Credito:Unsplash/CC0 di dominio pubblico
Una collaborazione tra l'Università di Harvard con scienziati di QuEra Computing, MIT, Università di Innsbruck e altre istituzioni ha dimostrato un'applicazione rivoluzionaria dei processori quantistici ad atomi neutri per risolvere problemi di uso pratico.
Lo studio è stato co-diretto da Mikhail Lukin, George Vasmer Leverett Professor of Physics ad Harvard e co-direttore dell'Harvard Quantum Initiative, Markus Greiner, George Vasmer Leverett Professor of Physics e Vladan Vuletic, Lester Wolfe Professor of Physics al MIT . Intitolata "Quantum Optimization of Maximum Independent Set using Rydberg Atom Arrays", la ricerca è stata pubblicata il 5 maggio 2022 in Science .
In precedenza, i processori quantistici ad atomi neutri erano stati proposti per codificare in modo efficiente alcuni difficili problemi di ottimizzazione combinatoria. In questa pubblicazione storica, gli autori non solo implementano la prima implementazione di un'ottimizzazione quantistica efficiente su un vero computer quantistico, ma mostrano anche una potenza hardware quantistica senza precedenti.
I calcoli sono stati eseguiti sul processore quantistico di Harvard da 289 qubit operante in modalità analogica, con una profondità effettiva del circuito fino a 32. A differenza dei precedenti esempi di ottimizzazione quantistica, le grandi dimensioni del sistema e la profondità del circuito utilizzate in questo lavoro hanno reso impossibile l'uso classico simulazioni per pre-ottimizzare i parametri di controllo. È stato necessario implementare un algoritmo ibrido quantistico-classico in un circuito chiuso, con feedback diretto e automatizzato al processore quantistico.
Questa combinazione di dimensioni del sistema, profondità del circuito e controllo quantistico eccezionale è culminata in un salto quantico:sono stati trovati casi di problemi con prestazioni empiricamente migliori del previsto sul processore quantistico rispetto all'euristica classica. Caratterizzando la difficoltà delle istanze del problema di ottimizzazione con un "parametro di durezza", il team ha identificato casi che sfidavano i computer classici, ma che sono stati risolti in modo più efficiente con il processore quantistico ad atomi neutri. È stato riscontrato un aumento della velocità quantistica superlineare rispetto a una classe di algoritmi classici generici. I pacchetti open source di QuEra GenericTensorNetworks.jl e Bloqade.jl sono stati fondamentali per scoprire le istanze hard e comprendere le prestazioni quantistiche.
"Una profonda comprensione della fisica alla base dell'algoritmo quantistico e dei limiti fondamentali della sua controparte classica ci ha permesso di realizzare modi per consentire alla macchina quantistica di raggiungere un'accelerazione", afferma Madelyn Cain, studentessa laureata ad Harvard e uno degli autori principali .
L'importanza del matchmaking tra problema e hardware quantistico è centrale in questo lavoro:"Nel prossimo futuro, per estrarre quanta più potenza quantistica possibile, è fondamentale identificare problemi che possono essere mappati in modo nativo all'architettura quantistica specifica, con poco nessun sovraccarico", ha affermato Shengtao Wang, Senior Scientist presso QuEra Computing e uno dei co-inventori degli algoritmi quantistici utilizzati in questo lavoro, "e abbiamo ottenuto esattamente questo in questa dimostrazione".
Il problema del "set massimo indipendente", risolto dal team, è un compito difficile paradigmatico nell'informatica e ha ampie applicazioni nella logistica, nella progettazione di reti, nella finanza e altro ancora. L'identificazione di istanze di problemi classicamente impegnative con soluzioni con accelerazione quantistica apre la strada all'applicazione dell'informatica quantistica per soddisfare le esigenze industriali e sociali del mondo reale.
"Questi risultati rappresentano il primo passo per portare un vantaggio quantistico utile a problemi di ottimizzazione difficili rilevanti per più settori", ha aggiunto Alex Keesling, CEO di QuEra Computing e coautore del lavoro pubblicato. "Siamo molto felici di vedere che il calcolo quantistico ha iniziato a raggiungere il livello di maturità necessario in cui l'hardware può informare lo sviluppo di algoritmi oltre ciò che può essere previsto in anticipo con i metodi di calcolo classici. Inoltre, la presenza di un aumento della velocità quantistica per le istanze di problemi difficili è estremamente incoraggiante. Questi risultati ci aiutano a sviluppare algoritmi migliori e hardware più avanzato per affrontare alcuni dei problemi computazionali più difficili e rilevanti". + Esplora ulteriormente
