Ученые из Университета Южной Калифорнии (USC) под руководством профессора Дэниела Лидара представили первое в мире свидетельство о масштабируемом превосходстве квантового компьютера над классическими суперкомпьютерами в задачах приближенной оптимизации. Используя процессор D-Wave Advantage и метод квантовой отжиговой коррекции (QAC), команда создала более 1300 логических кубитов с коррекцией ошибок, что позволило превзойти самый эффективный классический алгоритм — параллельное темперирование с перемещениями в изоэнергетических кластерах (PT-ICM).
Квантовый отжиг — это особый тип квантовых вычислений, который применяет принципы квантовой физики для поиска оптимальных или приближенных к ним решений сложных задач. В отличие от традиционных методов, которые требуют точности, квантовый отжиг стремится к результатам с отклонением от идеала не более 1%. «Квантовый отжиг ищет низкоэнергетические состояния в квантовых системах, что соответствует наилучшим решениям задач», — поясняет Лидар. Этот подход особенно эффективен для прикладных задач, таких как выбор акций в инвестиционных портфелях, где необходимо превзойти рыночный индекс.
Эксперимент был реализован на квантовом процессоре D-Wave Advantage, установленном в Институте информационных наук USC. Основной проблемой квантовых компьютеров остается шум, который снижает их производительность. Команда USC внедрила метод QAC, включающий код коррекции ошибок с энергетическими штрафами, что позволило создать более 1300 стойких логических кубитов. Это обеспечило преимущество над PT-ICM в задачах оптимизации на двумерных моделях спинового стекла с высокой точностью взаимодействия спинов.
Квантовые вычисления обещают революцию в областях, где требуются быстрые и близкие к оптимальным решения. Например, в финансовом секторе они могут улучшить составление портфолио, в логистике — оптимизировать маршруты доставки, а в науке — моделировать материалы. Эксперимент доказал, что квантовый компьютер с QAC превосходит PT-ICM в выборе низкоэнергетических состояний с разрывом в оптимальности не менее 1%. «Это первый случай, когда квантовый алгоритм показал масштабируемое ускорение в приближенной оптимизации», — подчеркивает Лидар.
Исследователи планируют расширить свои работы на более сложные задачи и многомерные проблемы, а также усовершенствовать квантовое оборудование для повышения эффективности. «Мы только начинаем раскрывать потенциал квантовых алгоритмов», — говорит Лидар.
Источник: iXBT
