NEASQC : le quantique appliqué à la recharge de voitures électriques

Recherches communes sur l'informatique quantique

Le partenariat scientifique et technologique entre Inria et EDF R&D, qui a récemment été renforcé, a déjà donné lieu à des innovations particulièrement intéressantes, notamment en ce qui concerne les technologies d'imagerie et la cybersécurité. Il porte aussi désormais sur la recherche en matière d'informatique quantique et plus précisément sur l'utilisation du quantique pour proposer de nouveaux systèmes de recharge intelligente ("smart charging") dans le secteur des transports.

EDF R&D et l'équipe-projet Mocqua constituent en effet l'un des principaux binômes industriel/académique participant au projet de recherche européen NEASCQ, qui s'achèvera d'ici à 2024. Celui-ci est financé depuis septembre 2020 par le biais du programme Horizon 2020.

De nouvelles applications industrielles utilisant le quantique

Qu'est-ce que le projet européen NEASQC ("Next Applications of Quantum Computing"), lancé et coordonné par Eviden (ex Atos), la branche d’Atos spécialisée dans le numérique, le Cloud, le big data et la sécurité ?« Le mot NEASQC se prononce "NISQ", en référence à un terme bien connu en informatique, qui signifie "noisy intermediate scale quantum" et il renvoie aux systèmes quantiques de tailles intermédiaires, disponibles dans un futur proche », explique Emmanuel Jeandel, professeur à l'Université de Lorraine et membre de l'équipe-projet Mocqua, entièrement consacrée aux modèles de calcul émergents, notamment pour l'informatique quantique.

NEASQC a pour objectif, comme l'indique le détail de l'acronyme, « le développement d’applications industrielles grâce à l’informatique quantique », détaille Cyril Allouche, vice-président informatique quantique et innovation pour la branche R&D d'Eviden, qui a lancé son propre laboratoire de recherche et développement en informatique quantique dès 2016. Le projet ambitionne aussi, avec l'aide d'Eviden, de créer « une communauté dédiée aux applications industrielles de l’informatique quantique », de développer des « outils de programmation quantique » et de mettre en place des « bibliothèques de programmation quantique open source pour les applications industrielles ». Les programmes de cette bibliothèque sont écrits pour la plate-forme quantique myQLM, développée en Python et mise à disposition gratuitement par Eviden. « L'environnement QLM (Quantum Learning Machine) permet de simuler des machines quantiques de taille raisonnable sur des supercalculateurs », précise de son côté Emmanuel Jeandel.

Relever les défis de la recharge intelligente

Pour mettre en œuvre de nouveaux systèmes de gestion de la recharge des véhicules électriques – très complexes mais aussi très attendus par les industriels de la mobilité électrique –, les chercheurs de l'équipe Mocqua et d'EDF étudient le potentiel des systèmes de calcul quantiques. Car les problèmes de smart charging sont trop compliqués pour être modélisés dans des délais raisonnables par le biais de calculs "classiques", y compris avec l'aide de supercalculateurs.

Parmi les enjeux industriels à relever, « il y a le routage de véhicules électriques vers les bornes de recharge, souligne Joseph Mikael, responsable du projet informatique et technologies quantiques à la R&D d'EDF. Il y a aussi l'optimisation des cycles de charge – décharge des véhicules, en fonction de la demande et des prix, et le "Vehicle 2 Grid", qui consiste à utiliser ces batteries sur roues comme réserve d'énergie pour passer les moments de pointe et représente à ce titre une véritable opportunité pour le système électrique ».

Algorithmes combinatoires pour les machines quantiques

Une thèse Cifre, menée dans ce cadre et soutenue par la chercheuse Margarita Veshchezerova en décembre 2022, a permis à EDF R&D et Mocqua d'effectuer des progrès notables dans la conception d'algorithmes pour les problèmes d'optimisation du management de l'énergie. « La thèse de Margarita Veshchezerova porte sur l'utilisation d'un algorithme de simulation quantique appelé QAOA (pour "Quantum Approximate Optimization Algorithm") pour résoudre des problèmes de smart charging, précise Emmanuel Jeandel, qui a codirigé cette thèse. Cet algorithme permet de résoudre des problèmes d'optimisation combinatoire [cherchant à identifier la meilleure solution, parmi un grand nombre de choix] et d'ordonnancement [la quête de la meilleure organisation temporelle possible pour un ensemble de tâches]. »

Un exemple de problématique susceptible d'être résolue ? « Vous voulez charger cinq véhicules électriques, qui nécessitent chacun une certaine durée de charge, par l'intermédiaire de deux stations de rechargement différentes. Le but va être de trouver un moyen d'utiliser au mieux tous les moyens à disposition pour optimiser la durée totale de charge du parc, indique Emmanuel Jeandel. Pour modéliser les contraintes industrielles, il faut définir des critères de priorité (l'heure à laquelle le véhicule devrait être chargé, son appartenance éventuelle à la catégorie des véhicules prioritaires…). On définit ensuite un ordonnancement, c'est-à-dire l'ordre dans lequel il faut faire passer les véhicules pour respecter les priorités définies. »

Logiciel open source

Les algorithmes quantiques ainsi conçus permettent de traiter plus rapidement plusieurs problèmes avec des systèmes quantiques intermédiaires, de type NISQ, exposés à un certain nombre d'erreurs « du fait de la physique des systèmes quantiques », poursuit Emmanuel Jeandel. Ils préparent en ce sens l'arrivée de systèmes quantiques plus performants, dans les années à venir.

En plus de la thèse de Margarita Veshchezerova, plusieurs chercheurs ont coécrit au cours de ces deux dernières années des articles scientifiques (en accès libre) sur le calcul quantique appliqué au système de rechargement et sur « une technologie de représentation de circuit quantique, appelé ZX », ajoute Emmanuel Jeandel. L’an prochain, les chercheurs de Mocqua et d'EDF R&D mettront aussi un logiciel de calcul quantique à la disposition de la communauté scientifique. Celui-ci sera publié en open source, conformément aux engagements pris dans le cadre du projet NEASCQ.