Comparing Quantum Annealing and BF-DCQO

Im Wettlauf um die Lösung der schwierigsten Rätsel der Welt haben Wissenschaftler lange Zeit auf das seltsame Verhalten der Quantenwelt gehofft, um einen Vorteil zu erlangen. Zwei Hauptansätze sind entstanden, um diese Kraft zu nutzen. Der erste ist das Quantum Annealing, eine Methode, bei der eine Maschine langsam von einem einfachen Ausgangspunkt zu einem komplexen Ziel geführt wird, wodurch das System natürlich in die bestmögliche Lösung einsinken kann, ganz so wie ein Ball, der einen Hügel hinunterrollt, um das tiefste Tal zu finden. Der zweite Ansatz umfasst Gate-Modell-Quantencomputer, die Informationen in diskreten Schritten mithilfe von Logikgattern manipulieren, ähnlich wie ein herkömmlicher Computer Daten verarbeitet, jedoch mit der zusätzlichen Fähigkeit, gleichzeitig in mehreren Zuständen existieren zu können. Kürzlich schlugen Forscher eine hybride Technik vor, die diese beiden Welten kombiniert, indem sie einen klassischen Computer nutzen, um einen Gate-Modell-Quantenprozessor durch eine Serie von Schritten zu führen, um Optimierungsprobleme zu lösen. Diese Methode, bekannt als Bias-Field Digitized Counterdiabatic Quantum Optimization, wurde als überlegen gegenüber bestehenden Quantum-Annealing-Maschinen bezeichnet. Eine neue Analyse deutet jedoch darauf hin, dass die Geschichte ganz anders aussieht und offenbart, dass der Quantenteil dieses hybriden Systems möglicherweise nur sehr wenig der eigentlichen Arbeit leistet.

Ein Team von Forschern von D-Wave Quantum setzte sich zum Ziel, diese Behauptungen zu testen, indem sie die Leistung ihrer Quantum Annealer direkt mit dem Hybrid-Algorithmus verglich. Sie konzentrierten sich auf eine spezifische Art von Problem, bei dem das Ziel darin besteht, den Zustand niedrigster Energie unter einer riesigen Anzahl von Möglichkeiten zu finden – eine Aufgabe, die in der Logistik, Finanzwesen und Materialwissenschaft üblich ist. Die fragliche Hybridmethode nutzt eine Rückkopplungsschleife, bei der ein klassischer Computer die Ergebnisse eines Quantendurchlaufs analysiert und dann die Einstellungen für den nächsten Durchlauf anpasst, um das System schrittweise zu einer besseren Antwort zu steuern. Die ursprünglichen Verfechter dieser Methode berichteten, dass sie die Maschinen von D-Wave übertraf. Die neue Studie fand jedoch das Gegenteil heraus. Als die Forscher dieselben Probleme auf den Quantum Annealern von D-Wave ausführten, fanden die Maschinen Lösungen von weita much höherer Qualität in einem Bruchteil der Zeit.

Um zu verstehen, warum die Hybridmethode möglicherweise überbewertet wurde, führten die Forscher einen einfachen Kontrolltest ein. Sie ersetzten den Quantencomputer im hybriden Arbeitsablauf durch eine sehr einfache, „dumme“ klassische Routine, die lediglich Bits umkehrt, um die Lösung Schritt für Schritt zu verbessern. Überraschenderweise schnitt dieser triviale klassische Ersatz genauso gut wie, und oft sogar besser als, das komplexe Hybridsystem ab, das den Quantenprozessor enthielt. Dieses Ergebnis deutet darauf hin, dass die Quantenkomponente des hybriden Ansatzes nicht signifikant zur Qualität der Antworten beigetragen hat. Stattdessen stammten die Verbesserungen wahrscheinlich von der Fähigkeit des klassischen Computers, die Suche zu verfeinern und zu beeinflussen, wodurch er die Hauptarbeit leistete, während die Quantenmaschine eine sekundäre, vielleicht sogar passive Rolle spielte.

Die Studie untersuchte auch die Zeit, die es dauerte, diese Lösungen zu erreichen, ein Faktor, der bei Leistungsansprüchen oft übersehen wird. Die Forscher berechneten, dass das Ausführen des Hybrid-Algorithmus auf einem Gate-Modell-Quantencomputer um ein Vielfaches länger dauern würde als das Ausführen desselben Problems auf einem Quantum Annealer. Beispielsweise schloss der Annealer Aufgaben bei spezifischen Arten komplexer Probleme in weniger als einer Sekunde ab, während die Hybridmethode selbst bei optimistischen Schätzungen fast eine Minute oder mehr benötigen würde. Dieser massive Unterschied in der Geschwindigkeit, kombiniert mit der Erkenntnis, dass der Quantenteil des hybriden Systems kaum einen Mehrwert bietet, deutet darauf hin, dass der Annealing-Ansatz das effizientere Werkzeug für diese spezifischen Optimierungsherausforderungen bleibt.

Die Forscher gingen sorgfältig vor, um sicherzustellen, dass ihr Vergleich fair und reproduzierbar war. Sie merkten an, dass die ursprünglichen Studien, die die Überlegenheit der Hybridmethode behaupteten, ihre Rohdaten nicht geteilt hatten, weshalb das Team eigene Problemsets basierend auf den veröffentlichten Beschreibungen generierte. Sie testeten diese auf der neuesten Generation der D-Wave-Hardware, die Tausende von Qubits enthält, was es ihnen ermöglichte, Probleme zu lösen, die zuvor zu groß waren. In jedem Fall lieferte der Quantum Annealer bessere Lösungen in kürzerer Zeit. Die Studie kommt zu dem Schluss, dass hybride Algorithmen zwar ein interessantes Forschungsgebiet sind, die spezifischen Behauptungen der Überlegenheit für diese particular Methode jedoch durch die Beweise nicht gestützt wurden. Der Quantum Annealer, der nahe seinem Grundzustand blieb und sich langsam entwickelte, erwies sich als robusterer und schnellerer Solver für die getesteten Probleme, während der Hybridansatz offenbar stark auf klassischen Computer-Tricks beruhte, die auch ohne jegliche Quantenhardware repliziert werden konnten.