Eine Zusammenarbeit zwischen der Harvard University mit Wissenschaftlern von QuEra Computing, MIT, der Universität Innsbruck und anderen Institutionen hat eine bahnbrechende Anwendung von Quantenprozessoren mit neutralen Atomen zur Lösung praktischer Probleme demonstriert.
Die Studie wurde gemeinsam geleitet von Mikhail Lukin, George Vasmer Leverett Professor für Physik in Harvard und Co-Direktor der Harvard Quantum Initiative, Markus Greiner, George Vasmer Leverett Professor für Physik, und Vladan Vuletic, Lester Wolfe Professor für Physik am MIT . Die Studie mit dem Titel „Quantum Optimization of Maximum Independent Set using Rydberg Atom Arrays“ wurde am 5. Mai 2022 in veröffentlicht Wissenschaft.
Zuvor wurden Quantenprozessoren mit neutralen Atomen vorgeschlagen, um bestimmte schwierige kombinatorische Optimierungsprobleme effizient zu codieren. In dieser wegweisenden Veröffentlichung stellen die Autoren nicht nur die erste Implementierung einer effizienten Quantenoptimierung auf einem echten Quantencomputer bereit, sondern zeigen auch eine beispiellose Leistungsfähigkeit der Quantenhardware.
Die Berechnungen wurden auf Harvards Quantenprozessor mit 289 Qubits durchgeführt, die im analogen Modus arbeiteten, mit effektiven Schaltungstiefen von bis zu 32. Anders als in früheren Beispielen der Quantenoptimierung machten die große Systemgröße und Schaltungstiefe, die in dieser Arbeit verwendet wurden, es unmöglich, klassisches zu verwenden Simulationen zur Voroptimierung der Regelparameter. Ein quantenklassischer Hybridalgorithmus musste in einem geschlossenen Regelkreis mit direkter, automatisierter Rückmeldung an den Quantenprozessor eingesetzt werden.
Diese Kombination aus Systemgröße, Schaltungstiefe und hervorragender Quantenkontrolle gipfelte in einem Quantensprung: Es wurden Probleminstanzen mit empirisch besser als erwarteter Leistung auf dem Quantenprozessor im Vergleich zu klassischer Heuristik gefunden. Das Team charakterisierte die Schwierigkeit der Optimierungsprobleminstanzen mit einem „Härteparameter“ und identifizierte Fälle, die klassische Computer herausforderten, die aber mit dem Neutralatom-Quantenprozessor effizienter gelöst werden konnten. Im Vergleich zu einer Klasse generischer klassischer Algorithmen wurde eine superlineare Quantenbeschleunigung gefunden. Die Open-Source-Pakete GenericTensorNetworks.jl und Bloqade.jl von QuEra waren maßgeblich an der Entdeckung harter Instanzen und dem Verständnis der Quantenleistung beteiligt.
„Ein tiefes Verständnis der zugrunde liegenden Physik des Quantenalgorithmus sowie der grundlegenden Einschränkungen seines klassischen Gegenstücks ermöglichte es uns, Wege zu finden, wie die Quantenmaschine eine Beschleunigung erreichen kann“, sagt Madelyn Cain, Harvard-Doktorandin und eine der Hauptautorinnen .
Die Bedeutung des Matchmaking zwischen Problem und Quantenhardware steht im Mittelpunkt dieser Arbeit: „Um in naher Zukunft so viel Quantenleistung wie möglich zu extrahieren, ist es entscheidend, Probleme zu identifizieren, die nativ auf die spezifische Quantenarchitektur abgebildet werden können, mit wenig Aufwand kein Overhead“, sagte Shengtao Wang, Senior Scientist bei QuEra Computing und einer der Miterfinder der in dieser Arbeit verwendeten Quantenalgorithmen, „und genau das haben wir in dieser Demonstration erreicht.“
Das vom Team gelöste „Maximum Independent Set“-Problem ist eine paradigmatische schwierige Aufgabe in der Informatik und hat breite Anwendungen in Logistik, Netzwerkdesign, Finanzen und mehr. Die Identifizierung von klassisch herausfordernden Probleminstanzen mit quantenbeschleunigten Lösungen ebnet den Weg für die Anwendung von Quantencomputern, um realen industriellen und sozialen Bedürfnissen gerecht zu werden.
„Diese Ergebnisse stellen den ersten Schritt dar, um nützliche Quantenvorteile für schwierige Optimierungsprobleme zu erzielen, die für mehrere Branchen relevant sind“, fügte Alex Keesling, CEO von QuEra Computing und Mitautor der veröffentlichten Arbeit, hinzu. „Wir freuen uns sehr, dass das Quantencomputing allmählich den notwendigen Reifegrad erreicht, bei dem die Hardware die Entwicklung von Algorithmen über das hinaus informieren kann, was mit klassischen Rechenmethoden im Voraus vorhergesagt werden kann. Darüber hinaus das Vorhandensein einer Quantenbeschleunigung für schwierige Probleminstanzen ist äußerst ermutigend. Diese Ergebnisse helfen uns, bessere Algorithmen und fortschrittlichere Hardware zu entwickeln, um einige der schwierigsten und relevantesten Rechenprobleme anzugehen.“
S. Ebadi et al, Quantenoptimierung der maximalen unabhängigen Menge unter Verwendung von Rydberg-Atom-Arrays, Wissenschaft (2022). DOI: 10.1126/science.abo6587