Giacomo Torlai, qui a fait son doctorat à l’Institut Périmètre et à l’Université de Waterloo, vient de recevoir le prix Nicholas-Metropolis pour une thèse de doctorat exceptionnelle en physique informatique. La Société américaine de physique (APS) l’a récompensé « pour avoir fait œuvre de pionnier en adoptant la technologie de l’apprentissage automatique, en particulier les machines de Boltzmann restreintes, en physique de la matière condensée et de l’information quantique » [traduction].

Maintenant postdoctorant à l’Institut Flatiron, à New York, M. Torlai était venu à Waterloo en 2014 spécifiquement pour faire son doctorat sous la direction de Roger Melko, professeur associé à l’Institut Périmètre. Il s’intéressait au volet d’information quantique de la physique de la matière condensée et des systèmes à N corps, ce qui correspondait bien aux recherches effectuées par M. Melko à l’époque.

Les deux chercheurs ont étudié une stratégie de Monte Carlo pour le décodage ainsi que la correction d’erreurs quantiques. Cependant, au bout de nombreux mois de travail, ils se sont rendu compte que leur méthode devenait rapidement très complexe et irréaliste. Ce qui aurait pu être considéré comme un échec s’est avéré un mal pour un bien : M. Torlai s’est intéressé aux développements rapides du domaine en émergence de l’apprentissage automatique et il s’en est trouvé inspiré.

Il a redonné vie à un puissant réseau neuronal stochastique (déterminé de manière aléatoire), appelé machine de Boltzmann restreinte. Ce réseau avait joué un rôle central dans la révolution de l’apprentissage automatique plus tôt dans la décennie, mais il n’était plus à la mode.

M. Torlai a montré que de tels réseaux pouvaient servir à représenter des processus physiques dans le domaine de la matière condensée. Cela a suscité un vif intérêt qui subsiste encore aujourd’hui.

Encouragé par ce succès, il s’est de nouveau attaqué au problème qu’il avait essayé de résoudre pour son doctorat et lui a appliqué la nouvelle méthode, résolvant à l’aide de l’apprentissage automatique le problème du décodage quantique. Il a étendu et réorienté ses travaux avec les réseaux neuronaux, prenant les devants dans un nouveau domaine qui combine la physique informatique, l’apprentissage automatique et la physique quantique expérimentale.

Selon Roger Melko, M. Torlai s’est établi comme chef de file dans un domaine en émergence avec sa thèse intitulée Augmenting Quantum Mechanics with Artificial Intelligence (Enrichir la mécanique quantique grâce à l’intelligence artificielle).

« Giacomo Torlai mérite grandement ce prix pour ses réalisations révolutionnaires, dit-il. Alors que la communauté scientifique intègre l’apprentissage automatique dans les recherches, tant expérimentales que théoriques, sur la matière condensée et la physique de l’information quantique, sa thèse fera sa marque pour la postérité. » [traduction]