Yeni bir kuantum algoritması çözümlerin verimlilik düzeyini yükseltiyor

Araştırmacılar, kuantum bilgisayarların bazı problemlerdeki performansını önemli ölçüde artırmak için radikal yeni bir algoritma geliştirdiler ve klasik çözümlerin diğer durumlarda da aynı derecede iyi olabileceğini gösterdiler.

Kuantum bilgisayarlar, bazı karmaşık hesaplamaları klasik bilgisayarlardan çok daha yüksek hızlarda gerçekleştirmelerine olanak tanıyan kuantum mekaniği ilkelerinden yararlanır. Klasik muadilleri gibi kuantum bilgisayarlar da kesin bir dizi talimattan oluşan bir algoritmayı yürüterek çalışır.

Avustralya Ulusal Üniversitesi öğrencisi ve makalenin baş yazarı V Vijendran, “Yeni algoritmamız, devasa çözüm alanlarında gezinme görevini etkili bir şekilde azaltarak onu klasik olarak zor optimizasyon problemlerini çözmek için güçlü bir araç haline getiriyor” dedi.

Pratik kuantum hesaplama, gürültü, durum ayarlama hataları, ölçüm hataları ve genellikle kuantum devrelerinin boyutunu ve devre derinliği olarak bilinen gerçekleştirilebilecek işlem sayısını sınırlayan sınırlı iletişimden kaynaklanan zorluklarla karşı karşıyadır.

Ancak, yayınlanan bu yeni algoritma Kuantum bilimi ve teknolojisi Bu engellerin üstesinden gelmek için tasarlanmıştır ve bu nedenle mevcut nesil kuantum bilgisayarlara uygulanması daha kolaydır.

Lisans araştırmasını Avustralya Ulusal Üniversitesi’nde ARC Kuantum Bilgi İşlem ve İletişim Teknolojisi Mükemmeliyet Merkezi (CQC2T) ve A*STAR ile yürüten Bay Vijendran, “Bu, performanstan ödün vermeden daha az kuantum kaynağı ve daha az kuantum devresi kullanmak anlamına geliyor” dedi. Singapur.

Bay Vijeendran, algoritmasını, sınırlı sayıda olasılık arasından en iyi çözümü bulmayı gerektiren bir kombinatoryal optimizasyon problemleri sınıfı olan MaxCut adı verilen üzerinde test etti. MaxCut, bir grafik üzerindeki noktaları, aralarındaki korelasyonu en üst düzeye çıkaracak şekilde bölümlendirmeyle ilgilenir; zorluk, olasılıkların sayısının, sorunun boyutuyla, bu durumda noktaların sayısıyla birlikte katlanarak artabilmesidir.

Bay Vijendran, “Bu tür bir sorun için en uygun çözümü bulmak çoğu zaman pratik değildir” dedi.

“Bunun yerine, yeterince iyi bir çözüm bulmak için yaklaşık algoritmalar kullanıyoruz. Ancak burada bir ödünleşme var: Çözümü ne kadar hızlı istiyorsanız, kalitesinden o kadar çok ödün vermeniz gerekir; bu da çözümün optimale yakın olmayabileceği anlamına gelir. çözüm.”

MaxCut problemi için en iyi bilinen yaklaşım algoritması, bir klasik olan 1994 Goemans-Williamson algoritmasıdır.

2014 yılında MIT’deki araştırmacılar ilk kez kuantum bilişime yöneldi. Yaklaşımları Kuantum Yaklaşık Optimizasyon Algoritması (QAOA) olarak biliniyordu ve ilk tahmin olan bir kuantum durumuyla başlıyor ve evrimi kontrol eden parametreleri ayarlayarak onu verilen sorunu çözen duruma geliştirmeyi hedefliyor. Kuantum yaklaşık optimizasyon algoritmasının etkinliğine ilişkin devam eden araştırmalar, teoride, yeterince derin kuantum devreleri ile kuantum yaklaşık optimizasyon algoritmasının, modern Gomans-Williamson algoritmasından daha iyi performans gösterme potansiyeline sahip olduğunu göstermektedir.

Ancak şu ana kadar potansiyeli test etmenin imkansız olduğunu çünkü kuantum bilgisayar donanımının yeterince iyi olmadığını söyledi Bay Vijeendran.

“Uygulamada donanım gürültülüdür, bu da ardışık birçok işlemle çözümün kalitesinin bozulduğu anlamına gelir.”

“Hataya dayanıklı kuantum hesaplama gerçeğe dönüşse bile, QA analizi parametre alanı boyunca arama yaparken hala tuzaklara takılıp kalabilir ve bu da herhangi bir kuantum avantajını ortadan kaldırabilir.”

Bay Vijeendran, bu sınırlamaların üstesinden gelmenin yollarını ararken sinir ağlarından ilham aldı. Sinir ağlarının avantajlarından biri, özellikle modelin öğrenmeyi ve yaklaşmayı hedeflediği işlevden daha fazla parametreye sahip olması durumunda, farklı işlevleri öğrenme ve bunlara yaklaşma yeteneğidir; bu duruma aşırı parametrelendirme adı verilir.

Bay Vijendran, QAOA’nın aşırı parametrelendirilmesiyle değişken parametrelerin daha etkili bir şekilde ayarlanmasının mümkün olabileceğini, bunun da daha iyi performansa yol açabileceğini ve bazı doğal sınırlamaların üstesinden gelebileceğini öngördü.

Bay Vijendran, bu yaklaşımı tarımda kalite güvencesine uygulamak için ANU doktora öğrencisi Aritra Das ve A*STAR’da bilim insanı olan Dr Dax Enchan Koh ile Dr Syed Asad ve Profesör Ping Kui Lam’ın gözetiminde işbirliği yaptı.

Algoritmanın etkinliğini değerlendirmek amacıyla ekip, performansı ölçmek için analitik ifadeler türetti ve bunları klasik olarak simüle etti.

eXpressive QAOA (XQAOA) adı verilen algoritmaları, 128 ve 256 köşeli (128 ve 256 kübite eşdeğer) grafikler için MaxCut probleminde standart QAOA algoritmasından, onun varyantlarından ve modern klasik Goemans-Williamson algoritmasından daha iyi performans gösterdi. minimum işlemler.

QAOA’dan farklı olarak XQAOA, kuantum durumunun evrimini büyük ölçüde kolaylaştıran tuzaklardan muzdarip değildi.

Bay Vijeendran, en şaşırtıcı şeyin, algoritmalarının klasik bir çözüme yakınsadığını bulmaları olduğunu açıkladı.

“XQAOA deneysel bir dolaşık kuantum durumuyla başlar. Algoritma optimuma yakınlaşana kadar parametrelerin ince ayarlanması süreci sayesinde, süperpozisyon gibi diğer kuantum özellikleriyle birlikte dolaşma yavaş yavaş azalır ve ortaya çıkan durum klasik bir durumdur. “

Bay Vijendran, bu keşfin kuantum bilgisayarların klasik bilgisayarların yerini almayacağını, aksine sorunların çözümünde tamamlayıcı bir yaklaşım sunacağını doğruladığını söyledi.

“Kuantum bilgisayarların kapsamlı, evrensel çözümler sunduğuna dair bir yanlış kanı var. Ancak klasik çözümlerin bazı görevlerde daha verimli olduğu kanıtlandı.

“Niceliksel yaklaşımın klasik yöntemlere üstün olup olmadığına bakmadan sorunları hemen çözmek için niceliksel yöntemleri tercih etmek bir hatadır.

“Bu sorunlar arasında ulaşım optimizasyonu, araç rotalama, zamanlama ve planlama gibi sektörle son derece alakalı konular olan gerçek dünyadaki optimizasyon zorlukları yer alıyor.”

Mevcut araştırmaları, değerlendirdikleri sorunların niceliksel bir avantajı olmadığını öne sürse de Bay Vijeendran iyimserliğini koruyor.

“Daha karmaşık sorunlarla uğraşırken kuantum hesaplamanın açık bir avantaj sunduğu senaryoları keşfedebiliriz” diye ekledi.

Bu makale ilk olarak tarafından yayımlandı. Avustralya Ulusal Üniversitesi Fiziği.