Google ujawnia, w jaki sposób komputery kwantowe mogą przewyższać współczesne superkomputery

Google ujawnia, w jaki sposób komputery kwantowe mogą przewyższać współczesne superkomputery

Od czasu powstania pierwszych komputerów kwantowych na początku lat 80. XX wieku badacze mieli nadzieję, że nadejdzie dzień, w którym urządzenia te Potrafi rozwiązywać problemy, które są zbyt trudne dla klasycznych komputerów. W ciągu ostatnich pięciu lat maszyny te faktycznie zaczęły rzucać wyzwanie swoim klasycznym odpowiednikom – chociaż ostateczne zwycięstwo nad nimi było jak dotąd nieuchwytne.

Badacze Google twierdzą, że na obecnym etapie bitwy o tak zwaną „przewagę kwantową” określili warunki, w jakich to nastąpi Komputery kwantowe mogą przewyższyć swoich klasycznych kolegów. Aby zrozumieć te warunki, wykorzystali procesor kwantowy o nazwie Sycamore do uruchomienia losowego próbkowania obwodu (RCS), prostego algorytmu kwantowego, który zasadniczo generuje losową sekwencję wartości.

Zespół przeanalizował wyniki działania Sycamore i odkrył, że klasyczne superkomputery w trybie wysokiego szumu mogą go „oszukać” lub pokonać podczas uruchamiania RCS. Jednak gdy zakłócenia spadły do ​​pewnego progu, obliczenia Sycamore stały się tak skomplikowane, że wykonanie parodii stało się praktycznie niemożliwe – oszacowano, że najszybszemu klasycznemu superkomputerowi na świecie zajęłoby to dziesięć bilionów lat. Ta świadomość była początkowo w formie przeddruku relacjonowaliśmy na serwerze arXiv w zeszłym roku i dziś w Nature 1 opublikowany.

Eksperci Quantum podkreślają, że stanowi to przekonujący dowód na to, że Sycamore jest w stanie przewyższyć każdy klasyczny komputer obsługujący RCS. W 2019 roku Google poinformował, że jego komputer kwantowy może obsługiwać RCS i osiągnąć przewagę kwantową. Jednak od tego czasu klasyczne komputery wykonywały algorytm szybciej, niż szacowano, negując rzekomą przewagę. Michael Foss-Feig, badacz obliczeń kwantowych w firmie programistycznej Quantinuum w Broomfield w Kolorado, wyjaśnia: „Google wykonało świetną robotę, wyjaśniając i naprawiając wiele znanych problemów z RCS”. Nowe wyniki pokazują, ile hałasu mogą mieć komputery kwantowe, a mimo to przewyższają komputery klasyczne.

Zdaniem Chao-Yang Lu, fizyka kwantowego z Uniwersytetu Naukowo-Technologicznego w Szanghaju, ciągła konkurencja między komputerami klasycznymi i kwantowymi jest czynnikiem napędzającym tę dziedzinę. Konkurs ten zmotywował badaczy do budowy większych i wyższej jakości komputerów kwantowych.

Najnowszy wynik Google'a nie oznacza jednak, że komputery kwantowe zastąpią komputery klasyczne. Na przykład Sycamore nie może wykonywać typowych operacji zwykłego komputera, takich jak zapisywanie zdjęć czy wysyłanie e-maili. Sergio Boixo, szef projektu obliczeń kwantowych Google w Santa Barbara w Kalifornii, wyjaśnia: „Komputery kwantowe nie są szybsze — są inne”. Docelowo mają one wykonywać klasycznie niemożliwe – i użyteczne – zadania, takie jak dokładne symulowanie reakcji chemicznych.

Procesor Sycamore wygląda podobnie do krzemowych chipów zasilających codzienne laptopy, ale został specjalnie zaprojektowany, aby kontrolować przepływające przez niego elektrony z kwantową precyzją. Aby ograniczyć wahania temperatury, które mogłyby zniszczyć delikatne stany elektronów i wprowadzić szum, chip utrzymuje się w bardzo niskich temperaturach bliskich zera absolutnego.

Zamiast klasycznych bitów (które zawsze mają wartość 0 lub 1) chip kwantowy wykorzystuje kubity, które wykorzystują zdolność elektronów do przebywania w mieszaninie stanów. Komputer kwantowy może wykonać niektóre zadania, używając wykładniczo mniejszej liczby kubitów niż bity, których potrzebowałby klasyczny komputer. Na przykład klasyczny komputer potrzebuje 1024 bitów do uruchomienia algorytmu RCS, podczas gdy komputer kwantowy potrzebuje tylko 10 kubitów.

Pięć lat temu zespół badaczy Google doniósł w Nature 2, że odtworzenie 200-sekundowego przebiegu RCS na komputerze o pojemności 53 kubitów zajęłoby klasycznemu superkomputerowi 10 000 lat. Niemal natychmiast roszczenie znalazło się pod ostrzałem; Naukowcy z technologicznego giganta IBM opublikowali w Internecie wstępny wydruk 3, co sugerowało, że superkomputer mógłby faktycznie wykonać to zadanie w ciągu kilku dni. W czerwcu Lu i jego koledzy użyli potężnych, klasycznych komputerów, aby sfałszować wynik w nieco ponad minutę 4.

Wynik Google’a za rok 2019 nie jest jedynym dotkniętym klasycznymi podróbkami. W czerwcu 2023 r. badacze IBM i inne osoby zgłosiły dowody 5 że ich 127-kubitowy komputer mógłby rozwiązać potencjalnie przydatne problemy matematyczne, które „wykraczają poza brutalne klasyczne obliczenia”. W ciągu kilku tygodni kilka badań wykazało 6, 7 że podejścia klasyczne mogą w dalszym ciągu konkurować.

Boixo i jego współpracownicy chcieli zrozumieć, w jaki sposób hałas sprawia, że ​​komputery kwantowe są podatne na klasyczne fałszerstwa. Odkryli, że nawet niewielkie różnice w współczynniku błędów kubitu – od 99,4% wolnego od błędów do 99,7% – powodują, że Sycamore zachowuje się tak, jakby znajdował się w nowym stanie, podobnie jak materia zmienia się ze stałego w ciekły.

„Hałas zmienia system w coś klasycznego” – mówi Boixo. Gdy zaktualizowana wersja Sycamore z 67 kubitami przekroczyła pewien próg szumu, symulacja sygnału wyjściowego RCS stała się klasycznie niemożliwa.

W ciągu ostatnich dwóch lat próby prześcignięcia klasycznych superkomputerów skupiały się również na redukcji szumu kubitowego. Foss-Feig i jego współpracownicy uruchomili RCS na 56-kubitowym komputerze kwantowym o niskim poziomie błędów 8 Poprzez. Mówi, że dzięki lepszym kubitom „klasyczne komputery nie mogą już konkurować z komputerami kwantowymi, przynajmniej w przypadku RCS”.

Naukowcy mają nadzieję, że pewnego dnia komputery kwantowe będą wystarczająco duże i wolne od błędów, aby wyjść poza konflikt między komputerami kwantowymi i klasycznymi. Na razie są zadowoleni z walki. „Jeśli nie możesz zyskać przewagi w RCS, najprostszej aplikacji” – mówi Boixo, „nie sądzę, że możesz wygrać w jakiejkolwiek innej aplikacji”.

1. Morvan, A. i in. Natura 634, 328–333 (2024).

   Artykuł Scholar Google

2. Arute, F. i in. Natura 574, 505–510 (2019).

   Artykuł PubMed Scholar Google

3. Pednault, E., Gunnels, JA, Nannicini, G., Horesh, L. & Wisnieff, R. Preprint w arXiv https://doi.org/10.48550/arXiv.1910.09534 (2019).

4. Zhao, X.-H. i in. Przeddruk w arXiv https://doi.org/10.48550/arXiv.2406.18889 (2024).

5. Kim, Y. i in. Natura 618, 500–505 (2023).

   Artykuł PubMed Scholar Google

6. Tindall, J. i in. Przeddruk w arXiv https://doi.org/10.48550/arXiv.2306.14887 (2023).

7. Begušić, T. i Kin-Lic Chan, G. Preprint w arXiv https://doi.org/10.48550/arXiv.2306.16372 (2023).

8. DeCross, M. i in. Przeddruk w arXiv https://doi.org/10.48550/arXiv.2406.02501 (2024).

Pobierz referencje