Det bedste fra begge verdener:Sådan løser du virkelige problemer på moderne kvantecomputere

I de seneste år, der er blevet tilgængelige kvanteenheder, der gør det muligt for forskere - for første gang - at bruge ægte kvantehardware til at begynde at løse videnskabelige problemer. Imidlertid, på kort sigt, antallet og kvaliteten af ​​qubits (den grundlæggende enhed for kvanteinformation) for kvantecomputere forventes at forblive begrænset, gør det vanskeligt at bruge disse maskiner til praktiske formål.

En hybrid kvante- og klassisk tilgang kan være svaret på at tackle dette problem med eksisterende kvantehardware. Forskere ved U.S. Department of Energy's (DOE) Argonne National Laboratory og Los Alamos National Laboratory, sammen med forskere ved Clemson University og Fujitsu Laboratories of America, har udviklet hybridalgoritmer til at køre på kvantemaskiner og har demonstreret dem til praktiske anvendelser ved hjælp af IBM kvantecomputere (se nedenfor for beskrivelse af Argonnes rolle i IBM Q Hub ved Oak Ridge National Laboratory [ORNL]) og en D-Wave kvantecomputer.

"Denne tilgang vil gøre det muligt for forskere at bruge kortsigtede kvantecomputere til at løse applikationer, der understøtter DOE-missionen. F.eks. det kan anvendes til at finde samfundsstrukturer i metaboliske netværk eller et mikrobiom, " siger Yuri Alexeev, hovedprojektspecialist, Division Computational Science

Holdets arbejde præsenteres i en artikel med titlen "A Hybrid Approach for Solving Optimization Problems on Small Quantum Computers", der vises i juni 2019-udgaven af ​​Institute of Electrical and Electronics Engineers (IEEE) Computer Magasin.

Bekymringer om qubit-forbindelse, høje støjniveauer, den indsats, der kræves for at rette fejl, og skalerbarheden af ​​kvantehardware har begrænset forskernes evne til at levere de løsninger, som fremtidens kvantecomputere lover.

De hybride algoritmer, som holdet udviklede, anvender de bedste funktioner og muligheder fra både klassiske og kvantecomputere til at løse disse begrænsninger. For eksempel, klassiske computere har store hukommelser, der er i stand til at lagre enorme datasæt - en udfordring for kvanteenheder, der kun har et lille antal qubits. På den anden side, kvantealgoritmer fungerer bedre til visse problemer end klassiske algoritmer.

For at skelne mellem de typer af beregninger, der udføres på to helt forskellige typer hardware, holdet henviste til de klassiske og kvantestadier af hybridalgoritmer som centrale behandlingsenheder (CPU'er) til klassiske computere og kvantebehandlingsenheder (QPU'er) til kvantecomputere.

Holdet greb grafpartitionering og clustering som eksempler på praktiske og vigtige optimeringsproblemer, der allerede kan løses ved hjælp af kvantecomputere:et lille grafproblem kan løses direkte på en QPU, mens større grafproblemer kræver hybride kvante-klassiske tilgange.

Da et problem blev for stort til at køre direkte på kvantecomputere, forskerne brugte nedbrydningsmetoder til at bryde problemet ned i mindre stykker, som QPU'en kunne klare - en idé, de lånte fra højtydende databehandling og klassiske numeriske metoder.

Alle stykkerne blev derefter samlet til en endelig løsning på CPU'en, som ikke kun fandt bedre parametre, men også identificeret den bedste underproblemstørrelse at løse på en kvantecomputer.

Sådanne hybride tilgange er ikke en sølvkugle; de tillader ikke kvantehastigheder, fordi brug af nedbrydningsskemaer begrænser hastigheden, efterhånden som problemets størrelse øges. I de næste 10 år, selvom, forventede forbedringer i qubits (kvalitet, tælle, og tilslutningsmuligheder), fejlretning, og kvantealgoritmer vil reducere kørselstid og muliggøre mere avanceret beregning.

"I mellemtiden, " ifølge Yuri Alexeev, hovedprojektspecialist i Computational Science divisionen, "denne tilgang vil gøre det muligt for forskere at bruge kortsigtede kvantecomputere til at løse applikationer, der understøtter DOE-missionen. F.eks. det kan bruges til at finde samfundsstrukturer i metaboliske netværk eller et mikrobiom."