A Google processzorának előadói megjelenítése. Köszönetnyilvánítás: Forest Stearns, a Google AI Quantum Artist in Residence
A CPQM Quantum Information Processing Laboratory for Quantum Information Processing együttműködött a CDISE „Zhores” szuperszámítógép-csapatával, hogy emulálja a Google kvantumprocesszorát. A csapat zajtalan adatokat reprodukálva ugyanazokat a statisztikákat követve, mint a Google legutóbbi kísérletei, a csapat rá tudott mutatni a Google adataiban megbúvó finom hatásra. Ezt az elérhetőségi deficitnek nevezett hatást a Skoltech csapata fedezte fel múltbeli munka. A numerikus adatok megerősítették, hogy a Google adatai egy úgynevezett sűrűségfüggő lavina szélén álltak, ami arra utal, hogy a jövőbeni kísérletekhez lényegesen több kvantumerőforrásra lesz szükség a kvantumközelítő optimalizálás elvégzéséhez. Az eredményeket a szakterület vezető folyóiratában teszik közzé Kvantum.
A numerikus számítástechnika korai napjaitól kezdve a kvantumrendszerek rendkívül nehezen utánozhatónak tűntek, bár ennek pontos okai továbbra is aktív kutatás tárgyát képezik. Ennek ellenére a klasszikus számítógépnek ez a látszólag velejáró nehézsége a kvantumrendszerek emulálására számos kutatót arra késztetett, hogy megfordítsák a narratívát.
A tudósok, például Richard Feynman és Yuri Manin az 1980-as évek elején azt feltételezték, hogy az ismeretlen összetevők, amelyek úgy tűnik, hogy a kvantumszámítógépeket nehezen tudják emulálni a klasszikus számítógépekkel, maguk is számítási erőforrásként használhatók. Például egy kvantumprocesszornak jól kell szimulálnia a kvantumrendszereket, mivel ugyanazok az alapelvek vezérlik őket.
Az ilyen korai ötletek végül oda vezettek, hogy a Google és más technológiai óriások elkészítették a régóta várt kvantumprocesszorok prototípusát. Ezek a modern eszközök hibára hajlamosak, csak a legegyszerűbb kvantumprogramokat tudják végrehajtani, és minden számítást többször meg kell ismételni a hibák átlagolásához, hogy végül közelítést kaphasson.
Ezeknek a kortárs kvantumprocesszoroknak a legtöbbet tanulmányozott alkalmazásai közé tartozik a kvantumközelítő optimalizálási algoritmus vagy QAOA (ejtsd: „kyoo-ay-oh-AY”). Egy sor drámai kísérlet során a Google processzorát használta a QAOA teljesítményének 23 qubit és három hangolható programlépés segítségével történő vizsgálatára.
Dióhéjban a QAOA egy olyan megközelítés, amelyben egy klasszikus számítógépből és egy kvantumtársprocesszorból álló hibrid rendszeren az optimalizálási problémák megközelítőleg történő megoldása a cél. A prototipikus kvantumprocesszorok, mint például a Google Sycamore, jelenleg csak zajos és korlátozott műveletek végrehajtására korlátozódnak. A hibrid beállítás használatával a remény az, hogy enyhítsünk ezen szisztematikus korlátok némelyikén, és továbbra is visszanyerjük a kvantumviselkedést, hogy kihasználjuk, így különösen vonzóvá téve az olyan megközelítéseket, mint a QAOA.
A Skoltech tudósai egy sor újabb felfedezést tettek a QAOA-val kapcsolatban, lásd például az írást itt. Ezek közül kiemelkedik egy olyan hatás, amely alapvetően korlátozza a QAOA alkalmazhatóságát. Megmutatják, hogy egy optimalizálási probléma sűrűsége – vagyis a korlátai és a változói közötti arány – nagy akadályt jelent a közelítő megoldások elérésében. A kvantumtársprocesszoron futtatott műveletek tekintetében további erőforrásokra van szükség ennek a teljesítménykorlátozásnak a leküzdéséhez. Ezeket a felfedezéseket toll és papír, valamint nagyon kis emulációk segítségével végezték. Azt akarták látni, hogy a nemrég felfedezett hatás megnyilvánul-e a Google legutóbbi kísérleti tanulmányában.
A Skoltech kvantumalgoritmus-laboratóriuma ezután megkereste az Oleg Panarin által vezetett CDISE szuperszámítógép-csoportot a Google kvantumchipjének emulálásához szükséges jelentős számítási erőforrásokért. A Quantum Laboratórium tagja, Dr. Igor Zacharov tudományos főmunkatárs több mással együtt dolgozott azon, hogy a meglévő emulációs szoftvert olyan formává alakítsák, amely lehetővé teszi a párhuzamos számítást a Zhores-en. Néhány hónap elteltével a csapatnak sikerült létrehoznia egy emulációt, amely ugyanolyan statisztikai eloszlással adja ki az adatokat, mint a Google, és egy sor példánysűrűséget mutatott ki, amelynél a QAOA teljesítménye meredeken romlik. Felfedték továbbá, hogy a Google adatai ennek a tartománynak a szélén helyezkednek el, amelyen túl a technika jelenlegi állása nem lenne elegendő ahhoz, hogy semmilyen előnyt hozzon létre.
A Skoltech csapata eredetileg úgy találta, hogy az elérhetőségi hiányok – egy probléma kényszer-változó aránya által kiváltott teljesítménykorlátozás – jelen vannak egy olyan probléma esetében, amelyet maximális kényszer kielégíthetőségnek neveznek. A Google azonban fontolóra vette a gráf energiafüggvényeinek minimalizálását. Mivel ezek a problémák ugyanabba a komplexitási osztályba tartoznak, ez koncepcionális reményt adott a csapatnak, hogy a problémák, majd a hatás is összefüggésbe hozható. Ez az intuíció helyesnek bizonyult. Az adatok előállításra kerültek, és az eredmények egyértelműen azt mutatták, hogy az elérhetőségi hiányok egyfajta lavinahatást váltanak ki, és a Google adatait ennek a gyors átalakulásnak a szélére helyezik, amelyen túl hosszabb, erősebb QAOA-áramkörökre lesz szükség.
Oleg Panarin, a Skoltech adat- és információs szolgáltatásokért felelős menedzsere így nyilatkozott: „Nagyon örülünk, hogy számítógépünk idáig fajult. A projekt hosszú és kihívásokkal teli volt, és a kvantumlaborral együtt dolgoztunk a keretrendszer fejlesztésén. Úgy gondoljuk, hogy ez a projekt megalapozza az ilyen típusú jövőbeli, Zhores-t használó bemutatókat.”
Igor Zacharov, a Skoltech vezető kutatója hozzátette: „A meglévő kódot Akshay Vishwanatahantól, a tanulmány első szerzőjétől vettük át, és egy párhuzamosan futó programmá alakítottuk. Minden bizonnyal izgalmas pillanat volt mindannyiunk számára, amikor végre megjelentek az adatok, és ugyanazok a statisztikáink voltak, mint a Google. Ebben a projektben olyan szoftvercsomagot hoztunk létre, amely immár képes emulálni a legkorszerűbb kvantumprocesszorokat, akár 36 qubittel és egy tucat réteg mélységgel.”
Akshay Vishwanatahan, a Skoltech PhD hallgatója a következőképpen zárta: „A QAOA néhány qubit és rétegének túllépése jelentős kihívást jelentett abban az időben. Az általunk kifejlesztett házon belüli emulációs szoftver csak játékmodell eseteket tudott kezelni, és kezdetben úgy éreztem, hogy ez a projekt, bár izgalmas kihívás, szinte lehetetlennek bizonyulna. Szerencsére optimista és jókedvű társaim közepette voltam, és ez tovább motivált, hogy kövessem és reprodukáljam a Google zajtalan adatait. Minden bizonnyal nagy izgalom volt, amikor adataink megegyeztek a Google adataival, hasonló statisztikai eloszlással, amiből végre láthattuk a hatás jelenlétét.”
Hivatkozás: V. Akshay, H. Philathong, I. Zacharov és J. Biamonte „Elérhetőségi hiányosságok a gráfproblémák kvantumkörülbelül optimalizálása során”, 30. augusztus 2021. Kvantum.
DOI: 10.22331/q-2021-08-30-532
