Quantum Approximate Optimization Algorithm with Cat Qubits
Diese Arbeit zeigt, dass die Implementierung des Quantum Approximate Optimization Algorithm (QAOA) mit Cat-Qubits in Kerr-Resonatoren, die aufgrund von Photonenverlusten ein -voreingenommenes Rauschen aufweisen, im Vergleich zu Standard-Zustands-Qubits unter Einzelphotonenverlust höhere Approximationsraten für zufällige MaxCut-Instanzen liefert.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Im Wettlauf um den Bau nützlicher Quantencomputer navigieren Wissenschaftler derzeit durch ein schwieriges Zwischenstadium. Sie verfügen über Maschinen, die groß genug sind, um reale Probleme zu versuchen, aber noch nicht groß genug, um vollkommen zuverlässig zu sein. Diese Geräte, die oft als rauschbehaftete Quantencomputer mittlerer Skala (Noisy Intermediate-Scale Quantum Computers) bezeichnet werden, sind anfällig für Fehler, die ihre Berechnungen durcheinanderbringen können, bevor sie abgeschlossen sind. Um dies zu umgehen, verlassen sich Forscher auf eine spezifische Strategie, die als Quantum Approximate Optimization Algorithm bekannt ist. Diese Methode wurde entwickelt, um komplexe Rätsel zu lösen – wie etwa die effizienteste Route für eine Lieferflotte zu finden oder die beste Art und Weise, eine Gruppe von Menschen in zwei Teams aufzuteilen – indem sie kurze, flache Schaltkreise nutzt, die weniger wahrscheinlich unter der Last des Rauschens zusammenbrechen. Die zentrale Herausforderung für diese Maschinen besteht nicht nur darin, den Algorithmus auszuführen, sondern einen Weg zu finden, Informationen so zu speichern, dass sie gegen die spezifischen Arten von Fehlern resistent sind, die die heutige Hardware plagen.
Ein Team von Forschern hat nun einen vielversprechenden neuen Weg zur Speicherung dieser Informationen untersucht, indem es eine Art von Quantenbit verwendet, das als „Cat Qubit“ bezeichnet wird. Im Gegensatz zu Standard-Quantenbits, die oft mit winzigen Kreisel-Spielzeugen verglichen werden, bestehen Cat Qubits aus Licht, das in einem Resonator gefangen ist und einen Zustand einnimmt, der zwei entgegengesetzten Wellen gleichzeitig ähnelt. Die Forscher konzentrierten sich auf einen spezifischen physikalischen Aufbau, der eine Vorrichtung namens Kerr-nichtlinearer Resonator nutzt, welcher eine spezielle Art der Licht-Materie-Wechselwirkung verwendet, um diese Zustände zu erzeugen. Das Schlüsselmerkmal dieses Ansatzes ist, dass die von ihm erzeugten Fehler nicht zufällig sind; sie sind verzerrt (biased). In einem Standardsystem könnte ein Fehler ein Bit mit gleicher Wahrscheinlichkeit von Null auf Eins drehen oder seine Phase ändern. In diesem Cat-Qubit-System ist der dominante Fehler – verursacht durch den Verlust eines einzelnen Photons – fast ausschließlich auf die Phase bezogen, wodurch Bit-Flip-Fehler so selten werden, dass sie praktisch vernachlässigbar sind. Diese Verzerrung wirkt wie ein eingebauter Schutzschild, der die Informationen wesentlich robuster gegen die häufigste Form des Zerfalls macht.
Die Forscher gingen die Frage an, ob diese Verzerrung die Leistung des Optimierungsalgorithmus tatsächlich verbessern konnte. Sie simulierten den Prozess der Lösung eines klassischen Problems namens MaxCut, bei dem es darum geht, die Knoten eines Netzwerks in zwei Gruppen zu unterteilen, um die Verbindungen zwischen ihnen zu maximieren. Sie führten diese Simulationen auf einem Computer durch, wobei sie das Verhalten der Cat Qubits modellierten, während sie die notwendige Sequenz von Operationen durchlaufen. Um einen fairen Test zu gewährleisten, verglichen sie die Cat Qubits mit Standard-Quantenbits, die in einfachen Zwei-Niveau-Systemen kodiert waren, wobei sie das Standardsystem so präzise abstimmten, dass beide Arten von Bits die exakt gleiche durchschnittliche Zuverlässigkeit für ihre einzelnen Operationen aufwiesen. Die Ergebnisse waren eindeutig: Wenn der Algorithmus auf den Cat Qubits lief, fand er konsistent bessere Lösungen als bei den Standard-Bits. Selbst bei demselben Rauschpegel ermöglichte die verzerrte Natur der Cat Qubits dem Algorithmus, eine höhere Qualität der Annäherung aufrechtzuerhalten, wodurch er effektiv näher an die perfekte Antwort gelangte.
Um zu verstehen, warum dies geschah, untersuchte das Team genau, wie sich Fehler während der Schritte des Algorithmus verhielten. Sie fanden heraus, dass die Cat Qubits zwar anfällig für Phasenfehler waren, die im Algorithmus verwendeten Gates diese Fehler jedoch anders behandelten als zufälliges Rauschen. In dem Standardsystem würden sich Fehler ausbreiten und die Berechnung in alle Richtungen korrumpieren. Im Cat-Qubit-System blieben die Fehler in eine einzige Richtung begrenzt, was der Algorithmus viel besser tolerieren konnte. Die Forscher testeten auch eine andere Idee: ob die Erstellung einer völlig neuen Version des Algorithmus, die speziell auf diese lichtbasierten Systeme zugeschnitten ist, sogar noch besser wäre. Ihre Simulationen deuteten darauf hin, dass es der effektivere Weg war, beim Standardalgorithmus zu bleiben und diesen einfach auf den überlegenen Cat Qubits auszuführen. Die Studie kommt zu dem Schluss, dass in der nahen Zukunft, in der Rauschen unvermeidlich ist, die Verwendung dieser verzerrten Qubits einen konkreten Vorteil bietet und einen klareren Weg zur Lösung schwieriger Optimierungsprobleme aufzeigt als aktuelle Standardansätze.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.