Tutkijoiden kehittämä algoritmi tekee kvanttitietokoneista entistä tehokkaampia

Kvanttilaskennan saralla ollaan ottamassa edistysaskeleita Helsingin yliopiston, Aalto-yliopiston, Turun yliopiston ja IBM:n Zürichin tutkimuskeskuksen tutkimusyhteistyön ansiosta. Tutkijaryhmä on ehdottanut ratkaisua, joka tekee kvanttitietokoneista entistä tehokkaampia, nopeampia ja viime kädessä myös kestävämpiä.

Kvanttitietokoneilla voidaan mahdollisesti ratkaista merkittäviä ongelmia, joihin kaikkein tehokkaimpien supertietokoneidenkaan kapasiteetti ei riitä. Samalla tarvitaan kuitenkin täysin uudenlaista ohjelmointia ja uusia algoritmeja.

Tutkijaryhmä on kehittänyt uuden tavan nopeuttaa kvanttitietokoneiden laskentaa. Tutkimustulokset esiteltiin fysiikan alan American Physical Society -järjestön julkaisemassa PRX Quantum -tiedelehdessä.

”Toisin kuin perinteiset tietokoneet, jotka tallentavat ykkösiä ja nollia bitteinä, kvanttiprosessori tallentaa tietoa kubitteinä, jotka esittävät systeemin kvanttitilaa eli aaltofunktiota”, kertoo tutkijatohtori Guillermo García-Pérez Helsingin yliopiston fysiikan laitokselta. Tämän takia kvanttikoneissa olevan tiedon lukemiseen tarvitaan erityisiä menetelmiä.

”Tätä kvanttitilaa on itse asiassa yleensä mahdotonta esittää tavallisilla tietokoneilla, joten hyödyllistä tietoa siitä joudutaan etsimään tekemällä tarkkarajaisia havaintoja, joita kvanttifyysikot kutsuvat mittauksiksi”, sanoo García-Pérez.

Ongelmia aiheuttaa kvanttitietokoneiden suosittujen sovellusten vaatima suuri mittausten määrä. Tarvittavien laskutoimitusten määrän tiedetään kasvavan erittäin nopeasti simuloidun järjestelmän koon mukana siitä huolimatta että mittauksia tehdään rajallinen määrä. Tämä hidastaa laskentaa ja kuluttaa paljon laskentatehoa, mikä vaikeuttaa prosessin skaalaamista ylöspäin.

Uudessa menetelmässä hyödynnetään yleistä kvanttimittausluokkaa, jota sovelletaan laskennan aikana niin, että kvanttitilaan tallennettu tieto saadaan ulos tehokkaasti. Menetelmä vähentää huomattavasti toistojen määrää ja siten myös huipputarkkoihin simulaatioihin tarvittavan laskennan kestoa ja kustannuksia.

Aallon tutkijatohtori Matteo Rossi kertoo, että kvanttitietokoneilla suoritetuissa simulaatioissa on tähän asti käytetty yksinkertaisia ​​Pauli-mittauksia.

”Työssämme käytetään Pauli-mittauksia yleisempiä kvanttimittaustapoja, jotka ovat muokattavissa. Suurin haaste on näiden mittausten optimointi tehokkaasti. Paras mittaus riippuu tilasta, jota mitataan, eikä sitä tiedetä etukäteen. Ratkaisimme ongelman mukautuvalla mittaustavalla", hän selittää.

Menetelmä mahdollistaa aiempien mittaustulosten uudelleenkäytön, minkä lisäksi se osaa säätää omia asetuksiaan. Uudet ajot ovat kerta kerralta tarkempia, ja kerättyä dataa voidaan käyttää yhä uudestaan laskemaan järjestelmän muita ominaisuuksia ilman lisäkustannuksia.

”Otamme kaiken mahdollisen irti joka ikisestä näytteestä yhdistämällä kaiken tuotetun datan. Samalla hienosäädetään mittausta niin, että saadaan erittäin tarkkoja arvioita tutkittavasta suureesta, kuten vaikkapa kohteena olevan molekyylin energiasta. Nämä osatekijät yhdistämällä voidaan vähentää laskennan arvioitua kestoa monen suuruusluokan verran”, García-Pérez sanoo.

Lue artikkeli: Learning to Measure: Adaptive Informationally Complete Generalized Measurements for Quantum Algorithms

Lue alkuperäinen uutisartikkeli Helsingin yliopiston sivuilla.