Zoals gemeld in een nieuw artikel in Natuur beoordelingen Natuurkunde , in plaats van te wachten op de opkomst van volledig volwassen kwantumcomputers, Los Alamos National Laboratory en andere toonaangevende instellingen hebben hybride klassieke/kwantumalgoritmen ontwikkeld om de meeste prestaties - en mogelijk kwantumvoordeel - te extraheren uit de luidruchtige, foutgevoelige hardware. Bekend als variatieve kwantumalgoritmen, ze gebruiken de kwantumboxen om kwantumsystemen te manipuleren, terwijl ze een groot deel van de werklast naar klassieke computers verschuiven, zodat ze kunnen doen waar ze momenteel het beste in zijn:optimalisatieproblemen oplossen.

"Quantumcomputers hebben de belofte om beter te presteren dan klassieke computers voor bepaalde taken, maar op de momenteel beschikbare kwantumhardware kunnen ze geen lange algoritmen uitvoeren. Ze hebben te veel lawaai omdat ze in interactie zijn met de omgeving, die de verwerkte informatie corrumpeert, " zei Marco Cerezo, een natuurkundige die gespecialiseerd is in kwantumcomputers, kwantummachine leren, en kwantuminformatie bij Los Alamos en een hoofdauteur van het papier. "Met variabele kwantumalgoritmen, we krijgen het beste van twee werelden. We kunnen de kracht van kwantumcomputers gebruiken voor taken die klassieke computers niet gemakkelijk kunnen doen, gebruik dan klassieke computers om de rekenkracht van kwantumapparaten aan te vullen."

huidige luidruchtig, tussenliggende kwantumcomputers hebben tussen de 50 en 100 qubits, snel hun "kwantumiteit" verliezen, en gebrek aan foutcorrectie, waarvoor meer qubits nodig zijn. Sinds eind jaren negentig is echter, theoretici hebben algoritmen ontwikkeld die zijn ontworpen om te draaien op een geïdealiseerd groot, foutcorrectie, fouttolerante kwantumcomputer.

"We kunnen deze algoritmen nog niet implementeren omdat ze onzinnige resultaten geven of omdat ze te veel qubits nodig hebben. Dus mensen realiseerden zich dat we een aanpak nodig hadden die zich aanpast aan de beperkingen van de hardware die we hebben - een optimalisatieprobleem, " zei Patrick Coles, een theoretisch fysicus die algoritmen ontwikkelt bij Los Alamos en de senior hoofdauteur van het artikel.

"We ontdekten dat we alle interessante problemen konden omzetten in optimalisatieproblemen, mogelijk met kwantumvoordeel, wat betekent dat de kwantumcomputer een klassieke computer verslaat bij de taak, " zei Coles. Die problemen omvatten simulaties voor materiaalwetenschap en kwantumchemie, factoring getallen, analyse van big data, en vrijwel elke toepassing die is voorgesteld voor kwantumcomputers.

De algoritmen worden variaties genoemd omdat het optimalisatieproces het algoritme on-the-fly varieert, als een soort machine learning. Het verandert parameters en logische poorten om een ​​kostenfunctie te minimaliseren, wat een wiskundige uitdrukking is die meet hoe goed het algoritme de taak heeft uitgevoerd. Het probleem is opgelost wanneer de kostenfunctie de laagst mogelijke waarde bereikt.

In een iteratieve functie in het variatiekwantumalgoritme, de kwantumcomputer schat de kostenfunctie, geeft dat resultaat vervolgens terug aan de klassieke computer. De klassieke computer past vervolgens de invoerparameters aan en stuurt ze naar de kwantumcomputer, die de optimalisatie opnieuw uitvoert.

Het overzichtsartikel is bedoeld als een uitgebreide introductie en pedagogische referentie voor onderzoeken die op dit ontluikende gebied beginnen. In het, de auteurs bespreken alle toepassingen van algoritmen en hoe ze werken, evenals dekken uitdagingen, valkuilen, en hoe deze aan te pakken. Eindelijk, het kijkt in de toekomst, overwegende wat de beste kansen zijn om kwantumvoordeel te behalen op de computers die de komende jaren beschikbaar zullen zijn.