俄羅斯科學家使用超級計算機探測Google量子處理器的極限

CPQM的量子信息處理實驗室與CDISE的超級計算團隊”Zhores”合作以模擬Google的量子處理器按照與Google最近的實驗相同的統計數據複製無噪音數據,該團隊能夠指出Google的數據中潛藏着微妙的效應。這種效應被稱為可及性缺失,是由Skoltech團隊在過去的工作中發現的。

數值學證實,Google的數據處於所謂的、依賴密度的雪崩的邊緣,這意味着未來的實驗將需要明顯更多的量子資源來進行量子近似優化。

這些結果發表在該領域的權威雜誌《量子》上。

Artists-Rendition-Google-Quantum-Processor..jpg

藝術家對谷歌量子處理器的渲染

從數值計算的早期開始,量子系統就顯得極其難以模仿,儘管其確切原因仍然是一個積極研究的課題。儘管如此,經典計算機模擬量子系統的這種明顯固有的困難促使一些研究人員翻轉了敘述。

理查德·費曼和尤里·馬寧等科學家在20世紀80年代初推測,那些似乎使量子計算機難以用經典計算機模擬的未知成分本身可以作為一種計算資源使用。例如,量子處理器應該善於模擬量子系統,因為它們是由相同的基本原理支配的。

這樣的早期想法最終讓Google和其他科技巨頭創造了期待已久的量子處理器的原型版本。值得注意跌勢,這些現代設備很容易出錯,它們只能執行最簡單的量子程序,而且每次計算都必須重複多次,以平均誤差,最終形成一個近似值。

在這些當代量子處理器的應用中,研究最多的是量子近似優化算法,或QAOA(發音為”kyoo-ay-oh-ay”)。在一系列戲劇性的實驗中,Google使用其處理器探測QAOA的性能,使用23個量子比特和三個可調整的程序步驟。

簡而言之,QAOA是一種方法,其目的是在一個由經典計算機和量子協處理器組成的混合設置上近似解決優化問題。原型的量子處理器,如Google的Sycamore目前被限制在執行噪音和有限的操作。使用混合設置,希望能夠減輕這些系統性的限制,並仍然恢復量子行為以利用,這使得QAOA等方法特別有吸引力。

Skoltech的科學家們最近取得了一系列與QAOA有關的發現。其中最突出的是一個從根本上限制QAOA適用性的效應。他們表明,一個優化問題的密度,即其約束條件和變量之間的比率是實現近似解的主要障礙。以在量子協處理器上運行的操作而言,需要額外的資源來克服這一性能限制。這些發現是用紙筆和非常小的仿真器完成的,研究人員希望證實他們最近發現的效果是否在Google最近的實驗研究中表現出來。

Skoltech的量子算法實驗室隨後與Oleg Panarin領導的CDISE超級計算團隊接洽,以獲得模擬Google量子芯片所需的大量計算資源。量子實驗室成員、高級研究科學家Igor Zacharov博士與其他幾個人合作,將現有的仿真軟件轉變為允許在Zhores上進行并行計算的形式。幾個月後,該團隊成功創建了一個仿真,該仿真輸出的數據具有與Google相同的統計分佈,並顯示了QAOA性能急劇下降的實例密度範圍。他們進一步顯示,Google的數據位於這個範圍的邊緣,超過這個範圍,目前的技術水平不足以產生任何優勢。

Skoltech團隊最初發現,可達性缺陷–一種由問題的約束與變量比率引起的性能限制存在於一種叫做最大約束滿足性的問題中。而Google則考慮了圖能量函數的最小化。由於這些問題屬於同一複雜度類別,這給團隊帶來了概念上的希望,即這些問題,以及後來的效果,可能是相關的。這一直覺被證明是正確的。數據產生后,研究結果清楚地表明,可達性缺陷產生了一種雪崩效應,使Google的數據處於這種快速轉變的邊緣,超過這個邊緣,更長、更強大的QAOA電路就成為一種必要。

Skoltech公司的數據和信息服務經理Oleg Panarin評論說。”我們非常高興看到我們的計算機被推到這個極端。這個項目是漫長而富有挑戰性的,我們與量子實驗室攜手合作,開發了這個框架。我們相信這個項目為未來使用Zhores進行這種類型的演示設定了基線。”

Skoltech公司的高級研究科學家Igor Zacharov補充說:”我們從這項研究的第一作者Akshay Vishwanatahan那裡獲得了現有的代碼,並把它變成了一個可以并行運行的程序。當數據最終出現時,對我們所有人來說是一個激動人心的時刻:我們擁有了與Google一樣的統計數據。在這個項目中創建的軟件包現在可以模擬各種最先進的量子處理器,有多達36個量子比特和十幾層深度”。

Skoltech的博士生Akshay Vishwanatahan總結說。”在QAOA中超過幾個量子比特和幾層,在當時是一項具有明顯挑戰性的任務。我們開發的內部仿真軟件只能解決玩具模型的情況,我最初覺得這個項目雖然是一個令人興奮的挑戰,但幾乎不可能完成。幸運的是,我身處一群樂觀和積極的同行之中,這進一步激勵我堅持下去,重現Google的無噪音數據。當我們的數據與Google的數據相匹配時,當然是一個非常興奮的時刻,因為我們的數據具有類似的統計分佈,從中我們終於能夠看到效果的存在。”

(0)
上一篇 2021-09-30 08:46
下一篇 2021-09-30 08:46

相关推荐