W artykule opublikowanym w Nature Quantum Information, prof. Giuseppe Carleo z École polytechnique fédérale de Lausanne (EPFL) i Matija Medvidovic z Columbia University, znaleźli sposób na przeprowadzenie złożonych obliczeń kwantowych na tradycyjnym komputerze. Jak to możliwe?
Kwantowe software
“Oprogramowanie kwantowe” stworzone przez naukowców, znane jest jako Quantum Approximate Optimization Algorithm (QAOA) i wykorzystuje się je do rozwiązywania klasycznych problemów optymalizacyjnych w matematyce.
Istnieje duże zainteresowanie zrozumieniem, jakie problemy mogą być efektywnie rozwiązane przez komputer kwantowy, a QAOA jest jednym z najlepszych kandydatów.Giuseppe Carleo
Niektórzy twierdzą, że QAOA pomoże osiągnąć tak pożądane i wyczekiwane kwantowe przyspieszenie, czyli wzrost szybkości przetwarzania danych, który możemy osiągnąć dzięki komputerom kwantowym. Jednym z największych zwolenników QAOA jest firma Google, która w 2019 r. stworzyła Sycamore, 53-kubitowy proces kwantowy, który został wykorzystany do wykonania zadania, które według szacunków zajęłoby klasycznemu superkomputerowi ok. 10 000 lat. Sycamore potrzebował na to zaledwie 200 sekund.
Bariera kwantowego przyspieszenia jest jednak sztywna i stale kształtowana przez nowe badania, także dzięki postępowi w rozwoju bardziej wydajnych algorytmów.Giuseppe Carleo
W swojej pracy Carleo i Medvidović zadają kluczowe pytanie: czy algorytmy działające na obecnych i przyszłych komputerach kwantowych zaoferują znaczącą przewagę nad klasycznymi maszynami?
Jeśli mamy odpowiedzieć na to pytanie, musimy najpierw zrozumieć ograniczenia obliczeń klasycznych w symulowaniu systemów kwantowych. Jest to szczególnie ważne, ponieważ obecna generacja procesorów kwantowych działa w warunkach, w których popełnia błędy podczas uruchamiania kwantowego “oprogramowania”, a zatem może aktywować tylko algorytmy o ograniczonej złożoności.Giuseppe Carleo
Drogowskaz dla przyszłych generacji
Naukowcy opracowali metodę, która może symulować zachowanie algorytmów kwantowych, których przykładem jest QAOA. Opiera się ona na założeniu, że nowoczesne narzędzia uczenia maszynowego mogą być wykorzystane do nauki i emulacji wewnętrznego działania komputera kwantowego.
Podstawowym narzędziem jest Neural Network Quantum States, sztuczna sieć neuronowa, którą Carleo opracował w 2016 r. – pierwsza wykorzystana do symulacji QAOA. Uzyskane wyniki wyznaczają nowy punkt odniesienia dla rozwoju przyszłych komputerów kwantowych.
QAOA, które można uruchomić na obecnych komputerach kwantowych, może być symulowane z dobrą dokładnością również na klasycznym komputerze. Nie oznacza to jednak, że wszystkie użyteczne algorytmy kwantowe, które mogą być uruchamiane na procesorach kwantowych, mogą być emulowane klasycznie. W rzeczywistości, mamy nadzieję, że nasze podejście posłuży jako przewodnik do opracowania nowych algorytmów kwantowych.Giuseppe Carleo