Des chercheurs présentent QANTIS, une approche qui utilise un processeur quantique comme service de mise à jour de croyances pour des systèmes autonomes en environnement partiellement observable. L’idée n’est pas de piloter directement l’autonomie de bout en bout, mais de déléguer au matériel quantique une étape précise : recevoir un prior et un modèle d’observation, estimer un terme d’évidence rare, puis renvoyer un posterior exploitable par un planificateur classique.
L’étude se concentre sur un cas contrôlé, le Tiger POMDP, afin de vérifier si ce service peut être réutilisé sur plusieurs étapes successives sans dégrader le posterior vu par le planificateur. Les auteurs comparent trois configurations sur une même trajectoire : sans amplification, avec amplification de Grover protégée, et avec amplification à point fixe appliquée à chaque étape. Selon l’article, l’approche all-step FPAA préserve le posterior du problème Tiger sur des exécutions principales de 8 et 12 étapes, tandis que des contrôles à 20 et 32 étapes restent dans la même zone de fonctionnement.
Le point mis en avant est moins la performance brute que la stabilité décisionnelle. Dans toutes les vérifications rapportées, le posterior produit par le matériel et le posterior bayésien exact conduisent à la même action immédiate. Les auteurs indiquent aussi qu’une méthode dite boundary-aware BIQAE aide à stabiliser l’estimation d’amplitude lorsque les probabilités sont proches de 0 ou de 1, un cas souvent délicat pour ce type de calcul.
Enfin, l’article explore un balayage d’événements rares jusqu’à un niveau annoncé de un sur un million, afin de cartographier l’enveloppe logique de complexité d’échantillonnage. Les auteurs restent prudents : ils ne revendiquent ni avantage matériel autonome, ni gain de temps d’exécution global. Leur contribution est présentée comme la délimitation d’une enveloppe opérationnelle pour une primitive de mise à jour de croyances calibrée sur matériel quantique actuel.