
哈佛大学与 QuEra Computing、麻省理工学院、因斯布鲁克大学和其他机构的科学家之间的合作展示了中性原子量子处理器在解决实际使用问题方面的突破性应用。
该研究由哈佛大学George Vasmer Leverett物理学教授兼哈佛量子计划联合主任Mikhail Lukin,Markus Greiner,George Vasmer Leverett物理学教授和麻省理工学院莱斯特沃尔夫物理学教授Vladan Vuletic共同领导。 这项名为“使用里德堡原子阵列的最大独立集的量子优化”的研究于 2022 年 5 月 5 日发表在《科学》杂志上。
在此以前,中性原子量子处理器已被提出有效地编码某些硬组合优化问题。在这篇具有里程碑意义的出版物中,作者不仅在真正的量子计算机上部署了高效量子优化的首次实现,而且还展示了前所未有的量子硬件能力。
这些计算是在哈佛大学的量子处理器上进行的,该处理器在模拟模式下运行289个量子位,有效电路深度可达32。与之前的量子优化示例不同,这项工作中使用的大系统尺寸和电路深度使得不可能使用经典的模拟以预先优化控制参数。量子经典混合算法必须部署在闭环中,并直接自动反馈给量子处理器。
这种系统规模、电路深度和出色的量子控制的组合最终实现了一次飞跃:与经典启发式算法相比,量子处理器上发现的问题实例在经验上优于预期。该团队用“硬度参数”来描述优化问题实例的难度,确定了挑战经典计算机的案例,但使用中性原子量子处理器可以更有效地解决这些案例。与一类通用经典算法相比,发现了超线性量子加速。QuEra的开源软件包GenericTensorNetworks.jl和Bloqade.jl在发现硬实例和理解量子性能方面发挥了重要作用。
“对量子算法的基础物理学及其经典算法的基本限制的深刻理解使我们能够实现量子机器实现加速的方法,”哈佛大学研究生,主要作者之一Madelyn Cain说。
问题和量子硬件之间匹配的重要性是这项工作的核心:“在不久的将来,为了尽可能多地提取量子能量,关键是要确定可以本地映射到特定量子体系结构的问题,而且几乎没有开销。”QuEra Computing 的高级科学家、这项工作中使用的量子算法的共同发明者之一Shengtao Wang说,“我们在这次演示中实现了这一点。”
团队解决的“最大独立集”问题是计算机科学中的典型难题,在物流、网络设计、金融等领域具有广泛的应用。使用量子加速解决方案识别具有经典挑战性的问题实例,为应用量子计算来满足现实世界的工业和社会需求铺平了道路。
“这些结果代表了为与多个行业相关的硬优化问题带来有用的量子优势的第一步,”QuEra Computing 的首席执行官和已发表作品的合著者 Alex Keesling 补充道。“我们非常高兴地看到,量子计算开始达到必要的成熟水平,硬件可以为算法的开发提供信息,超出经典计算方法可以提前预测的范围。此外,对于困难的问题,量子加速的存在是非常令人鼓舞的。这些结果帮助我们开发出更好的算法和更先进的硬件,以解决一些最困难、最相关的计算问题。”
原文链接:https://phys.org/news/2022-05-collaborators-quantum-speed-up-optimization-problems.html
---煤油灯科技victorlamp.com翻译整理---









