Initiative sur l’inférence causale quantique
Le Laboratoire de l’Institut Périmètre sur l’inférence causale quantique fait du Canada un chef de file mondial dans ce domaine émergent au fort potentiel. L’inférence causale quantique transforme l’apprentissage automatique, amenant l’intelligence artificielle au-delà de la reconnaissance de formes, jusqu’à l’identification et à la prédiction de réseaux complexes de causes et d’effets.
Les physiciens du groupe des fondements quantiques de l’Institut Périmètre sont à l’origine de progrès récents majeurs concernant l’inférence causale. Leurs succès ont démontré la viabilité d’un laboratoire autonome doté d’un programme audacieux comprenant :
- l’élaborration d’une « théorie unifiée de l’inférence causale » pertinente pour l’industrie;
- la création d’une locomotive canadienne de la recherche sur l’inférence causale quantique;
- le positionnement du Canada comme chef de file mondial de cette nouvelle discipline scientifique;
- la création d’un lien entre des défis concrets et la recherche fondamentale, grâce à la collaboration avec des partenaires du secteur privé.
Alors que la concurrence à l’échelle planétaire augmente dans ce domaine de recherche prometteur, nous faisons du Canada un phare pour les meilleurs talents au monde, capables de faire progresser plus loin et plus vite la recherche sur l’inférence causale. Nous favorisons aussi des collaborations plus étroites entre scientifiques de l’Institut Périmètre et chercheurs d’autres institutions en intelligence artificielle.
L’inférence causale quantique peut donner des algorithmes permettant de trouver des liens de cause à effet dans de grands ensembles de données statistiques, d’une manière plus puissante et décisive qu’avec n’importe quelle technologie existante.
Le Laboratoire sur l’inférence causale quantique sera un chef de file dans ce domaine :
- en recrutant et en conservant les meilleurs chercheurs au monde;
- en intégrant la recherche en IA pour accélérer l’application d’algorithmes d’inférence causale quantique et d’inspiration quantique;
- en contribuant à la capacité générale du Canada à relever des défis industriels et sociétaux;
- en fournissant à des scientifiques des occasions directes d’avoir une productivité maximale et d’appliquer leurs découvertes en partenariat avec des gouvernements, des entreprises et d’autres organismes.
Chercheurs |
|
|---|---|
|
Professeur :
|
Chercheur associé :
|
|
Étudiants diplômés :
|
Collaborateurs
- Jonathan Barrett, Université d’Oxford, Royaume-Uni
- Rafael Chaves, Institut international de physique, Natal, Brésil
- Xavier Coiteux-Roy, Université de Lugano, Suisse
- Noam Finkelstein, Département d’informatique, Université Johns-Hopkins, Baltimore, Maryland
- Tobias Fritz, Département de mathématiques, Université d’Innsbruck, Autriche
- Ciaran Lee, chercheur principal chez Spotify, professeur agrégé honoraire au Collège universitaire de Londres
- Alex Posaz, Département de mathématiques, Université de Madrid, Espagne
- Marc-Olivier Renou, ICFO, Barcelone, Espagne
- Kevin Resch, Département de physique et d’astronomie, Université de Waterloo, et Institut d’informatique quantique, Waterloo, Canada
- John Selby, Université de Gdansk, Pologne
- Ilya Shpitser, Département d’informatique, Université Johns-Hopkins, Baltimore, Maryland
Entropic Inequality Constraints from e-separation Relations in Directed Acyclic Graphs with Hidden Variables (Contraintes entropiques d’inégalité issues de relations de séparation électronique dans des graphes acycliques orientés avec variables cachées)
Noam Finkelstein, Beata Zjawin, Elie Wolfe, Ilya Shpitser et Robert W. Spekkens
Actes de la Conférence 2021 sur l’incertitude en intelligence artificielle
Unscrambling the omelette of causation and inference: The framework of causal-inferential theories (Démêler l’omelette de la causalité et de l’inférence : le cadre des théories de l’inférence causale)
David Schmid, John H. Selby et Robert W. Spekkens
Quantum Inflation: A General Approach to Quantum Causal Compatibility (Inflation quantique : une perspective générale sur la compatibilité causale quantique)
Elie Wolfe, Alejandro Pozas-Kerstjens, Matan Grinberg, Denis Rosset, Antonio Acín et Miguel Navascues
Physical Review X, vol. 11, 2021, article no 021043
arXiv:1909.10519
The Inflation Technique Solves Completely the Classical Inference Problem (La technique d’inflation résout complètement le problème de l’inférence classique)
Miguel Navascues et Elie Wolfe
Journal of Causal Inference, vol. 8, no 1, 2020, p. 70
[arXiv: 1707.06476 (physique quantique)]
The Inflation Technique for Causal Inference with Latent Variables (La technique d’inflation pour l’inférence causale avec des variables latentes)
Elie Wolfe, Robert W. Spekkens et Tobias Fritz
Journal of Causal Inference, vol. 7, no 2, 2019
[arXiv:1609.00672 (physique quantique)]
Quantum common causes and quantum causal models (Causes communes quantiques et modèles causaux quantiques)
John-Mark A. Allen, Jonathan Barrett, Dominic C. Horsman, Ciaran M. Lee et Robert W. Spekkens
Physical Review X, vol. 7, 2017, article no 031021
[arXiv:1609.09487 (physique quantique)]
The lesson of causal discovery algorithms for quantum correlations: Causal explanations of Bell-inequality violations require fine-tuning (La leçon d’algorithmes de découverte causale pour des corrélations quantiques : les explications causales de violations de l’inégalité de Bell doivent être raffinées)
Christopher J. Wood et Robert W. Spekkens
New Journal of Physics, vol. 17, 2015, article no 033002
[arXiv:1208.4119 (physique quantique)]
A quantum advantage for inferring causal structure (Un avantage quantique pour déduire une structure de causalité)
Katja Ried, Megan Agnew, Lydia Vermeyden, Dominik Janzing, Robert W. Spekkens et Kevin J. Resch
Nature Physics, vol. 11, 2015, p. 414
[arXiv:1406.5036 (quant-ph)]
