
بروزرسانی: 01 تیر 1404
افزایش سرعت کوانتومی نظری با الگوریتم بهینه سازی تقریبی کوانتومی
در مقاله جدید در پیشرفت علم در 29 می، محققان JPMorgan Chase، آزمایشگاه ملی Argonne وزارت انرژی ایالات متحده (DOE) و Quantinuum شواهد واضحی از افزایش سرعت الگوریتمی کوانتومی برای الگوریتم بهینه سازی تقریبی کوانتومی (QAOA) نشان داده اند.
این الگوریتم به طور گسترده مورد مطالعه قرار گرفته است و بر روی بسیاری از کامپیوترهای کوانتومی پیاده سازی شده است. کاربرد بالقوه ای در زمینه هایی مانند لجستیک، مخابرات، مدل سازی مالی و علم مواد دارد.
مارکو پیستویا، رئیس تحقیقات کاربردی فناوری جهانی در JPMorgan Chase، می گوید: «این کار گامی مهم در جهت دستیابی به مزیت کوانتومی است که پایه ای برای تأثیرات آینده در تولید می گذارد».
این تیم بررسی کردند که آیا یک الگوریتم کوانتومی با هزینه های پیاده سازی کم می تواند سرعت کوانتومی را نسبت به شناخته شده ترین روش های کلاسیک فراهم کند یا خیر. QAOA برای مسئله توالی های باینری خودهمبستگی کم، که در درک رفتار سیستم های فیزیکی، پردازش سیگنال و رمزنگاری اهمیت دارد، اعمال شد. این مطالعه نشان داد که اگر از الگوریتم خواسته شود مسائل بزرگ تر را حل کند، زمان لازم برای حل آنها با سرعت کمتری نسبت به حل کننده های کلاسیک رشد می کند.
برای بررسی عملکرد الگوریتم کوانتومی در یک محیط بی صدا ایده آل، JPMorgan Chase و Argonne به طور مشترک شبیه سازی را برای ارزیابی عملکرد الگوریتم در مقیاس توسعه دادند. این بر روی ابررایانه Polaris ساخته شده است که از طریق Argonne Leadership Computing Facility (ALCF) که یک مرکز کاربری دفتر علوم DOE است، قابل دسترسی است. ALCF توسط برنامه تحقیقات محاسبات علمی پیشرفته DOE پشتیبانی می شود.
یوری الکسیف، دانشمند محاسباتی در Argonne می گوید: "شبیه سازی مدار کوانتومی در مقیاس بزرگ به طور موثری از ابررایانه DOE petascale Polaris واقع در ALCF استفاده کرد. این نتایج نشان می دهد که چگونه محاسبات با کارایی بالا می تواند زمینه علم اطلاعات کوانتومی را تکمیل و پیشرفت کند." جفری لارسون، ریاضیدان محاسباتی در بخش ریاضیات و علوم کامپیوتر آرگون، نیز در این تحقیق مشارکت داشت.
برای برداشتن اولین گام به سمت تحقق عملی افزایش سرعت در الگوریتم، محققان یک پیاده سازی در مقیاس کوچک را بر روی کامپیوترهای کوانتومی یونی به دام افتاده Quantinuum مدل H1 و H2 نشان دادند. تیم با استفاده از تشخیص خطای خاص الگوریتم، تأثیر خطاها را بر عملکرد الگوریتمی تا 65 درصد کاهش داد.
"همکاری طولانی مدت ما با JPMorgan Chase منجر به این آزمایش تحقیقاتی سه جانبه معنی دار و قابل توجه شد که Argonne را نیز به ارمغان آورد. نتایج بدون کیفیت بی سابقه و پیشرو در جهان از کامپیوتر کوانتومی سری H ما به دست نمی آمد. Ilyas Khan، بنیانگذار و مدیر تولید Quantinuum، گفت: یک دستگاه انعطاف پذیر برای اجرای آزمایش های تصحیح خطا و تشخیص خطا بر روی وفاداری گیت ها که سال ها جلوتر از سایر رایانه های کوانتومی هستند.
منبع