北京時間5月6日消息（余予）哈佛大學(xué)與QuEra Computing、麻省理工學(xué)院、因斯布魯克大學(xué)和其他機(jī)構(gòu)的科學(xué)家之間進(jìn)行合作，展示了中性原子量子處理器在解決實際使用問題方面的突破性應(yīng)用。這項名為“使用里德堡原子陣列的最大獨立集進(jìn)行量子優(yōu)化（Quantum Optimization of Maximum Independent Set using Rydberg Atom Arrays）”的工作由哈佛大學(xué)Mikhail Lukin和Markus Greiner教授以及麻省理工學(xué)院Vladan Vuletic教授領(lǐng)導(dǎo)，并于2022年5月5日在《科學(xué)》雜志上發(fā)表。

在此之前，有關(guān)中性原子量子處理器有效地編碼某些硬組合優(yōu)化問題就已經(jīng)被提出。在這本里程碑式的出版物中，作者不僅在真正的量子計算機(jī)上部署了高效量子優(yōu)化并首次實現(xiàn)，而且還展示了前所未有的量子硬件能力。

計算是在哈佛大學(xué)的289個量子位量子處理器上進(jìn)行的，以模擬模式運(yùn)行，有效電路深度高達(dá)32。與之前的量子優(yōu)化示例不同，這項工作中使用的大系統(tǒng)規(guī)模和電路深度，使其不可能使用經(jīng)典的模擬來預(yù)先優(yōu)化控制參數(shù)。量子經(jīng)典混合算法必須部署在一個閉環(huán)中，并直接自動反饋給量子處理器。

系統(tǒng)規(guī)模、電路深度和出色的量子控制的組合帶來了一次量子飛躍：與經(jīng)典啟發(fā)式算法相比，在量子處理器上發(fā)現(xiàn)問題實例的性能優(yōu)于預(yù)期。該團(tuán)隊用“硬度參數(shù)”來描述優(yōu)化問題實例的難度，確定了一些具有挑戰(zhàn)性的經(jīng)典計算機(jī)的案例，使用中性原子量子處理器可以更有效地解決這些案例。與一類通用經(jīng)典算法相比，發(fā)現(xiàn)了一種超線性量子加速。QuEra的開源包GenericTensorNetworks.jl和 Bloqade.jl在發(fā)現(xiàn)硬實例和理解量子性能方面發(fā)揮了重要作用。

“對量子算法的基礎(chǔ)物理及其經(jīng)典算法的基本限制的深刻理解，使我們能夠?qū)崿F(xiàn)量子機(jī)器實現(xiàn)加速的方法，”哈佛大學(xué)研究生和主要作者之一Madelyn Cain表示。

問題和量子硬件之間匹配的重要性是這項工作的核心。“在不久的將來，為了盡可能多地提取量子能量，確定可以本地映射到特定量子架構(gòu)的問題至關(guān)重要，而且?guī)缀鯖]有開銷，”QuEra Computing高級科學(xué)家、這項工作中使用的量子算法的共同發(fā)明者之一王盛濤（Shengtao Wang）表示，“我們在這次演示中實現(xiàn)了這一點。”

由團(tuán)隊解決的“最大獨立集”問題是計算機(jī)科學(xué)中的一個典型難題，在物流、網(wǎng)絡(luò)設(shè)計、金融等領(lǐng)域具有廣泛的應(yīng)用。使用量子加速解決方案識別具有經(jīng)典挑戰(zhàn)性的問題實例為應(yīng)用量子計算滿足現(xiàn)實世界的工業(yè)和社會需求鋪平了道路。

“這些結(jié)果代表了將有用的量子優(yōu)勢帶到與多個行業(yè)相關(guān)的硬優(yōu)化問題的第一步。”QuEra Computing首席執(zhí)行官兼已發(fā)表作品的合著者Alex Keesling補(bǔ)充道，“我們很高興看到量子計算開始達(dá)到必要的成熟度，硬件可以為算法開發(fā)提供信息，這超出了經(jīng)典計算方法可以提前預(yù)測的范圍。此外，對于困難的問題，量子加速存在是非常令人鼓舞的。這些結(jié)果幫助我們開發(fā)更好的算法和更先進(jìn)的硬件，從而解決一些最困難、最相關(guān)的計算問題。”

這項工作得到了DARPA、NSF、DOE、ARO、QuEra Computing和AWS的支持。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。