Kuantum bilgisayar, yaklaşık optimizasyon görevlerinde süper bilgisayarlardan daha iyi performans gösteriyor

Kuantum bilgisayar, yaklaşık optimizasyon görevlerinde süper bilgisayarlardan daha iyi performans gösteriyor

Bir kuantum bilgisayarı, "kuantum avantajı" olarak bilinen ve yakın zamanda Physical Review Letters'da yayınlanan bir makalede bir USC araştırmacısı tarafından gösterilen bir süreç olan optimizasyon problemlerini klasik süper bilgisayarlardan daha hızlı çözebilir.

Çalışma, kuantum hesaplamanın uzmanlaşmış bir biçimi olan kuantum tavlamanın, karmaşık problemlere yakın optimum çözümler ararken en iyi mevcut klasik algoritmalardan nasıl daha iyi performans gösterdiğini gösteriyor.

"Kuantum tavlamanın çalışma şekli, çözülen problemlere optimum veya yakın optimum çözümlere karşılık gelen kuantum sistemlerinde düşük enerjili durumlar bulmaktır," diyor çalışmanın ilgili yazarı ve USC Viterbi Mühendislik Okulu ve USC Dornsife Edebiyat, Sanat ve Bilim Koleji'nde elektrik ve bilgisayar mühendisliği, kimya, fizik ve astronomi profesörü olan Daniel Lidar.

Yaklaşık optimizasyon

Bilim insanları, kuantum tavlayıcı kullanarak kuantum ölçekleme avantajını (kuantum avantajının problem boyutu arttıkça arttığı) yıllardır göstermek için çabalıyor. Kuantum tavlama, optimizasyon için hesaplama avantajları sağladığı için uzun zamandır teorize edilmiştir, ancak klasik yöntemlere kıyasla ölçekleme iyileştirmelerine dair kesin kanıtlar elde edilememiştir. Bu çalışma, odak noktasını kesin optimizasyondan (kuantum avantajının kanıtlanmadığı yer) endüstri ve bilimde geniş uygulanabilirliği olan yaklaşık optimizasyona kaydırmaktadır.

Kuantum tavlama, zor optimizasyon problemlerine yüksek kaliteli çözümler bulmak için kuantum fiziği prensiplerini kullanabilen belirli bir kuantum hesaplama türüdür. Kesin optimum çözümler gerektirmek yerine, çalışma optimum değerin belirli bir yüzdesi (≥%1) içinde çözümler bulmaya odaklanmıştır.

Birçok gerçek dünya problemi kesin çözümler gerektirmez, bu da bu yaklaşımı pratik olarak alakalı hale getirir. Örneğin, bir yatırım fonuna hangi hisse senetlerinin konulacağını belirlerken, genellikle diğer tüm hisse senedi portföylerini yenmektense sadece önde gelen bir piyasa endeksini yenmek yeterlidir.

Algoritmik kuantum ölçekleme avantajını göstermek için araştırmacılar, USC'nin Bilgi Bilimleri Enstitüsü'ne kurulan özel bir kuantum hesaplama cihazı türü olan D-Wave Advantage kuantum tavlama işlemcisini kullandılar. Tüm mevcut kuantum bilgisayarlarında olduğu gibi, gürültü kuantum tavlamada kuantum avantajını bozmada önemli bir rol oynar.

Bu sorunu aşmak için ekip, D-Wave'in işlemcisinde kuantum tavlama düzeltmesi (QAC) adı verilen bir teknik uygulayarak 1.300'den fazla hata bastırılmış mantıksal kübit oluşturdu. Bu hata bastırma, karşılaştırılabilir sorunlar için en verimli mevcut klasik algoritma olan izoenerjetik küme hareketleriyle paralel temperlemeye (PT-ICM) göre avantaj elde etmenin anahtarıydı.

'Zaman-epsilon' performansı

Çalışma, çeşitli araştırma yöntemlerini kullanarak kuantum avantajını gösterdi ve yüksek hassasiyetli etkileşimlere sahip iki boyutlu spin-cam sorunları ailesine odaklandı.

Lidar, "Spin-cam sorunları, düzensiz manyetik sistemlerin istatistiksel fizik modellerinden kaynaklanan karmaşık optimizasyon zorlukları sınıfıdır" dedi.

Araştırmacılar, kesin çözümler aramak yerine, her yaklaşımın optimum cevabın belirli bir yüzdesi içinde çözümleri ne kadar çabuk bulabildiğini ölçerek "zaman-epsilon" performansını kıyasladılar.

Araştırmacılar bulgularını daha yoğun, daha yüksek boyutlu problemlere genişletmeyi ve gerçek dünya optimizasyonunda uygulamaları keşfetmeyi amaçlıyor. Lidar, kuantum donanımında ve hata bastırmada daha fazla iyileştirmenin gözlemlenen avantajı artırabileceğini söyledi.

"Bu, yakın-optimum çözümlerin yeterli olduğu optimizasyon görevlerinde kuantum algoritmaları için yeni yollar açıyor."

Kaynak: Phys