Circuit Design Problems in Binary Polynomial Quantum Optimization

Im Wettlauf um den Bau nützlicher Quantencomputer stehen Wissenschaftler derzeit vor einem hartnäckigen Engpass: Die Maschinen, die sie heute besitzen, sind fragil und begrenzt. Sie können nur eine geringe Anzahl von Quantenbits, oder Qubits, halten und verlieren ihren empfindlichen Informationszustand sehr schnell, wenn sie aufgefordert werden, zu viele Schritte hintereinander auszuführen. Um komplexe Probleme zu lösen, übersetzen Forscher diese normalerweise in ein spezifisches mathematisches Format, das als quadratisches unbeschränktes binäres Optimierungsproblem bezeichnet wird. Dieses Format ist wie eine Universalsprache, die gut in die heutige Quantenhardware passt, aber oft erfordert es das Hinzufügen einer massiven Anzahl zusätzlicher Variablen, um die Mathematik lauffähig zu machen, was wiederum mehr Qubits verlangt, als die Maschine bereitstellen kann. Eine neuere, kompaktere Art, diese Probleme zu formulieren, existiert unter Verwendung höherwertiger Polynome, die weniger Variablen benötigen. Diese kompakte Form schafft jedoch ein anderes Problem: Sie erfordert, dass der Computer komplexe, mehrstufige Operationen durchführt, die die aktuelle Hardware nicht direkt ausführen kann. Um diese Operationen funktionsfähig zu machen, müssen Ingenieure sie in eine lange Kette einfacherer Schritte zerlegen, was den Schaltkreis tief und langsam macht, wodurch die Quanteninformation zerfällt, bevor die Berechnung abgeschlossen ist.

Die Forscher in dieser Studie setzten sich zum Ziel, genau dieses spezifische Dilemma zu lösen: Wie man diese kompakten, höherwertigen Probleme nimmt und sie in die kürzestmögliche Sequenz von Schritten für einen Quantencomputer anordnet. Sie nahmen das Design dieser Schaltkreise nicht als eine Aufgabe des Trial-and-Error-Engineerings an, sondern als ein klassisches Rätsel der Logik und des Routings. Stellen Sie sich den Quantenschaltkreis wie eine Karte vor, auf der Informationen von einem Punkt zum anderen reisen müssen, um korrekt kombiniert zu werden. Das Ziel war es, den effizientesten Pfad zu finden, der die Anzahl der Schritte oder Schichten, durch die die Information fließen muss, minimiert. Das Team bewies, dass das Finden des absolut perfekten, kürzesten Pfades für ein gegebenes Problem eine Art von Rätsel ist, das mathematisch bewiesen unglaublich schwierig ist und zu einer Klasse von Problemen gehört, für die keine schnelle, perfekte Lösung bekannt ist. Das bedeutet, dass ein Computer bei großen, komplexen Problemen nicht einfach die einzige beste Antwort in einer angemessenen Zeit berechnen kann.

Da eine perfekte Lösung oft unerreichbar ist, entwickelte das Team eine neue, hocheffiziente Methode, der sie den Namen Tempura gaben. Anstatt zu versuchen, das gesamte Rätsel auf einmal zu lösen, erstellt diese Methode eine standardmäßige, flexible Vorlage basierend auf einem spezifischen Muster, das als Gray-Code bekannt ist und sicherstellt, dass jede mögliche Kombination von Variablen in der logischsten Reihenfolge besucht wird. Sobigkeit die Vorlage erstellt ist, agiert der Algorithmus wie ein geschickter Editor, der den Schaltkreis scannt und alle unnötigen Schritte entfernt. Er identifiziert Teile des Schaltkreises, die redundant oder ineffizient sind, und schreibt sie in eine viel kürzere Sequenz um. Dieser Prozess ermöglicht es dem System, Probleme mit Tausenden von verschiedenen Termen zu bewältigen, indem er Schaltkreise erstellt, die signifikant kürzer sind als jene, die von der besten existierenden Software erzeugt werden. In ihren Tests generierte die neue Methode konsistent Schaltkreise, die wesentlich kompakter waren als die der branchenüblichen Software, während sie etwa die gleiche Zeit zur Ausführung benötigten.

Die Forscher untersuchten auch, ob sie die absolut beste Lösung durch einen anderen Ansatz finden könnten: indem sie das Problem als einen strengen Satz logischer Regeln formulierten, die ein leistungsstarker Computer lösen könnte, um die optimale Antwort zu finden. Sie erstellten mehrere Versionen dieser Regeln, von denen einige schneller zu lösen waren, aber die Garantie opferten, den absolut kürzesten Schaltkreis zu finden. Ihre Experimente zeigten, dass diese strengen logischen Methoden zwar in der Lage waren, die besten möglichen Schaltkreise für kleinere Probleme zu finden, aber bei größeren Problemen Schwierigkeiten hatten, innerhalb einer angemessenen Zeit fertig zu werden. Die neue heuristische Methode, Tempura, erwies sich als das praktischste Werkzeug, da sie den idealen Mittelweg fand, auf dem sie massive Probleme schnell bewältigen und Schaltkreise produzieren konnte, die viel kürzer als die der Konkurrenz waren. Die Studie kommt zu dem Schluss, dass die perfekte, mathematisch optimale Lösung für groß angelegte Probleme zwar weiterhin schwer fassbar bleibt, dieser neue Ansatz jedoch einen leistungsfähigen, skalierbaren Weg bietet, um das Beste aus der heutigen begrenzten Quantenhardware herauszuholen und den Weg für komplexere Berechnungen in naher Zukunft zu ebnen.