Verifiable Quantum Advantage via Optimized DQI Circuits
Diese Arbeit präsentiert optimierte Decoded Quantum Interferometry (DQI)-Schaltkreise, die einen verifizierbaren Quantenvorteil mit optimalem asymptotischem Speedup für das Problem der optimalen polynomischen Schnittmenge erreichen und durch die Einführung neuartiger Quantenimplementierungen des erweiterten euklidischen Algorithmus signifikant weniger logische Qubits und Gatter erfordern als die Faktorisierung von RSA-2048.
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 vom Autor verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Im Wettlauf um den Beweis, dass Quantencomputer klassische Computer tatsächlich übertreffen können, standen Wissenschaftler lange vor einer schwierigen Wahl. Auf der einen Seite stehen Probleme von immensem praktischem Wert, wie etwa das Knacken der Verschlüsselung, die das globale Bankwesen schützt. Zwar existieren Quantenalgorithmen zur Lösung dieser Probleme, doch die dafür erforderlichen Maschinen sind so gewaltig und komplex, dass sie unsere derzeitige Reichweite weit übersteigen. Auf der anderen Seite stehen einfachere, künstlich erschaffene Rätsel, die speziell darauf ausgelegt sind, für eine Quantenmaschine leicht lösbar, aber für eine klassische Maschine schwer zu lösen zu sein. Diese sind leichter zu bauen, bieten jedoch wenig Beweis für den realen Nutzen und erfordern oft komplexe, interaktive Tests, um die Ergebnisse zu verifizieren. Jahrelang steckte das Feld zwischen diesen beiden Extremen fest und suchte nach einem Problem, das sowohl nützlich genug ist, um von Bedeutung zu sein, als auch einfach genug, um gebaut werden zu können, während es gleichzeitig einen klaren, verifizierbaren Beweis liefert, dass die Quantenmaschine etwas tut, das ein klassischer Computer nicht leisten kann.
Ein Team von Forschern bei Google Quantum AI hat nun einen Lösungsvorschlag präsentiert, der diese Lücke schließt. Sie haben einen spezifischen Quantenalgorithmus, bekannt als dekodierte Quanteninterferometrie, verfeinert und auf ein Problem namens optimale Polynomintersektion angewendet. Dieses Problem fordert einen Computer auf, den bestmöglichen Satz von Koeffizienten für eine mathematische Kurve zu finden, die eine verstreute Sammlung von Datenpunkten innerhalb eines spezifischen, endlichen Zahlensystems anpasst. Dies mag abstrakt klingen, ist aber eine fundamentale Art der Optimierung, die in der Kodierungstheorie und Kryptographie auftaucht. Die Forscher haben gezeigt, dass sie durch eine sorgfältige Neugestaltung der internen Mechanik des Quantencomputers Instanzen dieses Problems lösen können, für deren Knacken ein klassischer Supercomputer länger als das Alter des Universums benötigen würde, und zwar mit einer Quantenmaschine, die überraschend klein und effizient ist.
Der Kern ihres Erfolgs liegt darin, wie sie die physischen Ressourcen des Computers verwaltet haben. Ein großer Engpass beim Ausführen solcher Algorithmen war die schiere Anzahl an „Qubits“, oder Quantenbits, die benötigt werden, um Informationen während der Berechnung zu halten. Frühere Designs für diese Art von Problem erforderten eine massive Menge an Speicher, was effektiv einen separaten Speicherplatz für jeden einzelnen Datenpunkt des Problems voraussetzte. Das Team erkannte, dass dies unnötig war. Durch die Entwicklung einer neuen Methode, um Informationen Stück für Stück zu generieren und zu verarbeiten, und durch den Einsatz einer cleveren Technik, um Zwischendaten zu löschen, ohne den Quantenzustand zu verlieren, haben sie den Speicherbedarf drastisch reduziert. Anstatt einen Speicherplatz zu benötigen, der mit der Gesamtzahl der Datenpunkte wächst, benötigt ihr neues Design nur einen Raum, der mit der Anzahl der zu lösenden Variablen wächst. Dieser Wechsel ermöglicht es ihnen, große, schwierige Probleme mit einer viel kleineren Maschine anzugehen.
Um dies zu ermöglichen, musste das Team eine spezifische Hürde in der Mathematik des Algorithmus überwinden: die Notwendigkeit, einen komplexen Dekodierungsprozess umzukehren. Dieser Prozess ähnelt der Mathematik, die in Fehlerkorrekturverfahren verwendet wird, welche essenziell sind, um Daten bei der Übertragung über verrauschte Kanäle intakt zu halten. Die Forscher erfanden neue, hocheffiziente Wege, um diese Umkehrung auf einem Quantencomputer durchzuführen. Sie entwickelten zwei unterschiedliche Ansätze. Ein Ansatz berechnet explizit die notwendigen mathematischen Werte und speichert sie, während der andere die Werte in einer komprimierten, impliziten Form hält, die erst bei Bedarf entpackt wird. Beide Methoden reduzierten die Anzahl der benötigten physischen Komponenten erfolgreich und bewiesen, dass der Algorithmus mit weit weniger Ressourcen laufen kann, als bisher für möglich gehalten wurde.
Die Forscher analysierten ihr Design anschließend gegenüber den besten bekannten klassischen Angriffen. Sie konstruierten spezifische, schwierige Versionen des Problems, bei denen die Ziel-Datenpunkte so angeordnet waren, dass sie für klassische Computer extrem schwer zu analysieren sind. Sie fanden heraus, dass eine klassische Maschine für diese schwierigen Fälle mehr als 10^23 Versuche durchführen müsste, um eine Lösung zu finden. Im Gegensatz dazu konnte ihr optimiertes Quantendesign dasselbe Problem mit einem Schaltkreis lösen, der etwa 5,72 Millionen grundlegende Logikgatter umfasst und 1.885 logische Qubits verwendet. Um dies in Perspektive zu setzen: Dies sind etwa einhundertmal weniger Gatter als das, was derzeit geschätzt wird, um einen Standard-RSA-2048-Verschlüsselungsschlüssel zu brechen – eine Aufgabe, die oft als Goldstandard für die Leistungsfähigkeit von Quantencomputern zitiert wird.
Darüber hinaus berechnete das Team die physischen Anforderungen für den Bau einer Maschine, die diesen Algorithmus ausführen kann, unter der Annahme einer Standard-Fehlerkorrekturmethode, die gegen Rauschen schützt. Ihre Schätzungen deuten darauf hin, dass eine Maschine mit etwa 800.000 physischen Qubits in der Lage wäre, eine klassisch unlösbare Instanz dieses Problems in etwa sechs Stunden zu lösen. Dies ist eine signifikante Reduktion im Vergleich zu anderen Vorschlägen für die Demonstration von Quantenvorteilen, die oft entweder wesentlich mehr Hardware erfordern oder auf Problemen basieren, die rein künstlicher Natur sind und die strukturelle Tiefe realer Optimierungsherausforderungen vermissen lassen.
Die Arbeit etabliert zudem einen theoretischen Meilenstein. Die Forscher demonstrierten, dass ihre Methode den bestmöglichen Speedup erreicht, der durch die Gesetze der Physik für diese Art von Problem erlaubt ist. Während die Größe des Problems wächst, wächst die Zeit, die der Quantencomputer benötigt, mit der langsamstmöglichen Rate, während die Zeit, die der beste klassische Computer benötigt, exponentiell ansteigt. Das bedeutet, dass der Quantenvorteil für ausreichend große Probleme überwältigend wird. Die Ergebnisse des Teams legen nahe, dass wir nicht auf massive Millionen-Qubit-Maschinen warten müssen, um einen klaren, verifizierbaren Quantenvorteil zu sehen. Stattdessen können wir, indem wir die Algorithmen und die Art und Weise, wie sie den Speicher nutzen, optimieren, diesen Schwellenwert mit Maschinen erreichen, die im Bereich des nahen Ingenieurwesens liegen.
Diese Forschung bietet nicht nur einen neuen Weg, ein spezifisches mathematisches Rätsel zu lösen; sie liefert einen Bauplan dafür, wie man effizientere Quantencomputer baut. Die Techniken, die sie zur Verwaltung des Speichers und zur Umkehrung komplexer Berechnungen entwickelt haben, können auf andere wichtige Algorithmen angewendet werden, einschließlich derer, die zum Brechen von Verschlüsselungen auf Basis elliptischer Kurven verwendet werden. Indem sie zeigten, dass ein Problem mit realer mathematischer Struktur mit weniger Ressourcen gelöst werden kann als bisher angenommen, haben die Forscher die Messlatte für dessen, was als machbare Demonstration von Quantenleistung gilt, verschoben. Sie haben einen Pfad aufgezeigt, auf dem die Quantenmaschine nicht nur eine theoretische Möglichkeit, sondern eine praktische Realität ist, die in den kommenden Jahren gebaut und getestet werden kann.
Die Auswirkungen gehen über die spezifischen Zahlen hinaus. Die Studie stellt die Annahme infrage, dass ein nützlicher, verifizierbarer Quantenvorteil entweder massives Hardware-Equipment oder künstlich herbeigeführte Probleme erfordert. Indem sie einen Mittelweg fanden, auf dem das Problem schwierig genug ist, um relevant zu sein, aber die Lösung effizient genug, um baubar zu sein, haben die Forscher ein konkretes Ziel für Hardwareentwickler bereitgestellt. Ihre Arbeit legt nahe, dass der Weg zu einem nützlichen Quantencomputer kürzer als erwartet sein könnte, sofern wir uns auf die Optimierung der Software und der Art und Weise konzentrieren, wie die Maschine Informationen verarbeitet, anstatt nur darauf zu warten, dass die Hardware skaliert. Das Ergebnis ist ein überzeugender Kandidat für die erste wahrhaft praktische Demonstration eines Quantencomputers, der etwas tut, was ein klassischer Computer nicht kann, verifiziert durch die schiere Unmöglichkeit der klassischen Alternative.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.