Twee natuurkundigen, van EPFL en Columbia University, hebben een benadering geïntroduceerd voor het simuleren van het kwantumbenaderende optimalisatie-algoritme met behulp van een traditionele computer. In plaats van het algoritme uit te voeren op geavanceerde kwantumprocessors, de nieuwe benadering maakt gebruik van een klassiek algoritme voor machinaal leren dat het gedrag van kwantumcomputers op korte termijn nauw nabootst.

In een paper gepubliceerd in Natuur Quantum Informatie , EPFL-professor Giuseppe Carleo en Matija Medvidović, een afgestudeerde student aan de Columbia University en aan het Flatiron Institute in New York, hebben een manier gevonden om een ​​complex algoritme voor kwantumcomputers uit te voeren op traditionele computers in plaats van op kwantumcomputers.

De specifieke "kwantumsoftware" die ze overwegen, staat bekend als Quantum Approximate Optimization Algorithm (QAOA) en wordt gebruikt om klassieke optimalisatieproblemen in de wiskunde op te lossen; het is in wezen een manier om de beste oplossing voor een probleem te kiezen uit een reeks mogelijke oplossingen. "Er is veel interesse om te begrijpen welke problemen efficiënt kunnen worden opgelost door een kwantumcomputer, en QAOA is een van de meest prominente kandidaten, ' zegt Carleo.

uiteindelijk, QAOA is bedoeld om ons op weg te helpen naar de beroemde "quantum speedup, " de voorspelde boost in verwerkingssnelheid die we kunnen bereiken met kwantumcomputers in plaats van conventionele. Begrijpelijk, QAOA heeft een aantal voorstanders, inclusief Google, die hun zinnen hebben gezet op kwantumtechnologieën en computers in de nabije toekomst:in 2019 creëerden ze Sycamore, een 53-qubit kwantumprocessor, en gebruikte het om een ​​taak uit te voeren die naar schatting een ultramoderne klassieke supercomputer ongeveer 10 zou kosten, 000 jaar te voltooien. Sycamore voerde dezelfde taak uit in 200 seconden.

"Maar de barrière van 'quantum speedup' is alles behalve rigide en wordt voortdurend hervormd door nieuw onderzoek, mede dankzij de vooruitgang in de ontwikkeling van efficiëntere klassieke algoritmen, ' zegt Carleo.

In hun studie hebben Carleo en Medvidović behandelen een belangrijke open vraag in het veld:kunnen algoritmen die op huidige en korte termijn kwantumcomputers worden uitgevoerd, een aanzienlijk voordeel bieden ten opzichte van klassieke algoritmen voor taken van praktisch belang? "Als we die vraag willen beantwoorden, we moeten eerst de grenzen van klassiek computergebruik begrijpen bij het simuleren van kwantumsystemen, ", zegt Carleo. Dit is vooral belangrijk omdat de huidige generatie kwantumprocessors werken in een regime waarin ze fouten maken bij het uitvoeren van kwantumsoftware, " en kan daarom alleen algoritmen van beperkte complexiteit uitvoeren.

Met conventionele computers, de twee onderzoekers ontwikkelden een methode die bij benadering het gedrag van een speciale klasse van algoritmen kan simuleren die bekend staan ​​als variatiekwantumalgoritmen, wat manieren zijn om de laagste energietoestand te bepalen, of "grondtoestand" van een kwantumsysteem. QAOA is een belangrijk voorbeeld van een dergelijke familie van kwantumalgoritmen, waarvan onderzoekers denken dat ze tot de meest veelbelovende kandidaten voor "kwantumvoordeel" in kwantumcomputers op korte termijn behoren.

De aanpak is gebaseerd op het idee dat moderne tools voor machine learning, bijv. degene die worden gebruikt bij het leren van complexe spellen zoals Go, kan ook worden gebruikt om de innerlijke werking van een kwantumcomputer te leren en na te bootsen. De belangrijkste tool voor deze simulaties zijn Neural Network Quantum States, een kunstmatig neuraal netwerk dat Carleo in 2016 ontwikkelde met Matthias Troyer, en dat werd nu voor het eerst gebruikt om QAOA te simuleren. De resultaten worden beschouwd als de provincie van quantum computing, en zet een nieuwe maatstaf voor de toekomstige ontwikkeling van kwantumhardware.

"Ons werk laat zien dat de QAOA die je kunt uitvoeren op huidige en korte termijn kwantumcomputers kan worden gesimuleerd, met goede nauwkeurigheid, ook op een klassieke computer, ", zegt Carleo. "Echter, dit betekent niet dat zinvolle kwantumalgoritmen die op korte termijn kwantumprocessors kunnen worden uitgevoerd, klassiek kunnen worden geëmuleerd. In feite, we hopen dat onze aanpak zal dienen als een gids voor het bedenken van nieuwe kwantumalgoritmen die zowel nuttig als moeilijk te simuleren zijn voor klassieke computers."