Noise-aware Verification and Synthesis of Quantum Programs
Dieses Paper führt ein rauschbewusstes Framework für die Quantenprogrammierung ein, das eine hardwareabhängige Semantik etabliert, eine entsprechende Hoare-Logik für die beschränkte Verifikation entwickelt und die automatische Synthese von rauschoptimalen, schleifenfreien Quantensubroutinen durch die Nutzung realer Fehlermodelle von Anbietern wie IBM ermöglicht.
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
Stellen Sie sich vor, Sie versuchen, den perfekten Kuchen zu backen, aber anstatt einer makellosen, temperaturkontrollierten Küche backen Sie in einem Sturm, bei dem die Ofentür immer wieder aufklappert und das Mehl davon geweht wird. Dies ist die Realität der Quantenkompetenz von heute. Wissenschaftler bauen Maschinen, die Probleme lösen können, die für normale Computer unmöglich sind, aber diese Maschinen sind unglaublich zerbrechlich. Sie sind wie filigrane Glasskulpturen, die zerbrechen, wenn man sie nur zu fest ansieht oder wenn die Luft zu warm wird. In der Welt der Physik wird dieser „Sturm“ als Rauschen bezeichnet. Es sind die zufälligen Fehler, die auftreten, wenn Quantenbits (die winzigen Informationseinheiten dieser Computer) versuchen, ihre Arbeit zu verrichten.
Um zu verstehen, wie Wissenschaftler versuchen, dies zu beheben, müssen Sie zwei Dinge darüber wissen, wie diese Computer „denken“. Erstens speichern sie nicht einfach eine einzige Antwort wie ein normaler Computer; sie existieren in einer verschwommenen Wolke aus vielen Möglichkeiten gleichzeitig, einer sogenannten Superposition. Zweitens, wenn man versucht, die Antwort zu überprüfen, kollabiert die Wolke in ein einzelnes Ergebnis, aber der Prozess dorthin ist chaotisch. Lange Zeit schrieben Informatiker Regeln für diese Maschinen, als wären sie perfekt, und ignorierten den Sturm. Sie nahmen an, dass der Ofen immer auf der exakt richtigen Temperatur war. Aber da die Maschinen, die wir tatsächlich haben, verrauscht sind, führen diese perfekten Regeln oft zu kaputten Kuchen. In diesem Papier geht es darum, zu lernen, im Wind zu backen – neue Regeln zu entwickeln, die das Chaos realer Hardware berücksichtigen.
Die Forscher Stefanie Muroya, Krishnendu Chatterjee und Thomas A. Henzinger haben ein neues Toolkit entwickelt, das Programmierern hilft, Quanten-Code zu schreiben, der auf realen, verrauschten Maschinen tatsächlich funktioniert. Sie nennen ihren Ansatz „rauschbewusst“ (noise-aware), was eine schicke Art zu sagen ist: „Hören wir auf so zu tun, als wäre der Computer perfekt, und fangen wir an, für die Realität des Defekten zu entwerfen.“
Ihre große Idee ist, den Quantenzustand nicht als ein einzelnes, verschwommenes Bild zu betrachten (was sie eine „Dichtematrix“ nennen), sondern stattdessen als eine Sammlung spezifischer, unterscheidbarer Möglichkeiten mit ihren eigenen Wahrscheinlichkeiten (was sie ein „Ensemble“ nennen). Denken Sie zum Beispiel so: Wenn Sie einen Beutel voller Murmeln haben, sagt Ihnen ein verschwommenes Bild vielleicht nur, dass der Beutel „überwiegend rot“ ist. Aber ein „Ensemble“ sagt Ihnen genau, wie viele rote, blaße und grüne Murmeln darin sind und wie wahrscheinlich es ist, dass Sie jede einzelne herausziehen. Diese Unterscheidung ist entscheidend, denn in einer verrauschten Umgebung zählt die spezifische Mischung der Murmeln. Zwei verschiedene Beutel mögen in einem verschwommenen Foto gleich aussehen, aber wenn man sie schüttelt (eine verrauschte Operation anwendet), können sie am Ende sehr unterschiedlich aussehen. Durch das Verfolgen der spezifischen Mischung können die Forscher genau vorhersagen, wie das Rauschen ein Programm stört, und vor allem, wie man es repariert.
Das Paper unternimmt drei wesentliche Dinge. Erstens haben sie eine neue Menge logischer Regeln (eine „Hoare-Logik“) erstellt, die wie eine Rechtschreibprüfung für Quantenprogramme fungiert. Diese Rechtschreibprüfung sucht nicht nur nach Tippfehlern; sie prüft, ob Ihr Programm auch dann noch funktioniert, wenn der Computer zufällige Fehler macht. Sie erlaubt es Programmierern zu sagen: „Ich verspreche, dass ich, wenn ich mit dieser spezifischen Mischung an Möglichkeiten beginne, mit dieser spezifischen Mischung enden werde, selbst mit dem Rauschen.“
Zweitens haben sie ein Werkzeug gebaut, das automatisch verifizieren kann, ob ein kurzes Quantenprogramm auf einer spezifischen Hardware korrekt ist. Stellen Sie sich vor, Sie haben ein ganz bestimmtes Rezept und einen ganz bestimmten Ofen. Dieses Werkzeug simuliert den Backprozess Schritt für Schritt und berücksichtigt dabei jedes Wackeln und jeden Luftzug in genau diesem Ofen, um Ihnen zu sagen, ob der Kuchen aufgehen wird. Sie haben dies an 55 verschiedenen Hardware-Spezifikationen aus dem IBM Qiskit-Toolkit getestet und damit bewiesen, dass ihre Methode Programme auf realen Maschinen mit hoher Präzision prüfen kann.
Drittens, und vielleicht am spannendsten, haben sie ein Werkzeug entwickelt, das neue Quantenprogramme erfinden kann. Anstatt dass ein Mensch versucht, den besten Weg für eine Aufgabe zu erraten, sucht das Werkzeug nach dem „perfekten“ kurzen Programm, das auf einer spezifischen verrauschten Maschine am besten funktioniert. Dabei haben sie etwas Überraschendes entdeckt: Manchmal ist der beste Weg, um ein perfektes Ergebnis auf einem verrauschten Computer zu erzielen, nicht, einem einzigen, strengen Pfad zu folgen. Stattdessen besteht die optimale Strategie darin, probabilistisches Verzweigen (probabilistic branching) anzuwenden. Das bedeutet, das Programm sollte manchmal eine Münze werfen, um zu entscheiden, welchen Pfad es einschlägt. Um zwei schwierige Quantenzustände zu unterscheiden, könnte die beste Strategie beispielsweise sein, einen Test zu 50 % der Zeit durchzuführen und einen anderen Test zu den anderen 50 % der Zeit. Dieses „Mischen“ von Strategien, was kontraintuitiv erscheinen mag, erweist sich als das Geheimrezept, um das Rauschen zu besiegen.
Die Forscher testeten ihr Synthese-Tool bei gängigen Aufgaben wie der Vorbereitung spezifischer Quantenzustände und der Fehlersuche. Sie entdeckten, dass das „beste“ Programm davon abhängt, welche spezifische IBM-Maschine man verwendet. Ein Programm, das perfekt für einen verrauschten Chip ist, kann für einen anderen schrecklich sein. Darüber hinaus sahen ihre synthetisierten Programme oft ganz anders aus als die „Lehrbuchlösungen“, die für ideale, rauschfreie Computer gelehrt werden. In vielen Fällen stellte das Tool fest, dass die Verwendung klassischer Wahrscheinlichkeit (das Werfen einer Münze, um einen Pfad zu wählen) essenziell war, um die höchste Erfolgsrate zu erzielen.
Kurz gesagt: Dieses Paper sagt nicht nur „Quantencomputer sind verrauscht“. Es bietet einen vollständigen Rahmen, um dieses Rauschen zu verstehen, zu prüfen, ob Ihr Code darin überlebt, und automatisch neuen Code zu schreiben, der darin aufblüht. Indem sie den Quantenzustand als eine detaillierte Sammlung von Möglichkeiten statt als einen verschwommenen Durchschnitt behandeln und indem sie die Idee akzeptieren, dass man manchmal eine Münze werfen muss, um zu gewinnen, haben sie einen bedeutenden Schritt getan, um das Quantencomputing für die reale, chaotische Welt praktikabel zu machen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.