インサイダーブリーフ
- USC主導の研究では、おおよその最適化において量子優位性が実証されており、量子アニールが特定の複雑な問題に関する最もよく知られている古典的なアルゴリズムを上回ることを示しています。
- D-Waveプロセッサで量子アニーリング補正を使用して、研究者はノイズを抑制し、1,300を超える論理的なキュービットを作成して、古典的な方法よりもスピングラスの問題をより効率的に解決しました。
- この研究では、焦点を正確なソリューションからほぼ最適なソリューションにシフトします。これは、金融、物流、エンジニアリングの実際のアプリケーションに十分な場合が多いことがよくあります。
プレスリリース – 量子コンピューターは、「Quantum Advantage」として知られ、最近公開された論文でUSC研究者によって実証されたプロセスである、古典的なスーパーコンピューターよりも速く最適化の問題を解決できます。 物理的なレビューレター。
この研究では、量子コンピューティングの特殊な形式である量子アニーリングが、複雑な問題で最適に近いソリューションを検索する際に、最適な現在の古典的なアルゴリズムをどのように上回るかを示しています。
「量子アニーリングの作品は、解決される問題に対する最適または最適なソリューションに対応する量子システムで低エネルギー状態を見つけることです」と、USC Viterbi School of Engineeringの電気およびコンピューター工学、化学、物理学、およびArthurnsife College and SciensとSciensとSciensとScientとScientの研究の教授であり、研究の著者であるDaniel Lidar氏は述べています。
近似最適化
科学者たちは、量子アニールの使用により、量子スケーリングの優位性（問題サイズが増えるにつれて量子の利点が増加する）を実証するのに苦労してきました。量子アニーリングは、最適化のための計算上の利点を提供するように長い間理論化されてきましたが、古典的な方法よりもスケーリングの改善の決定的な証拠はとらえどころのないものです。この研究では、焦点を正確な最適化（量子アドバンテージが実証されたまま）から、産業と科学に幅広い適用可能性のある分野である最適化の近似にシフトします。
量子アニーリングは、量子物理学の原理を使用して困難な最適化問題に対する高品質のソリューションを見つけることができる特定のタイプの量子コンピューティングです。正確な最適なソリューションを必要とするのではなく、この研究は最適な値の特定の割合（≥1％）以内のソリューションを見つけることに焦点を合わせました。
多くの現実世界の問題は正確なソリューションを必要としないため、このアプローチは実質的に関連しています。たとえば、どの株を投資信託に入れるかを決定する際には、他のすべての株式ポートフォリオを破るのではなく、主要な市場指数に勝つだけで十分です。
アルゴリズムの量子スケーリングの優位性を示すために、研究者はUSCのInformation Sciences Instituteに設置された特殊なタイプの量子コンピューティングデバイスであるD-Wave Advantage Quantum Annealeal Processorを使用しました。現在のすべての量子コンピューターと同様に、ノイズは、量子アニーリングの量子優位性を台無しにする上で大きな役割を果たします。
この問題を克服するために、チームはD-Waveのプロセッサに量子アニーリング補正（QAC）と呼ばれる手法を実装し、1,300を超えるエラーが抑制された論理キビットを作成しました。このエラー抑制は、同等の問題に対して最も効率的な現在の古典的アルゴリズムであるIsoenergeticクラスターの動き（PT-ICM）を使用して、並列強化よりも利点を達成するための鍵でした。
「エプシロンまでの時間」のパフォーマンス
この研究は、いくつかの研究方法を利用して量子の利点を実証し、高精度相互作用を伴う2次元スピングラスの問題のファミリーに焦点を合わせました。 「スピングラスの問題は、無秩序な磁気システムの統計物理学モデルに由来する複雑な最適化の課題のクラスです」とLidar氏は述べています。研究者は正確なソリューションを求める代わりに、「エプシロンまでの時間」のパフォーマンスをベンチマークし、各アプローチが最適な答えの指定された割合内でソリューションを見つけることができる速さを測定しました。
研究者は、調査結果をより密度の高い高次元的な問題に拡張し、現実世界の最適化におけるアプリケーションを探求することを目指しています。 Lidarは、量子ハードウェアとエラー抑制のさらなる改善が観察された利点を増幅する可能性があると述べました。 「これにより、最適に近いソリューションで十分な最適化タスクにおける量子アルゴリズムの新しい道が開かれます。」
