دانشمندان افزایش سرعت کوانتومی را در مسائل بهینه سازی مشاهده می کنند -- ScienceDaily
انتشار: اردیبهشت 15، 1401
بروزرسانی: 23 تیر 1404

دانشمندان افزایش سرعت کوانتومی را در مسائل بهینه سازی مشاهده می کنند -- ScienceDaily

مادلین کین، دانشجوی 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 سخت افزار کوانتومی در این کار بسیار مهم است: "در آینده نزدیک، برای استخراج هر چه بیشتر توان کوانتومی، شناسایی مشکلاتی که می توانند به صورت بومی در معماری کوانتومی خاص نگاشت شوند، حیاتی است. Shengtao Wang، دانشمند ارشد QuEra Computing و یکی از مخترعان الگوریتم های کوانتومی مورد استفاده در این کار، گفت: "و ما دقیقاً در این نمایش به آن دست یافتیم."

الکس کیزلینگ، مدیر اجرایی QuEra Computing و یکی از نویسندگان کار منتشر شده، اضافه کرد: «این نتایج اولین گام به سمت ایجاد مزیت کوانتومی مفید برای مشکلات بهینه سازی 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 می کند تا الگوریتم های بهتر و سخت افزار پیشرفته تری برای مقابله با برخی از سخت ترین و مرتبط ترین مشکلات محاسباتی ایجاد کنیم.

همکاری بین دانشگاه هاروارد با دانشمندان QuEra Computing، MIT، دانشگاه Innsbruck و سایر موسسات، کاربرد موفقیت آمیز پردازنده های کوانتومی اتم خنثی را برای حل مشکلات استفاده عملی نشان داده است.

این ترکیبی از اندازه سیستم، عمق مدار و کنترل کوانتومی برجسته در یک جهش کوانتومی به اوج خود رسید: نمونه های مشکلی با عملکرد تجربی بهتر از حد انتظار در پردازنده کوانتومی در مقابل اکتشافی کلاسیک یافت شدند. با مشخص کردن دشواری نمونه های مسئله بهینه سازی با یک «پارامتر سختی»، این تیم مواردی را شناسایی کردند که رایانه های کلاسیک را به چالش می کشیدند، اما با استفاده از پردازنده کوانتومی اتم خنثی به طور مؤثرتری حل شدند. یک افزایش سرعت کوانتومی فوق خطی در مقایسه با کلاسی از الگوریتم های کلاسیک عمومی پیدا شد. بسته های منبع باز QuEra GenericTensorNetworks.jl و Bloqade.jl در کشف نمونه های سخت و درک عملکرد کوانتومی مؤثر بودند.

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. . با عنوان "بهینه سازی کوانتومی حداکثر مجموعه مستقل با استفاده از آرایه های اتم Rydberg" در 5 می منتشر شد.هفتم، 2022، در مجله Science.

مسئله "حداکثر مجموعه مستقل" که توسط تیم حل شده است، یک کار سخت پارادایمی در علوم کامپیوتر است و کاربردهای گسترده ای در لجستیک، طراحی شبکه، امور مالی و موارد دیگر دارد. شناسایی نمونه های مشکل کلاسیک چالش برانگیز با راه حل های شتاب دهنده کوانتومی، مسیر را برای استفاده از محاسبات کوانتومی برای برآوردن نیازهای صنعتی و اجتماعی دنیای واقعی هموار می کند.

منبع داستان:

مواد تهیه شده توسط دانشگاه هاروارد. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.



منبع

پیش از این، پردازنده های کوانتومی اتم خنثی برای کدگذاری کارآمد برخی مسائل بهینه سازی ترکیبی سخت پیشنهاد شده بودند. در این نشریه برجسته، نویسندگان نه تنها اولین پیاده سازی بهینه سازی کوانتومی کارآمد را بر روی یک کامپیوتر کوانتومی واقعی اجرا می کنند، بلکه قدرت سخت افزار کوانتومی بی سابقه ای را نیز به نمایش می گذارند.

محاسبات بر روی پردازنده کوانتومی 289 کیوبیت هاروارد که در حالت آنالوگ کار می کند، با عمق مدار موثر تا 32 انجام شد. برخلاف نمونه های قبلی بهینه سازی 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.