مشاهده افزایش سرعت کوانتومی در مسائل بهینه سازی

5 مه 2022 -توسط دانشگاه هاروارد -اعتبار: Unsplash/CC0 دامنه عمومی

همکاری بین دانشگاه هاروارد با دانشمندان QuEra Computing، MIT، دانشگاه اینسبروک و سایر موسسات، کاربرد پیشرفت‌کننده‌ای از پردازنده‌های کوانتومی اتم خنثی را برای حل مشکلات کاربرد عملی نشان داده است.

این مطالعه توسط میخائیل لوکین، پروفسور جورج واسمر لورت، استاد فیزیک در هاروارد و یکی از مدیران ابتکار کوانتومی هاروارد، مارکوس گرینر، جورج واسمر لورت، استاد فیزیک، و ولادان وولتیک، پروفسور لستر ولف، استاد فیزیک در MIT انجام شد. . این تحقیق با عنوان “بهینه سازی کوانتومی حداکثر مجموعه مستقل با استفاده از آرایه های اتم Rydberg” در 5 می 2022 در Science منتشر شد.

پیش از این، پردازنده‌های کوانتومی اتم خنثی برای کدگذاری کارآمد برخی از مسائل بهینه‌سازی ترکیبی سخت پیشنهاد شده بودند. در این نشریه برجسته، نویسندگان نه تنها اولین پیاده‌سازی بهینه‌سازی کوانتومی کارآمد را بر روی یک کامپیوتر کوانتومی واقعی اجرا می‌کنند، بلکه قدرت سخت‌افزار کوانتومی بی‌سابقه‌ای را نیز به نمایش می‌گذارند.

محاسبات روی پردازنده کوانتومی 289 کیوبیت هاروارد که در حالت آنالوگ کار می‌کند، با عمق مدار موثر تا 32 انجام شد. برخلاف نمونه‌های قبلی بهینه‌سازی کوانتومی، اندازه سیستم بزرگ و عمق مدار مورد استفاده در این کار استفاده از کلاسیک را غیرممکن کرد شبیه سازی برای از قبل بهینه سازی پارامترهای کنترل یک الگوریتم ترکیبی کوانتومی-کلاسیک باید در یک حلقه بسته با بازخورد مستقیم و خودکار به پردازنده کوانتومی مستقر می شد.

این ترکیبی از اندازه سیستم، عمق مدار، و کنترل کوانتومی برجسته در یک جهش کوانتومی به اوج خود رسید: نمونه‌های مشکل با عملکرد تجربی بهتر از حد انتظار در پردازنده کوانتومی در مقابل اکتشافی کلاسیک یافت شدند. با مشخص کردن دشواری نمونه‌های مسئله بهینه‌سازی با یک «پارامتر سختی»، این تیم مواردی را شناسایی کردند که رایانه‌های کلاسیک را به چالش می‌کشیدند، اما با پردازشگر کوانتومی اتم خنثی به طور مؤثرتری حل شدند. یک افزایش سرعت کوانتومی فوق خطی در مقایسه با کلاسی از الگوریتم‌های کلاسیک عمومی پیدا شد. بسته‌های منبع باز QuEra GenericTensorNetworks.jl و Bloqade.jl در کشف نمونه‌های سخت و درک عملکرد کوانتومی مؤثر بودند.

مادلین کین،  فارغ التحصیل هاروارد و یکی از نویسندگان اصلی می گوید: “درک عمیق فیزیک اساسی الگوریتم کوانتومی و همچنین محدودیت های اساسی الگوریتم کلاسیک آن به ما این امکان را می دهد تا راه هایی را برای ماشین کوانتومی برای دستیابی به سرعت افزایش پیدا کنیم.” .

اهمیت تطبیق بین مشکل و سخت‌افزار کوانتومی در این کار بسیار مهم است: “در آینده نزدیک، برای استخراج هر چه بیشتر توان کوانتومی، شناسایی مشکلاتی که می‌توانند به صورت بومی با معماری کوانتومی خاص نگاشت شوند، بسیار مهم است .مسئله «حداکثر مجموعه مستقل» که توسط تیم حل شده است، یک کار سخت پارادایمی در علوم کامپیوتر است و کاربردهای وسیعی در لجستیک، طراحی شبکه، امور مالی و موارد دیگر دارد. شناسایی نمونه‌های مشکل کلاسیک چالش‌برانگیز با راه‌حل‌های شتاب‌دهنده کوانتومی، مسیر را برای استفاده از محاسبات کوانتومی برای برآوردن نیازهای صنعتی و اجتماعی دنیای واقعی هموار می‌کند.

الکس کیزلینگ، مدیرعامل QuEra Computing و یکی از نویسندگان کار منتشر شده، اضافه کرد: «این نتایج اولین گام به سوی ایجاد مزیت کوانتومی مفید برای مشکلات بهینه‌سازی سخت مرتبط با صنایع مختلف است.» “ما بسیار خوشحالیم که می بینیم محاسبات کوانتومی شروع به رسیدن به سطح بلوغ لازم می کند، جایی که سخت افزار می تواند توسعه الگوریتم ها را فراتر از آنچه می توان از قبل با روش های محاسباتی کلاسیک پیش بینی کرد، اطلاع رسانی کند. علاوه بر این، وجود یک افزایش سرعت کوانتومی برای نمونه های مشکل سخت این نتایج به ما کمک می‌کند تا الگوریتم‌های بهتر و سخت‌افزار پیشرفته‌تری را برای مقابله با برخی از سخت‌ترین و مرتبط‌ترین مشکلات محاسباتی ایجاد کنیم.”