Des scientifiques observent une accélération quantique dans les problèmes d’optimisation

L’étude a été codirigée par Mikhail Lukin, professeur de physique George Vasmer Leverett à Harvard et codirecteur de la Harvard Quantum Initiative, Markus Greiner, professeur de physique George Vasmer Leverett et Vladan Vuletic, professeur de physique Lester Wolfe au MIT. . Intitulé “Quantum Optimization of Maximum Independent Set using Rydberg Atom Arrays”, a été publié le 5 mai^e2022, dans Science Magazine.

Auparavant, des processeurs quantiques à atomes neutres avaient été proposés pour coder efficacement certains problèmes d’optimisation combinatoire difficiles. Dans cette publication historique, les auteurs déploient non seulement la première mise en œuvre d’une optimisation quantique efficace sur un véritable ordinateur quantique, mais présentent également une puissance matérielle quantique sans précédent.

Les calculs ont été effectués sur le processeur quantique de Harvard de 289 qubits fonctionnant en mode analogique, avec des profondeurs de circuit effectives allant jusqu’à 32. Contrairement aux exemples précédents d’optimisation quantique, la grande taille du système et la profondeur de circuit utilisée dans ce travail ont rendu impossible l’utilisation classique. simulations pour pré-optimiser les paramètres de contrôle. Un algorithme hybride quantique-classique devait être déployé en boucle fermée, avec une rétroaction directe et automatisée vers le processeur quantique.

Cette combinaison de taille de système, de profondeur de circuit et de contrôle quantique exceptionnel a abouti à un saut quantique : des instances problématiques ont été trouvées avec des performances empiriquement meilleures que prévu sur le processeur quantique par rapport à l’heuristique classique. Caractérisant la difficulté des instances du problème d’optimisation avec un “paramètre de dureté”, l’équipe a identifié des cas qui défiaient les ordinateurs classiques, mais qui étaient résolus plus efficacement avec le processeur quantique à atome neutre. Une accélération quantique super-linéaire a été trouvée par rapport à une classe d’algorithmes classiques génériques. Les packages open source de QuEra, GenericTensorNetworks.jl et Bloqade.jl, ont joué un rôle déterminant dans la découverte d’instances matérielles et la compréhension des performances quantiques.

“Une compréhension approfondie de la physique sous-jacente de l’algorithme quantique ainsi que des limites fondamentales de son homologue classique nous a permis de découvrir des moyens pour que la machine quantique atteigne une accélération”, déclare Madelyn Cain, étudiante diplômée de Harvard et l’un des auteurs principaux. . L’importance de l’appariement entre le problème et le matériel quantique est au cœur de ce travail : “Dans un avenir proche, pour extraire autant de puissance quantique que possible, il est essentiel d’identifier les problèmes qui peuvent être mappés nativement à l’architecture quantique spécifique, avec peu ou pas de frais généraux », a déclaré Shengtao Wang, scientifique principal chez QuEra Computing et l’un des co-inventeurs des algorithmes quantiques utilisés dans ce travail, « et nous avons atteint exactement cela dans cette démonstration ».

Le problème de “l’ensemble indépendant maximal”, résolu par l’équipe, est une tâche difficile paradigmatique en informatique et a de nombreuses applications dans la logistique, la conception de réseaux, la finance, etc. L’identification d’instances problématiques classiques avec des solutions accélérées quantiques ouvre la voie à l’application de l’informatique quantique pour répondre aux besoins industriels et sociaux du monde réel.

“Ces résultats représentent la première étape vers l’apport d’un avantage quantique utile aux problèmes d’optimisation difficiles concernant de multiples industries”, a ajouté Alex Keesling, PDG de QuEra Computing et co-auteur du travail publié. “Nous sommes très heureux de voir l’informatique quantique commencer à atteindre le niveau de maturité nécessaire où le matériel peut informer le développement d’algorithmes au-delà de ce qui peut être prédit à l’avance avec les méthodes de calcul classiques. De plus, la présence d’une accélération quantique pour les instances de problèmes difficiles est extrêmement encourageant. Ces résultats nous aident à développer de meilleurs algorithmes et du matériel plus avancé pour résoudre certains des problèmes de calcul les plus difficiles et les plus pertinents.

Source de l’histoire :

Matériaux fourni par Université de Harvard. Remarque : Le contenu peut être modifié pour le style et la longueur.