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 بهینه‌سازی تقریبی کوانتومی (QAOA) نشان داده‌اند.

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، می‌گوید: «این کار گامی مهم در جهت دستیابی به مزیت کوانتومی است که پایه‌ای برای تأثیرات آینده در تولید می‌گذارد».

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 توالی‌های باینری خودهمبستگی کم، که در درک رفتار سیستم‌های فیزیکی، پردازش سیگنال و رمزنگاری اهمیت دارد، اعمال شد. این مطالعه نشان داد که اگر از الگوریتم خواسته شود مسائل بزرگ‌تر را حل کند، زمان لازم برای حل آنها با سرعت کمتری نسبت به حل‌کننده‌های کلاسیک رشد می‌کند.

برای بررسی عملکرد الگوریتم کوانتومی در یک محیط بی‌صدا ایده‌آل، JPMorgan Chase و Argonne به طور مشترک شبیه‌سازی 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 پیاده‌سازی 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 انعطاف‌پذیر برای اجرای آزمایش‌های تصحیح خطا و تشخیص خطا بر روی وفاداری گیت‌ها که سال‌ها جلوتر از سایر رایانه‌های کوانتومی هستند.



منبع

Matthew Newman

Matthew Newman Matthew has over 15 years of experience in database management and software development, with a strong focus on full-stack web applications. He specializes in Django and Vue.js with expertise deploying to both server and serverless environments on AWS. He also works with relational databases and large datasets
[ Back To Top ]