rapide. Elle offre un temps de résolution (TTS) nécessaire pour obtenir une solution optimale ou la meilleure solution connue qui est environ 100 fois plus rapide que la SBM basée sur l’algorithme de deuxième génération. Ces avancées devraient accélérer les applications pratiques de l’optimisation combinatoire dans un large éventail de défis.
Les résultats de la recherche ont été publiés dans le numéro du 6 avril 2026 de Physical Review Applied, une revue à comité de lecture de l’American Physical Society*6.
Remarque :
*1 https://advances.sciencemag.org/content/5/4/eaav2372
*2 https://advances.sciencemag.org/content/7/6/eabe7953
*3 Dans les systèmes dynamiques non linéaires, phénomène dans lequel des changements des paramètres du système (paramètres de bifurcation) font passer le nombre de points stables de un à plusieurs.
*4 Dans l’algorithme SB, on résout les équations du mouvement d’un système dynamique classique composé de nombreux oscillateurs. Une variable de position représente la position de chaque oscillateur, et ces variables de position correspondent aux variables de décision (variables discrètes) du problème d’optimisation combinatoire.
*5 Dans les systèmes dynamiques non linéaires, phénomène dans lequel même de légères différences dans les conditions initiales entraînent une divergence significative des trajectoires de mouvement ultérieures, ce qui se traduit par un comportement désordonné (chaotique). Cette sensibilité du chaos aux conditions initiales est connue sous le nom d’effet papillon, et le panneau supérieur de la figure 1 fournit une évaluation quantitative de cet effet.
*6 https://doi.org/10.1103/2qd9-x6v8
À propos de Toshiba
Depuis plus de 150 ans, guidé par sa philosophie d’entreprise « Engagé envers les personnes, engagé envers l’avenir », Toshiba Group contribue à la société à travers ses activités commerciales. Aujourd’hui, le groupe continue d’améliorer sa structure de gestion, de rationaliser ses opérations et d’investir dans des activités d’avenir dans les domaines de l’énergie, des infrastructures numériques et des appareils électroniques.
Le chiffre d’affaires annuel de l’exercice 2025 s’élevait à 3,5 billions de yens, avec 95 000 employés dans le monde entier. Pour en savoir plus, rendez-vous sur notre site Web ou suivez-nous sur LinkedIn.
Le texte du communiqué issu d’une traduction ne doit d’aucune manière être considéré comme officiel. La seule version du communiqué qui fasse foi est celle du communiqué dans sa langue d’origine. La traduction devra toujours être confrontée au texte source, qui fera jurisprudence.
Consultez la version source sur businesswire.com : https://www.businesswire.com/news/home/20260407352005/fr/
© Business Wire, Inc.
Disclaimer :
This press release is not a document produced by AFP. AFP shall not bear responsibility for its content. In case you have any questions about this press release, please refer to the contact person/entity mentioned in the text of the press release.