Informatique quantique en tant que service

*** NOUVEAU – 14 janvier 2021

• Une pièce jointe a été ajoutée. Le document comprend des questions et des réponses liées au défi.

***Attention - Fermeture le 19 janvier 2021 à 14 h 00 HNE

Le présent avis du défi est publié en vertu de l’appel de propositions (003) du programme Solutions innovatrices Canada (SIC) (EN578-20ISC3). Pour obtenir des renseignements généraux sur le SIC, les soumissionnaires peuvent visiter le site Web du SIC à cet effet.

Veuillez consulter les documents de l’appel de propositions qui contiennent le processus de soumission d’une proposition.

Étapes à suivre :

Étape 1 : lisez ce défi

Étape 2 : lisez l’appel de propositions

Étape 3 : proposez votre solution ici

TITRE DU DÉFI : Informatique quantique en tant que service

PROMOTEUR DU DÉFI : Services partagés Canada (SPC)

Mécanisme de financement : Contrat

VALEUR MAXIMALE DU MARCHÉ

De multiples contrats pourraient résulter de ce défi.

Phase 1 :

• Le financement maximal disponible pour tout contrat de la phase 1 résultant de ce défi est de : $150,000.00 $ CAD, à l'exclusion des taxes applicables, des frais d'expédition, de déplacement et de subsistance, selon les besoins.
• La durée maximale de tout contrat de la phase 1 résultant de ce défi est de XXXX mois (à l'exclusion de la présentation du rapport final).
• Estimation du nombre de contrats de la phase 1 : 4

Phase 2 :

• Le financement maximal disponible pour tout contrat de la phase 2 résultant de ce défi est de : $1,000,000.00 CAD, à l'exclusion des taxes applicables, des frais d'expédition, de voyage et de séjour, selon les besoins.
• La durée maximale de tout contrat de la phase 2 résultant de ce défi est de XXXX mois (à l'exclusion de la présentation du rapport final).

Note : Seules les entreprises admissibles ayant terminé la phase 1 pourraient être prises en considération pour la phase 2.

• Estimation du nombre de contrats de la phase 2 : 2

Le fait de divulguer l'estimation du financement disponible n'engage aucunement le Canada à payer cette somme. Les décisions finales sur le nombre de bourses des phases 1 et 2 seront prises par le Canada en fonction de facteurs tels que les résultats de l'évaluation, les priorités ministérielles et la disponibilité des fonds.

Note: Les entreprises sélectionnées peuvent recevoir un contrat par phase, par défi. 

DÉPLACEMENTS :

On prévoit que les soumissionnaires retenus n’auront pas besoin de se déplacer au cours de la phase 1. Les réunions seront organisées par téléconférence ou vidéoconférence.

Réunion de lancement

Téléconférence/vidéoconférence

Réunions d'étape

Téléconférence/vidéoconférence

Réunion d’examen final

Téléconférence/vidéoconférence

Les autres communications pourront se faire par téléphone, par vidéoconférence ou par WebEx.

Énoncé du problème

SPC adopte l’utilisation de l’intelligence artificielle/apprentissage automatique (IA/AA) et de la science des données exploratoires pour soutenir la prise de décisions reposant sur des données probantes en utilisant des volumes massifs et des vitesses croissantes de données. Certaines de ces approches en matière d’IA/AA peuvent être accélérées grâce à l’informatique quantique (IQ).

L’IQ doit être accessible aux profanes dans divers domaines (voir la section Historique et contexte). Par exemple, elle doit être accessible et utilisable partout par quiconque peut poser des questions d’optimisation et de simulation et explorer des scénarios potentiels en utilisant un logiciel typique non IQ, soit sur un ordinateur de bureau, soit sur une interface informatique mobile donnant accès à la QCaaS.

La question de simulation (« et si »), le scénario potentiel et les données doivent être transformés à partir du domaine de l’utilisateur (concepts, terminologie et notations) sous une forme adaptée à la simulation ou à l’optimisation à l’aide d’algorithmes d’IQ. Les résultats de l’analyse sont ensuite renvoyés à l’interface informatique pour une exploration, une visualisation ou un traitement plus poussés, et donnent à l’utilisateur la possibilité de réviser en toute transparence les paramètres de sa demande d’analyse et de la soumettre à nouveau. Il ne serait pas réaliste de prendre en compte tous les domaines possibles; c’est pourquoi les solutions se limiteront aux problèmes les plus urgents et les plus complexes (voir la section Historique et contexte) auxquels sont actuellement confrontés le gouvernement et le secteur privé.

Résultats essentiels (obligatoires)

Les solutions proposées doivent :

1. Il faut fournir une application avec une interface utilisateur graphique bilingue permettant à l’utilisateur de saisir un problème (une description et des contraintes) au niveau du domaine de problèmes de l’utilisateur sans avoir à consulter des experts en IQ ou à se fier à eux. Au moins deux domaines de problèmes doivent être pris en charge. Des exemples de domaines possibles sont fournis dans la section Historique et contexte.
2. La description du problème et les contraintes doivent être transformées de manière appropriée en un algorithme d’IQ pour la solution, où l’algorithme peut être indépendant du matériel d’IQ.
3. L’algorithme doit être exécuté à l’aide d’un simulateur d’IQ (à distance au moyen de la QCaaS) ou (lorsqu’elle n’est pas disponible) d’un autre logiciel de simulation/optimisation d’IQ utilisant potentiellement le calcul de haute performance (CHP).
4. Les résultats de l’analyse doivent être renvoyés à l’interface informatique pour visualisation.
5. L’interface doit prendre en charge d’autres outils logiciels couramment utilisés dans les flux de travail du domaine particulier. Ainsi, les résultats d’une simulation peuvent apparaître sous forme de feuille de calcul et être utilisables dans des outils d’aide à la décision et d’analyse statistique ou pour des publications sous diverses formes, p. ex. des rapports de soutien aux cadres ou des communications traditionnelles et dans les médias sociaux.

Résultats souhaités supplémentaires

Les solutions proposées doivent :

1. Supporter plusieurs fournisseurs d’IQ (grâce à des formats de données ouverts), p. ex. D-Wave, IBM, Google, Microsoft, et une interface avec les prototypes d’IQ des universités, tel que l’Université de Calgary, l’Université de Waterloo, le MIT, l’Université de technologie de Delft, etc.
2. Assurer une interface avec les formats d’échange de fichiers et les outils couramment utilisés. Il est entendu que ceux-ci évoluent dans ce nouveau domaine. Ces formats peuvent servir à spécifier des optimisations, à fournir des résultats d’optimisation, à visualiser des résultats ou à importer des résultats dans des outils de flux de travail du domaine.
3. Fournir un catalogue, une taxonomie ou une ontologie des problèmes éventuels du domaine.
4. L’interface utilisateur et les techniques d’optimisation sous-jacentes peuvent éventuellement être conçues à partir de systèmes de sources ouvertes ou d’autres systèmes préexistants, comme ceux fournis par l’un des laboratoires de recherche d’une université ou d’une entreprise mentionnée ci-dessus.

Historique et contexte

Dans un monde complexe qui évolue rapidement, la compréhension des données et des renseignements est essentielle pour résoudre des problèmes et prendre en temps opportun des décisions judicieuses. Certains types de problèmes sont devenus si importants et complexes qu’il faut des techniques d’analyse complètes, p. ex. l’IA/AA, pour les résoudre.

Ces problèmes décisionnels exigent souvent l’affectation efficace et efficiente de ressources limitées (p. ex. expertise financière, connaissances, ressources humaines ou matérielles), ainsi qu’une compréhension des occasions qui découlent de tous les scénarios possibles. À l’heure actuelle, de telles solutions sont explorées en utilisant de grands ensembles de données, des algorithmes d’optimisation et de simulation, et le CHP (y compris l’infonuagique). L’augmentation de ces données et de ces renseignements permet d’explorer davantage de scénarios et de prendre des décisions plus judicieuses (optimisées/efficaces/efficientes). Depuis des années déjà, les outils logiciels spécifiques à un domaine ont eu pour effet de « démocratiser » le CHP en permettant aux experts d’un domaine de problèmes (p. ex. dans les domaines du transport et de la logistique, ou de la macroéconomie) de modéliser leurs problèmes en utilisant leurs propres abstractions et terminologie, tout en masquant les détails du CHP et des algorithmes, et d’explorer des solutions potentielles sans avoir besoin d’une expertise en CHP.

Voici quelques exemples de domaines de problèmes les plus urgents et les plus complexes auxquels sont confrontés le gouvernement et le secteur privé :

1. optimisation du transport et de la logistique de la chaîne d’approvisionnement, p. ex. pour les coûts ou les risques liés aux matières dangereuses, ou l’affectation et la fourniture de ressources très limitées;
2. optimisation de l’infrastructure des technologies de l’information (TI) pour la fiabilité, la sécurité, la robustesse, la redondance et le coût;
3. détermination et modification des influences sur la qualité de vie des Canadiens autochtones;
4. simulation des effets de la politique sociale et monétaire sur les plus vulnérables de la société et sur les secteurs économiques et sociaux, p. ex. pour les effets et les résultats concernant les maisons de santé;
5. découverte et simulation de médicaments et de drogues;
6. analyse des réseaux sociaux et détermination des communications, des messages et des médias optimaux;
7. meilleure compréhension des événements significatifs en temps réel ou simulés ayant une incidence sur la société, p. ex. la santé publique (comme les épidémies et les pandémies), les événements environnementaux catastrophiques (comme les immenses feux de forêt) et les bouleversements socioéconomiques.

Dans ces cas (et dans d’autres), une meilleure compréhension de la complexité du problème et des simulations et optimisations plus précises permettent la prise de décisions plus judicieuses et donc une meilleure affectation des ressources, des processus plus efficaces et plus efficients, une meilleure qualité de vie, etc. Dans ces domaines, la nature de l’IQ peut donner lieu à une accélération algorithmique significative. On peut en tirer profit pour améliorer la qualité des solutions en traitant des ensembles de données plus importants et en utilisant de meilleurs algorithmes, ce qui, à terme, permet de surpasser le CHP.

L’utilisation généralisée de l’IQ est limitée par au moins deux obstacles : 1) son modèle de calcul a peu de choses en commun avec les ordinateurs actuels, ce qui nécessite des compétences rares et spécialisées pour les « programmer »; 2) les difficultés scientifiques et techniques qui subsistent sont importantes, et il faudra probablement des années avant que l’IQ devienne couramment accessible. Le but de ce défi est de s’attaquer à ces deux obstacles et de « démocratiser » l’utilisation de l’IQ, tout en créant un écosystème et un marché embryonnaires, et une certaine normalisation des architectures. Cela peut se faire en prenant les mesures suivantes : 1) automatiquement mettre en correspondance les problèmes d’optimisation (voir ci-dessus) dans certains domaines en fonction des algorithmes d’IQ, ce qui permet aux experts du domaine de se concentrer sur le problème plutôt que sur les détails de l’IQ; 2) « exécuter » à distance l’algorithme d’IQ de l’optimisation en ayant recours à la QCaaS pour avoir accès à du matériel d’IQ rare et coûteux.

Les solutions du défi seront exécutées sur des ordinateurs classiques. Ces domaines de problèmes particuliers doivent être choisis de manière à pouvoir être mis en correspondance avec les algorithmes d’IQ, qui peuvent être exécutés au moyen de la QCaaS. De même, en raison du très large éventail d’approches à l’égard des modèles et des mises en œuvre en matière d’IQ, l’informatique quantique prise en charge doit être choisie de manière à correspondre efficacement aux algorithmes d’IQ sélectionnés. Il est possible que pendant la durée du défi, le génie et la recherche en matière d’IQ (qui ne font pas partie du défi) ne progressent pas de manière importante. Par conséquent, les solutions proposées peuvent être extrapolées à partir de l’état actuel de la technique et il faut également prévoir l’utilisation de simulateurs d’IQ.

DEMANDES DE RENSEIGNEMENTS

Toutes les demandes de renseignements doivent être présentées à TPSGC.SIC-ISC.PWGSC@tpsgc-pwgsc.gc.ca au moins dix jours civils avant la date de clôture. Pour ce qui est des demandes de renseignements reçues après ce délai, il est possible qu'on ne puisse pas y répondre.