Forskere viser, at klassiske computere kan følge med og overgå deres kvantemodstykker

Quantum computing er blevet hyldet som en teknologi, der kan udkonkurrere klassisk computing i både hastighed og hukommelsesbrug, hvilket potentielt åbner vejen for forudsigelser af fysiske fænomener, som ikke tidligere var mulige.

Mange ser kvantecomputerens fremkomst som en markering af et paradigmeskift fra klassisk eller konventionel databehandling. Konventionelle computere behandler information i form af digitale bits (0s og 1s), mens kvantecomputere anvender kvantebits (qubits) til at gemme kvanteinformation i værdier mellem 0 og 1.

Under visse forhold kan denne evne til at behandle og lagre information i qubits bruges til at designe kvantealgoritmer, der drastisk overgår deres klassiske modstykker. Navnlig gør quantums evne til at lagre information i værdier mellem 0 og 1 det vanskeligt for klassiske computere at efterligne kvantecomputere perfekt.

Kvantecomputere er dog kræsne og har en tendens til at miste information. Desuden, selvom informationstab kan undgås, er det vanskeligt at oversætte det til klassisk information - hvilket er nødvendigt for at give en nyttig beregning.

Klassiske computere lider ikke af nogen af ​​disse to problemer. Desuden kan klogt udtænkte klassiske algoritmer yderligere udnytte de to udfordringer med tab af information og oversættelse til at efterligne en kvantecomputer med langt færre ressourcer end tidligere antaget – som for nylig rapporteret i et forskningspapir i tidsskriftet PRX Quantum .

Forskernes resultater viser, at klassisk databehandling kan omkonfigureres til at udføre hurtigere og mere nøjagtige beregninger end avancerede kvantecomputere.

Dette gennembrud blev opnået med en algoritme, der kun holder en del af informationen lagret i kvantetilstanden – og lige nok til nøjagtigt at kunne beregne det endelige resultat.

"Dette arbejde viser, at der er mange potentielle veje til at forbedre beregninger, der omfatter både klassiske og kvantetilgange," forklarer Dries Sels, en assisterende professor ved New York University's Department of Physics og en af ​​papirets forfattere. "Desuden fremhæver vores arbejde, hvor svært det er at opnå kvantefordele med en fejltilbøjelig kvantecomputer."

I at søge måder at optimere klassisk computing på, fokuserede Sels og hans kolleger ved Simons Foundation på en type tensornetværk, der trofast repræsenterer interaktionerne mellem qubits. Disse typer netværk har været notorisk svære at håndtere, men de seneste fremskridt på området gør det nu muligt at optimere disse netværk med værktøjer lånt fra statistisk slutning.

Forfatterne sammenligner arbejdet med algoritmen med komprimeringen af ​​et billede til en JPEG-fil, som gør det muligt at lagre store billeder ved at bruge mindre plads ved at eliminere information med et knapt mærkbart tab i billedets kvalitet.

"At vælge forskellige strukturer til tensor-netværket svarer til at vælge forskellige former for komprimering, som forskellige formater til dit billede," siger Flatiron Institutes Joseph Tindall, der ledede projektet. "Vi er med succes ved at udvikle værktøjer til at arbejde med en lang række forskellige tensor-netværk. Dette arbejde afspejler det, og vi er overbeviste om, at vi snart vil hæve barren for kvanteberegning endnu mere."

Flere oplysninger: Joseph Tindall et al., Efficient Tensor Network Simulation of IBM's Eagle Kicked Ising Experiment, PRX Quantum (2024). DOI:10.1103/PRXQuantum.5.010308

Journaloplysninger: PRX Quantum

Leveret af New York University