MERLIN

MerLin est un cadre d’apprentissage automatique quantique photonique qui intègre directement la puissance des algorithmes hybrides quantiques–classiques dans vos modèles d’IA — aucune expertise quantique requise. Ayant développé des praticiens en ML et en IA, MerLin offre des couches quantiques compatibles PyTorch qui améliorent vos réseaux neuronaux avec les avantages computationnels uniques du traitement quantique.

Conçu pour aujourd’hui, prêt pour demain

MerLin combine des simulateurs optimisés pour le GPU avec un accès direct aux processeurs quantiques photoniques de Quandela disponibles via le cloud.

• Sur les simulateurs : prototypez des modèles à grande échelle avec un nombre élevé de photons, accélérés par NVIDIA CUDA-Q pour des performances supérieures.
• Sur le matériel : exécutez vos modèles sur de vrais dispositifs quantiques dès aujourd’hui, afin d’accéder à un comportement quantique photonique authentique.
• Prêt pour l’avenir : les modèles développés dans MerLin sont portables à la prochaine génération d’ordinateurs quantiques tolérants aux pannes, alignés sur la feuille de route de Quandela.

Cette double voie garantit que votre travail est à la fois pratique maintenant et évolutif pour l’avenir.

Libérez les avantages de Apprentissage automatique quantique

MerLin rend les avantages de l’apprentissage automatique quantique accessibles aux praticiens de l’IA dès aujourd’hui :

• Précision améliorée
• Efficacité des ressources et consommation d’énergie réduite
• Meilleure évolutivité, permettant des modèles plus grands et plus complexes
• Convergence plus rapide, boucles d’entraînement accélérées grâce à l’optimisation hybride

Pour les développeurs, chercheurs et entreprises

Que vous soyez un développeur en IA cherchant à améliorer la performance des modèles, un chercheur quantique explorant de nouvelles architectures ou une équipe d’entreprise créant des applications pérennes, MerLin vous offre les outils dont vous avez besoin. Ajoutez des couches quantiques pour réduire le nombre de paramètres, accélérer l’apprentissage et accéder à l’informatique quantique photonique de pointe — le tout via une interface PyTorch familière.