Sarovar گفت: “این کلاس دیگری از الگوریتم های کوانتومی را تعریف می کند که از طریق بازخورد عمل می کنند.”
درگیری روسیه و اوکراین و همه‌گیری COVID-19 نشان داده است که زنجیره‌های تامین جهانی چقدر می‌توانند آسیب‌پذیر باشند. رویدادهای بین‌المللی می‌توانند تولید را مختل کنند، حمل و نقل را به تأخیر بیندازند، خرید وحشت‌زده را برانگیزند و هزینه‌های انرژی را افزایش دهند.
چارچوب جدید برای حل مشکلات پیچیده
چارچوب، در این مورد، به معنای ساختاری برای نحوه نوشتن یک الگوریتم است. مفهوم اصلی سندیا این است که یک کامپیوتر کوانتومی به طور مکرر ساختار خود را در حین حرکت در یک محاسبات تطبیق دهد. لایه‌های دروازه‌های محاسباتی کوانتومی، بلوک‌های سازنده الگوریتم‌های کوانتومی، با اندازه‌گیری خروجی لایه‌های قبلی از طریق فرآیند بازخورد تعیین می‌شوند.
یک ایده پیشرو برای برنامه‌نویسی الگوریتم‌های بهینه‌سازی کوانتومی شامل جفت کردن رایانه‌های کوانتومی و رایانه‌های معمولی برای حل یک مسئله با هم است که رویکرد تغییر نامیده می‌شود. کامپیوتر معمولی تنظیمات کنترلی را بهینه سازی می کند که رفتار کامپیوتر کوانتومی را دیکته می کند.
آلیسیا ماگان، یکی از همکاران ترومن در ساندیا، می‌گوید: «پیکربندی مجدد زنجیره تأمین در کوتاه‌مدت یک مشکل بهینه‌سازی فوق‌العاده دشوار است که چابکی تجارت جهانی را محدود می‌کند». او توسعه روش جدیدی را برای طراحی برنامه‌ها بر روی رایانه‌های کوانتومی رهبری کرده است، که او و تیمش فکر می‌کنند می‌تواند به‌ویژه برای حل این نوع مسائل بهینه‌سازی عظیم، روزی در آینده که فناوری کوانتومی بالغ‌تر شود، مفید باشد.
کنت رودینگر، دانشمند ساندیا، که روی این پروژه نیز کار می کرد، گفت: زمانی که کامپیوترهای کوانتومی در نهایت قادر به عمل به وعده خود شوند، رویکرد تغییرات ممکن است عملی نباشد.
تا زمانی که رایانه‌های کوانتومی قدرتمندتر شوند، این چارچوب عمدتاً یک ابزار نظری است که فقط می‌تواند روی مشکلاتی که رایانه‌های کلاسیک قبلاً می‌توانند آن را حل کنند آزمایش کرد. با این حال، تیم بر این باور است که این چارچوب پتانسیل زیادی برای فرمول‌بندی الگوریتم‌های مفید برای کامپیوترهای کوانتومی با مقیاس متوسط تا بزرگ در آینده نشان می‌دهد. آنها مشتاقند ببینند که آیا می تواند به توسعه الگوریتم های محاسبات کوانتومی برای حل مسائل در شیمی، فیزیک و یادگیری ماشین کمک کند یا خیر.
تیم Sandia اخیراً رویکرد جدید را در دو مقاله مشترک در مجلات منتشر کرده است نامه های بررسی فیزیکی و بررسی فیزیکی A. تحقیقات توسط دفتر علوم وزارت انرژی، دفتر تحقیقات محاسبات علمی پیشرفته تامین مالی شد. بورسیه تحصیلات تکمیلی علوم محاسباتی DOE; و برنامه تحقیق و توسعه تحت هدایت آزمایشگاهی سندیا.
یکی از مسائل مربوط به این رویکرد این است که تأثیر آن به دلیل توانایی رایانه های معمولی برای حل مسائل بهینه سازی با تعداد زیادی پارامتر محدود می شود.
محققان در سراسر جهان به طور فعال در حال توسعه الگوریتم‌هایی برای بهینه‌سازی در مقیاس بزرگ در فناوری‌های آینده هستند، با این امید که این برنامه‌ها بتوانند به صنایع کمک کنند تا منابع محدود را به طور مؤثرتری مدیریت کنند و در مواجهه با تغییرات سریع در بازار کار، منابع خام، عملیات را با سرعت بیشتری انجام دهند. مواد یا سایر تدارکات
الگوریتم‌های بهینه‌سازی به صنعت کمک می‌کنند تا وظایفی مانند هماهنگی مسیرهای حمل و نقل یا مدیریت دارایی‌های مالی را انجام دهند. ماگان گفت که حل این مشکلات به طور کلی دشوار است و با افزایش تعداد متغیرها، یافتن راه حل های خوب دشوارتر می شود.
اما ساخت فناوری محاسبات کوانتومی تنها یکی از چالش هاست.
یکی از راه حل های بالقوه درازمدت برای حل مسائل پیچیده بهینه سازی، استفاده از رایانه های کوانتومی است، فناوری نوظهوری که کارشناسان معتقدند قادر به یافتن پاسخ برای برخی مشکلات بسیار سریعتر از ابررایانه ها خواهد بود.
آزمایشگاه‌های ملی ساندیا یک آزمایشگاه چند مأموریتی است که توسط شرکت فناوری ملی و راه‌حل‌های مهندسی Sandia LLC، یکی از شرکت‌های تابعه شرکت بین‌المللی هانیول، برای اداره امنیت ملی هسته‌ای وزارت انرژی ایالات متحده اداره می‌شود. آزمایشگاه های Sandia دارای مسئولیت های اصلی تحقیق و توسعه در بازدارندگی هسته ای، امنیت جهانی، دفاع، فن آوری های انرژی و رقابت اقتصادی است، با تاسیسات اصلی در آلبوکرکی، نیومکزیکو، و لیورمور، کالیفرنیا.
تیم Sandia موفق شد نقش محاسبات کلاسیک را تا حد زیادی کاهش دهد. با چارچوب جدید، به نام FALQON – مخفف عبارت Feedback-based Algorithm for Quantum Optimization – کامپیوتر کلاسیک هیچ بهینه سازی انجام نمی دهد. این فقط به قدرت محاسباتی یک ماشین حساب نیاز دارد، به کامپیوتر کوانتومی اجازه می دهد تا تمام کارهای سنگین را انجام دهد و از نظر تئوری به آن اجازه می دهد تا روی مشکلات بسیار پیچیده تری کار کند، مانند چگونگی تغییر مسیر کارآمد ناوگان کشتیرانی وقتی یک بندر اصلی به طور ناگهانی بسته می شود.
او می‌گوید: «ما دلایل خوبی برای این باور داریم که اندازه انواع مشکلاتی که می‌خواهید حل کنید برای رویکرد متغیر بسیار بزرگ است؛ در این مقیاس، یافتن تنظیمات خوب برای دستگاه کوانتومی برای رایانه‌های معمولی اساساً غیرممکن می‌شود.» گفت.
Magann می گوید: «پس از اجرای اولین لایه الگوریتم، کیوبیت ها را اندازه می گیرم و اطلاعاتی از آنها می گیرم. “من آن اطلاعات را به الگوریتم خود باز می گردانم و از آن برای تعریف لایه دوم استفاده می کنم. سپس لایه دوم را اجرا می کنم، کیوبیت ها را دوباره اندازه گیری می کنم، آن اطلاعات را برای لایه سوم برمی گردم، و غیره و غیره.”
“همچنین یک سوال دیگر وجود دارد: اینجا یک کامپیوتر کوانتومی است — واقعاً چگونه می توانم این چیز را برنامه ریزی کنم؟ چگونه از آن استفاده کنم؟” مگان گفت.
موهان سارووار، محقق اصلی این پروژه، گفت: “پیدا کردن الگوریتم‌های کوانتومی بسیار دشوار است. یکی از دلایل مهم این امر، جدا از اینکه محاسبات کوانتومی بسیار غیرمعمول است، این است که چارچوب‌های کلی بسیار کمی برای توسعه کوانتومی داریم. الگوریتم ها.”
راه حل های بهتری برای کاربردهای در مقیاس بزرگ مورد نیاز است
تحقیقات جدید در آزمایشگاه‌های ملی ساندیا در محاسبات کوانتومی، علم را به توانایی غلبه بر چالش‌های زنجیره تامین و بازگرداندن امنیت جهانی در دوره‌های ناآرامی آینده نزدیک‌تر می‌کند.
