Stellen Sie sich vor, Sie versuchen, eine geheime Nachricht durch einen sehr lauten Raum zu senden. Wenn Sie nur einmal flüstern, versteht die Person auf der anderen Seite vielleicht „Apfel“, obwohl Sie eigentlich „Aprikose“ gesagt haben. Um sicherzugehen, dass sie das richtige Wort verstanden hat, müssten Sie die Nachricht vielleicht hundertmal schreien. Wenn 60 Leute „Apfel“ hören und 40 „Aprikose“, können Sie auf die Wahrheit schließen. In der Welt des Quantencomputings wird dieses „Schreien“ als Shot (Schuss/Messung) bezeichnet. Ein Quantencomputer ist eine Maschine, die die seltsamen Regeln winziger Teilchen nutzt, um Probleme zu lösen, aber er ist unglaublich empfindlich gegenüber Rauschen – wie ein Flüstern in einem Hurrikan. Aus diesem Grund müssen Wissenschaftler dieselbe Berechnung immer und immer wieder durchführen (viele Shots nehmen), um ein zuverlässiges Ergebnis zu erhalten. Das Problem ist: Jedes Mal, wenn man eine Berechnung auf einem echten Quantencomputer durchführt, kostet es Geld, Zeit und verbraucht viel Energie. Die große Frage für jeden, der diese Maschinen nutzen möchte, lautet also: „Wie oft muss ich eigentlich schreien, um sicher zu sein, dass ich recht habe?“ Wenn Sie zu wenig schreien, erhalten Sie Müll. Wenn Sie zu viel schreien, verschwenden Sie Ressourcen und könnten Zeit oder Geld aufbrauchen, bevor Sie fertig sind.

Genau dieses Rätsel wird von Prateek P. Kulkarni und Sumit K. Mandal in ihrem Papier „How Many Shots Does It Take?“ angegangen. Sie erkannten, dass die Menschen derzeit raten, wie viele Shots sie nehmen sollen, und oft viel zu viel schreien, nur um auf der sicheren Seite zu sein. Die Autoren entwickelten ein neues, mathematisches „Rezept“, das Ihnen die exakte Anzahl der Male sagt, die Sie eine Quantenberechnung durchführen müssen, um ein zuverlässiges Ergebnis zu erhalten, basierend darauf, wie verrauscht Ihr spezifischer Computer ist. Denken Sie an eine Wetter-App, die nicht nur sagt „es könnte regnen“, sondern Ihnen genau sagt, wie viele Regenmäntel Sie kaufen müssen, basend auf Luftfeuchtigkeit und Windgeschwindigkeit.

Aber es gibt noch eine zweite Wendung. Manchmal ist ein Quantenproblem so riesig, dass der Computer es nicht auf einmal lösen kann. Es ist, als versuche man, ein riesiges Klavier eine Treppe hinaufzutragen, die zu schmal ist; man muss das Klavier in Stücke zerlegen, die Stücke einzeln nach oben tragen und sie dann wieder zusammensetzen. Die Autoren fanden heraus, dass es eine schlechte Idee ist, jedem Stück des Klaviers die gleiche Menge an Anstrengung (die gleiche Anzahl an Shots) zu widmen. Einige Stücke sind schwerer oder rutschiger (verrauschter) als andere. Ihre neue Methode findet genau heraus, wie Sie Ihr „Schrei-Budget“ so aufteilen, dass die rutschigen Teile zusätzliche Aufmerksamkeit erhalten, während die einfachen Teile gerade genug bekommen.

In ihren Experimenten testeten sie diese Idee auf echten Quantencomputern von IBM. Sie fanden heraus, dass sie durch die Verwendung ihrer neuen Formel die Anzahl der benötigten Shots im Vergleich zu aktuellen Praktiken um etwa 58 % senken konnten. Das ist kein kleiner Einspareffekt; es bedeutet, dass man bis zu 62 % weniger Energie verbraucht. Darüber hinaus konnten sie durch die Verwendung ihrer intelligenten Aufteilungsstrategie bei großen Problemen die Gesamtzahl der Fehler im Endergebnis im Vergleich zur alten Methode um bis zu 73 % reduzieren (mit einer durchschnittlichen Reduktion von 63 %). Sie haben nicht nur geraten; sie haben die Algorithmen auf echter Hardware ausgeführt und bewiesen, dass ihre Mathematik der Realität entspricht, wobei ihre Vorhersagen eine Genauigkeit von etwa 98 % beim Zählen der Shots und 95 % bei der Bestimmung der Tiefe einer Berechnung aufweisen, bevor der Computer zu verwirrt wird.

Die Geschichte des verrauschten Flüsterns

Um zu verstehen, warum das wichtig ist, schauen wir uns an, wie Quantencomputer funktionieren. Im Gegensatz zu Ihrem Laptop, der Bits verwendet, die entweder 0 oder 1 sind, verwenden Quantencomputer „Qubits“, die gleichzeitig eine Mischung aus beidem sein können. Das macht sie super leistungsstark, aber auch super zerbrechlich. Sob kind sie mit der Außenwelt interagieren, werden sie „verrauscht“ und verlieren ihren besonderen Zustand. Um dies zu beheben, führen Wissenschaftler dasselbe Programm immer und immer wieder aus. Jeder Durchlauf ist ein „Shot“.

Stellen Sie sich vor, Sie versuchen, die durchschnittliche Körpergröße einer Gruppe von Menschen zu erraten, aber Sie können sie nur durch ein beschlagenes Fenster sehen. Wenn Sie einmal schauen, denken Sie vielleicht, sie seien alle Riesen. Wenn Sie zehnmal schauen, bekommen Sie eine bessere Vorstellung. Wenn Sie tausendmal schauen, wissen Sie die durchschnittliche Größe sehr präzlich. Aber tausendmal zu schauen dauert lange und ermüdet Ihre Augen. Die Autoren fragten: „Was ist die minimale Anzahl an Malen, die ich schauen muss, um zu 95 % sicher zu sein, dass ich recht habe?“

Sie entdeckten, dass die Antwort von zwei Dingen abhängt: wie gut Ihre Augen sind (die Qualität des Computers) und wie dick der Nebel ist (das Rauschen). Sie schrieben eine geschlossene Gleichung – eine einzige, saubere mathematische Formel – die die Spezifikationen des Computers (wie lange ein Qubit überlebt, bevor es verblasst, bekannt als $T_1$ und $T_2$) übernimmt und Ihnen die exakte Anzahl der benötigten Shots nennt. Vorher haben die Leute oft einfach eine zufällig hohe Zahl gewählt, um auf Nummer sicher zu gehen, was so war, als würde man eine Nachricht 1.000 Mal schreien, obwohl 400 gereicht hätten.

Das Rätsel des zerlegten Klaviers

Stellen Sie sich nun vor, Sie haben ein Quantenproblem, das zu groß ist, als ob der Computer es auf einmal halten könnte. Der Computer hat ein „Tiefenlimit“, was wie eine maximale Anzahl von Schritten ist, die er machen kann, bevor er zu müde wird und Fehler macht. Wenn Ihr Problem 1.200 Schritte hat, der Computer aber nur 285 bewältigen kann, müssen Sie das Problem in kleinere Stücke zerlegen.

Die alte Art, dies zu tun, bestand darin, das Problem in Stücke zu schneiden und jedem Stück die gleiche Anzahl an Shots zu geben. Die Autoren argumentierten, dass dies so ist, als würde man einer schweren, rutschigen Kiste und einer leichten, trockenen Kiste die gleiche Hilfe beim Tragen eines Hügels geben. Die schwere Kiste braucht mehr Hilfe! In der Quantenwelt sind einige Teile des Schaltkreises „verrauschter“ als andere. Wenn man den verrauschten Teilen nicht extra Shots gibt, wird das Endergebnis falsch sein.

Die Autoren entwickelten eine neue Strategie unter Verwendung eines mathematischen Werkzeugs namens „Lagrange-Multiplikatoren“ (denken Sie an einen superintelligenten Taschenrechner, der eine Waage ausbalanciert). Sie fanden heraus, dass man den Teilen des Schaltkreises, die verrauschter sind, mehr Shots geben sollte und den ruhigen Teilen weniger. Sie bewiesen, dass diese Methode den Gesamtfehler minimiert.

Was sie fanden

Als die Autoren ihre Ideen auf echten IBM-Quantencomputern (speziell die Modelle Marrakesh, Torino und Fez) testeten, waren die Ergebnisse beeindruckend.

1. Die Shot-Anzahl: Ihre Formel sagte die Anzahl der benötigten Shots mit einer Genauigkeit von etwa 98,2 % voraus. Als sie beispielsweise den Quantum Fourier Transform (QFT) Algorithmus testeten, wich ihre Vorhersage nur um etwa 1,87 % ab. Das bedeutet, sie können Ihnen genau sagen, wie oft Sie Ihren Code ausführen müssen, ohne Zeit zu verschwenden.
2. Die Energieeinsparungen: Da sie die Anzahl der benötigten Shots im Durchschnitt um 58 % reduzierten, senkten sie auch den Energieverbrauch. In ihren Tests sparten sie pro 1.000 Shots bis zu 62 % der Energie ein. Das ist so, als würde man ein Auto fahren, das plötzlich 60 % besseren Kraftstoffverbrauch hat.
3. Die Fehlerminimierung: Als sie große Probleme in Teile zerlegten und ihre intelligente Zuteilungsstrategie verwendeten, reduzierten sie den Gesamtfehler im Vergleich zur Standardmethode des „gleichen Splits“ um durchschnittlich 63 %. In den besten Fällen erreichte die Fehlerreduktion bis zu 73 %.

Sie prüften auch, wie tief ein Schaltkreis gehen konnte, bevor er zu verrauscht wurde, um nutzbar zu sein. Ihre Mathematik sagte diese „maximale Tiefe“ mit etwa 95 % Genauigkeit voraus. Dies hilft Wissenschaftlern zu wissen, wie groß ein Problem auf einer bestimmten Maschine sein kann, noch bevor sie überhaupt mit dem Codieren beginnen.

Warum das die Dinge verändert

Das Papier bietet nicht nur eine neue Theorie; es bietet ein praktisches Werkzeug für die aktuelle Ära des Quantencomputings, die oft als „Noisy Intermediate-Scale Quantum“ (NISQ) Ära bezeichnet wird. Momentan sind Quantencomputer teuer und schwer zugänglich. Jedes Mal, wenn ein Forscher einen Auftrag ausführt, verbrennt er Geld und Zeit. Durch die Nutzung dieses „rauschbewussten“ Frameworks können Forscher aufhören zu raten und anfangen zu berechnen. Sie können ihre Algorithmen mit weniger Shots ausführen, Energie sparen und genauere Ergebnisse erzielen.

Die Autoren zeigten, dass wir, indem wir das Rauschen verstehen und Ressourcen klug verteilen, Quantencomputer schon heute viel nützlicher machen können – noch bevor wir die perfekten, fehlerfreien Maschinen der Zukunft haben. Es ist eine Erinnerung daran, dass der beste Weg nach vorne manchmal nicht darin besteht, eine größere Maschine zu bauen, sondern die, die wir haben, viel smarter zu nutzen.