Конкретное «квантовое программное обеспечение», которое они рассматривают, известно как алгоритм квантовой приближенной оптимизации (QAOA) и используется для решения классических задач оптимизации в математике; по сути, это способ выбрать лучшее решение проблемы из набора возможных решений. «Существует большой интерес к пониманию того, какие проблемы могут быть эффективно решены с помощью квантового компьютера, и QAOA является одним из наиболее заметных кандидатов», – говорит Карлео.
В конечном счете, QAOA призван помочь нам на пути к знаменитому «квантовому ускорению», предсказанному увеличению скорости обработки данных, которого мы можем достичь с помощью квантовых компьютеров вместо обычных. Понятно, что у QAOA есть ряд сторонников, в том числе Google, которые нацелены на квантовые технологии и вычисления в ближайшем будущем: в 2019 году они создали Sycamore, 53-кубитный квантовый процессор, и использовали его для выполнения задачи, которую он оценил. современному классическому суперкомпьютеру потребуется около 10 000 лет, чтобы завершить. Sycamore выполнил ту же задачу за 200 секунд.
«Но барьер для« квантового ускорения »почти жесткий, и он постоянно видоизменяется новыми исследованиями, в том числе благодаря прогрессу в разработке более эффективных классических алгоритмов», – говорит Карлео.
В своем исследовании Карлео и Медвидови? ответить на ключевой открытый вопрос в этой области: могут ли алгоритмы, работающие на текущих и ближайших квантовых компьютерах, предложить значительное преимущество перед классическими алгоритмами для задач, представляющих практический интерес? «Если мы хотим ответить на этот вопрос, нам сначала нужно понять пределы классических вычислений при моделировании квантовых систем», – говорит Карлео. Это особенно важно, поскольку нынешнее поколение квантовых процессоров работает в режиме, когда они совершают ошибки при запуске квантового «программного обеспечения», и поэтому могут выполнять только алгоритмы ограниченной сложности.
Используя обычные компьютеры, два исследователя разработали метод, который может приблизительно моделировать поведение специального класса алгоритмов, известных как вариационные квантовые алгоритмы, которые представляют собой способы определения состояния с наименьшей энергией или «основного состояния» квантовой системы.
QAOA – один из важных примеров такого семейства квантовых алгоритмов, которые, по мнению исследователей, являются одними из самых многообещающих кандидатов на «квантовое преимущество» в квантовых компьютерах в ближайшем будущем.
Подход основан на идее, что современные инструменты машинного обучения, е.грамм. те, которые используются в изучении сложных игр, таких как го, также могут быть использованы для изучения и имитации внутренней работы квантового компьютера. Ключевым инструментом для этого моделирования являются квантовые состояния нейронной сети, искусственная нейронная сеть, которую Карлео разработал в 2016 году с Матиасом Тройером и которая теперь впервые использовалась для моделирования QAOA.
Результаты считаются областью квантовых вычислений и устанавливают новый ориентир для будущего развития квантового оборудования.
«Наша работа показывает, что QAOA, который вы можете запустить на текущих и ближайших квантовых компьютерах, можно смоделировать с хорошей точностью и на классическом компьютере», – говорит Карлео. "Однако это не означает, что всякие квантовые алгоритмы, которые могут быть запущены на квантовых процессорах краткосрочного использования, могут быть эмулированы классическим способом. Фактически, мы надеемся, что наш подход послужит руководством для разработки новых квантовых алгоритмов, которые будут полезны и трудно моделировать для классических компьютеров."