Prime Number Identification Demonstrated with Quantum Processors Using a New Rescaling-Based Noise Mitigation Technique

Dieser Artikel stellt ein Quantenprotokoll zur Identifizierung von Primzahlen auf IBM-Prozessoren vor, das die Primzahl-Eigenschaft mit Entanglement-Dynamik verknüpft, eine neuartige globale Skalierungstechnik zur Rauschunterdrückung einsetzt und eine neue analytische Schranke nutzt, um die Unterscheidung zwischen Primzahlen und zusammengesetzten Zahlen auf NISQ-Geräten zu verbessern.

Das Wesentliche

Das große Ganze: Primzahlen mit Quantenwellen finden

Stellen Sie sich einen magischen Trommel vor. Wenn Sie sie auf eine bestimmte Weise schlagen, hängt der erzeugte Klang vollständig von der Zahl ab, an die Sie „denken". Wenn die Zahl eine Primzahl ist (wie 2, 3, 5, 7, 11), erzeugt die Trommel ein sehr leises, deutliches Summen. Wenn die Zahl zusammengesetzt ist (wie 4, 6, 8, 9, 10), erzeugt die Trommel ein viel lauteres, chaotisches Geräusch.

Dieses Paper beschreibt ein Team von Wissenschaftlern, das eine digitale Version dieses „magischen Trommels" mit einem echten Quantencomputer (dem Prozessor von IBM) gebaut hat. Ihr Ziel war es zu sehen, ob sie den „Klang" der Quantenverschränkung nutzen können, um Primzahlen von nicht-Primzahlen zu unterscheiden.

Das Problem: Die Quantentrommel ist laut

Der Haken ist, dass aktuelle Quantencomputer wie Trommeln sind, die in einem Hurrikan gespielt werden. Sie sind „laut". Der Wind (experimentelle Fehler) verzerrt den Klang, sodass das leise Primzahl-Summen wie ein lautes Brüllen klingt oder das laute Brüllen der zusammengesetzten Zahlen gedämpft wirkt. Es ist schwer, den Unterschied zwischen den beiden zu erkennen, wenn die Maschine so stark zittert.

Die Lösung: Der Trick der „globalen Skalierung"

Um dies zu beheben, erfanden die Autoren eine neue Methode, um das Rauschen zu bereinigen, die sie CFE (Correction Factor Extrapolation) nennen.

Stellen Sie es sich so vor:

1. Kalibrierung: Zuerst testeten sie ihre Trommel mit kleinen, einfachen Zahlen (Dimensionen 4, 8 und 16). Sie wussten genau, wie der „perfekte" Klang sein sollte (aus der mathematischen Theorie).
2. Messung der Verzerrung: Sie verglichen den „perfekten" Klang mit dem „verrauschten" Klang, der aus der tatsächlichen Maschine kam. Sie stellten fest, dass die Maschine den Klang durch einen bestimmten Betrag konsequent zu leise oder zu laut machte.
3. Die magische Formel: Sie berechneten einen „Korrekturfaktor" (einen Multiplikator) für diese kleinen Zahlen.
4. Extrapolation: Anstatt jede einzelne Zahl zu testen, um ihren Korrekturfaktor zu finden, bemerkten sie ein Muster. Sie stellten fest, dass der Korrekturfaktor mit wachsenden Zahlen einer glatten, vorhersagbaren Kurve folgte.
5. Die Korrektur: Sie nutzten diese Kurve, um den Korrekturfaktor für größere, schwierigere Zahlen zu schätzen, die sie noch nicht getestet hatten. Sie wandten diesen „magischen Multiplikator" auf die verrauschten Daten an und drehten effektiv den Lautstärkeregler wieder auf die richtige Einstellung.

Das Ergebnis: Nach Anwendung dieser Korrektur sahen die „verrauschten" Daten fast exakt wie die „perfekten" theoretischen Daten aus. Die Primzahlen traten klar als leise Stellen hervor, und die zusammengesetzten Zahlen als laute Stellen.

Die neue Theorie: Ein besseres Sicherheitsnetz

Das Paper fügte auch eine neue Ebene mathematischer Sicherheit hinzu.

• Alte Regel: „Wenn der Klang sehr leise ist, ist es wahrscheinlich eine Primzahl. Wenn er laut ist, ist es eine zusammengesetzte Zahl."
• Das Problem: Manchmal könnte eine zusammengesetzte Zahl (wie eine Semiprimzahl, z. B. $2 \times 3$) versehentlich etwas leiser klingen und das System täuschen.
• Neue Regel: Die Autoren bewiesen eine neue mathematische „Untergrenze". Sie zeigten, dass für die meisten zusammengesetzten Zahlen der Klang nicht zu leise werden kann. Er hat ein Mindestvolumen, das er einhalten muss.
• Der Vorteil: Dies schafft eine „Sicherheitszone". Wenn der Klang einer Zahl unter eine bestimmte Linie fällt, ist sie mit fast absoluter Sicherheit eine Primzahl. Befindet sie sich in der „Sicherheitszone" (zwischen der Primzahl-Linie und der neuen Untergrenze für zusammengesetzte Zahlen), muss der Computer nur einen schnellen, einfachen Check durchführen (wie das Prüfen, ob die Zahl durch 2 oder 3 teilbar ist), um sicherzugehen. Dies macht den gesamten Prozess viel zuverlässiger.

Was sie tatsächlich taten (und was nicht)

• Sie taten: Sie führten diesen Algorithmus auf echter IBM-Quantenhardware für kleine Systemgrößen (Dimensionen 4, 8 und 16) aus. Dank ihrer neuen Korrekturmethode identifizierten sie erfolgreich Primzahlen trotz des Rauschens der Hardware.
• Sie taten: Sie bewiesen mathematisch, dass diese Methode besser funktioniert als bloßes Raten und dass sie eine klare Trennung zwischen Primzahlen und zusammengesetzten Zahlen schafft.
• Sie taten nicht: Sie nutzten dies, um reale Verschlüsselungscodes zu knacken (wie das Brechen von Bank-Sicherheit). Das Paper handelt strikt davon, festzustellen, ob eine Zahl eine Primzahl ist, nicht davon, große Zahlen für die Kryptographie zu faktorisieren.
• Sie taten nicht: Sie behaupteten, dies funktioniere bereits für massive Zahlen. Die aktuellen Experimente waren auf kleine Dimensionen beschränkt, da Quantencomputer sich noch in ihren frühen, „verrauschten" Stadien befinden.

Zusammenfassende Analogie

Stellen Sie sich vor, Sie versuchen, einen bestimmten Vogel an seinem Gesang in einem Sturm zu identifizieren.

1. Der Algorithmus: Der Gesang des Vogels ändert die Tonhöhe, je nachdem, ob es ein „Primzahl-Vogel" oder ein „Zusammengesetzter Vogel" ist.
2. Das Rauschen: Der Sturm (Hardwarefehler) lässt alle Gesänge undeutlich klingen.
3. Die CFE-Methode: Die Wissenschaftler zeichneten die Wirkung des Sturms auf einige bekannte Vögel auf. Sie ermittelten eine Regel: „Der Sturm senkt die Tonhöhe immer um X." Sie nutzten diese Regel, um die Aufnahmen anderer Vögel, die sie noch nicht untersucht hatten, anzupassen und das statische Rauschen zu entfernen.
4. Die neue Theorie: Sie stellten auch fest, dass „Zusammengesetzte Vögel" eine Regel haben: Sie können niemals zu leise singen. Wenn ein Vogel leiser als diese Grenze singt, muss er ein Primzahl-Vogel sein (es sei denn, es handelt sich um einen sehr spezifischen, seltenen Vogeltyp, für den sie ebenfalls herausfanden, wie man ihn überprüft).

Das Paper zeigt, dass wir mit der richtigen „Rauschunterdrückungs"-Mathematik beginnen können, die heutigen unvollkommenen Quantencomputer zu nutzen, um alte Probleme der Zahlentheorie zu lösen.

Technische Zusammenfassung

Technische Zusammenfassung: Identifikation von Primzahlen demonstriert mit Quantenprozessoren unter Verwendung einer neuen Rauschminderungstechnik auf Reskalierungsbasis

Problemstellung
Die Identifikation und Klassifizierung von Primzahlen bleiben grundlegende Herausforderungen in der Zahlentheorie mit erheblichen Implikationen für die Kryptographie und die rechnerische Komplexität. Während klassische Algorithmen Fortschritte gemacht haben, bieten Quantenansätze alternative Methoden, indem sie zahlentheoretische Eigenschaften in Quantenobservablen kodieren. Insbesondere verknüpft der „Prime Identification via Entanglement Dynamics" (PIED)-Algorithmus, der zuvor in theoretischen Arbeiten vorgeschlagen wurde, die Primzahleigenschaft einer ganzen Zahl mit spezifischen Signaturen im Fourierspektrum der reduzierten Reinheit (Verschränkung) eines bipartiten Quantensystems. Der Übergang dieses Algorithmus von der klassischen Simulation zu echter Hardware auf Noisy Intermediate-Scale Quantum (NISQ)-Geräten stellt jedoch aufgrund experimentellen Rauschens erhebliche Herausforderungen dar, das die subtilen Unterscheidungen zwischen Prim- und zusammengesetzten Zahlen in den gemessenen Fourier-Moden verwischen kann.

Methodik
Die Autoren implementierten den PIED-Algorithmus auf IBM-Quantenprozessoren (insbesondere dem Heron r2 „Aachen"-Gerät) für Systemdimensionen $d = 4, 8$ und $16$. Das Protokoll umfasst:

1. Systemaufbau: Ein bipartites System $AB$ mit identischen Subsystemen der Dimension $d$, entwickelt unter einem diagonalen Hamiltonoperator mit gleichmäßig beabstandeten Energieniveaus.
2. Zustandspräparation: Das System wird in einem gleichmäßigen Superpositionszustand initialisiert (hergestellt mittels Hadamard-Gattern) und unter einem aus dem Hamiltonoperator abgeleiteten unitären Operator entwickelt.
3. Messung: Die reduzierte Reinheit $\gamma_A(t)$ des Subsystems $A$ wird über die Zeit unter Verwendung des SWAP-Test-Protokolls gemessen, das zwei identische Kopien des Systems und ein Ancilla-Qubit erfordert.
4. Signalextraktion: Die zeitabhängige Reinheit wird Fourier-transformiert, um Moden $\alpha_n$ zu extrahieren. Theoretisch entsprechen Primzahlen minimalen Werten dieser Moden, während zusammengesetzte Zahlen größere Werte liefern.

Um Hardware-Rauschen zu adressieren, entwickelten und wandten die Autoren eine Correction Factor Extrapolation (CFE)-Technik an. Diese Methode umfasst:

• Kalibrierung: Durchführung von Schaltungsausführungen für eine Teilmenge von Systemdimensionen ($d=4, 8, 16$), bei denen die idealen analytischen Werte der Fourier-Moden bekannt sind.
• Optimierung: Berechnung eines optimalen globalen Reskalierungsfaktors $\Lambda_{opt}(d)$ für jede Dimension durch Minimierung der Abweichung zwischen verrauschten experimentellen Daten und der analytischen Referenz.
• Extrapolation: Anpassung einer funktionalen Form an die berechneten $\Lambda_{opt}(d)$-Werte (insbesondere $\Lambda_{opt}(d) = \Lambda_0 + \kappa d^\eta$), um Korrekturfaktoren für andere Konfigurationen vorherzusagen oder den Trend zu validieren. Dies ermöglicht die Reskalierung verrauschter Fourier-Moden zur Minderung systematischer Verzerrungen, ohne mehrere Rauschniveau-Messungen pro Schaltungsinstanz zu erfordern (wie bei der Zero-Noise Extrapolation).

Hauptbeiträge

1. Hardware-Implementierung: Die erste Demonstration des PIED-Algorithmus auf echter Quantenhardware, die erfolgreich den Übergang von der Simulation zu NISQ-Geräten vollzog.
2. Rauschminderungsstrategie (CFE): Die Einführung einer rechnerisch kostengünstigen, auf Reskalierung basierenden Fehlerminderungstechnik. Im Gegensatz zu traditionellen Methoden, die wiederholte Schaltungsausführungen bei variierenden Rauschniveaus erfordern, nutzt CFE das bekannte analytische Verhalten des Algorithmus über verschiedene Systemdimensionen hinweg, um einen Korrekturfaktor zu konstruieren.
3. Verfeinerte theoretische Schranken: Die Herleitung einer neuen analytischen unteren Schranke, $P_n$, für die Fourier-Moden zusammengesetzter Zahlen (insbesondere für ganze Zahlen der Form $n=k^2$, wobei $k$ eine Primzahl ist). Diese Schranke bietet eine engere Trennung zwischen Prim- und zusammengesetzten Signaturen als die zuvor bekannte triviale Schranke $B_n$. Die Autoren identifizierten rigoros, dass Ausnahmen von dieser Schranke nur für bestimmte Semiprimzahlen auftreten, die Faktoren 2 und 3 innerhalb bestimmter Teilintervalle beinhalten, was eine robustere Klassifizierungsrahmen ermöglicht.
4. Alternative Anfangszustände: Numerische Simulationen, die die Verwendung von Spin-kohärenten Zuständen als Anfangsbedingungen untersuchen. Obwohl die Präparation komplexer ist, zeigten diese Zustände Potenzial zur Reduzierung der Anzahl der Zeitpartitionen, die für eine genaue Fourier-Integration im Vergleich zu gleichmäßigen Superpositionszuständen erforderlich sind.

Ergebnisse

• Trennung Primzahl/Zusammengesetzt: Die Hardware-Implementierungen reproduzierten erfolgreich den theoretischen Trend, bei dem Primzahlen minimalen Fourier-Moden-Werten entsprechen. Die Anwendung der CFE-Methode verbesserte die Übereinstimmung zwischen experimentellen Daten und analytischen Vorhersagen erheblich und stellte effektiv die Trennung zwischen Prim- und zusammengesetzten Signaturen wieder her, die im Rohdaten durch Rauschen verwischt war.
• CFE-Leistung: Der Korrekturfaktor $\Lambda_{opt}(d)$ erwies sich als monoton mit der Dimension $d$ steigend und sättigte sich asymptotisch. Die reskalierten Daten zeigten eine hervorragende Übereinstimmung mit dem vorgeschlagenen funktionalen Modell.
• Theoretische Validierung: Es wurde gezeigt, dass die neue Schranke $P_n$ für die Mehrheit der zusammengesetzten Zahlen gilt. Die Analyse bestätigte, dass nur bestimmte Semiprimzahlen (der Form $2k$ oder $3k$) Werte unterhalb dieser Schranke erzeugen können, was spezifische Teilbarkeitsprüfungen in diesen Bereichen erforderlich macht.
• Spin-kohärente Zustände: Simulationen deuteten darauf hin, dass Spin-kohärente Zustände zwar schwieriger vorzubereiten sind, aber eine günstigere Skalierung für die Anzahl der für die Fourier-Integration benötigten Zeitproben bieten könnten, was den Rechenaufwand potenziell reduziert.

Bedeutung
Die Autoren behaupten, dass diese Ergebnisse einen Schritt hin zu praktischen zahlentheoretischen Anwendungen auf NISQ-Geräten darstellen. Durch die Validierung des PIED-Algorithmus unter realistischen Hardwarebedingungen und die Demonstration einer spezialisierten, geringen Overhead-Rauschminderungsstrategie (CFE) hebt die Arbeit das Potenzial hervor, analytische Erkenntnisse mit hardwarebasierten Implementierungen zu kombinieren. Die Autoren betonen, dass ihr Ansatz einen gangbaren Weg zur Extraktion strukturierter Informationen aus verrauschter Quantendynamik bietet und eine breitere Anwendbarkeit auf andere Quantenalgorithmen nahelegt, die auf spektralen Signaturen physikalischer Observablen beruhen. Die Arbeit beansprucht nicht, die große ganzzahlige Faktorisierung zu lösen, sondern demonstriert vielmehr die Machbarkeit der Identifikation von Primzahlsignaturen in kleinen Quantensystemen unter Verwendung von Verschränkungsdynamik.