Comparing Quantum Annealing and BF-DCQO

En la carrera por resolver los acertijos más difíciles del mundo, los científicos han buscado durante mucho tiempo una ventaja en el extraño comportamiento del mundo cuántico. Han surgido dos enfoques principales para aprovechar este poder. El primero es el recocido cuántico (quantum annealing), un método en el que una máquina es guiada lentamente desde un punto de partida simple hacia un destino complejo, permitiendo que el sistema se asiente naturalmente en la mejor solución posible, de forma muy similar a una bola rodando por una colina para encontrar el valle más bajo. El segundo enfoque involucra computadoras cuánticas de modelo de compuerta (gate-model), que manipulan la información en pasos discretos utilizando puertas lógicas, de manera similar a cómo una computadora tradicional procesa datos pero con la capacidad añadida de existir en múltiples estados a la vez. Recientemente, investigadores propusieron una técnica híbrida que combina estos dos mundos, utilizando una computadora clásica para guiar a un procesador cuántico de modelo de compuerta a través de una serie de pasos para resolver problemas de optimización. Se afirmó que este método, conocido como optimización cuántica contraadiabática digitalizada por campo de sesgo (bias-field digitized counterdiabatic quantum optimization), era superior a las máquinas de recocido cuántico existentes. Sin embargo, un nuevo análisis sugiere que la historia es bastante diferente, revelando que la parte cuántica de este sistema híbrido podría estar haciendo muy poco del trabajo real.

Un equipo de investigadores de D-Wave Quantum se propuso poner a prueba estas afirmaciones comparando directamente el rendimiento de sus recocedores cuánticos frente al algoritmo híbrido. Se centraron en un tipo específico de problema donde el objetivo es encontrar el estado de menor energía entre un vasto número de posibilidades, una tarea común en logística, finanzas y ciencia de materiales. El método híbrido en cuestión utiliza un bucle de retroalimentación donde una computadora clásica analiza los resultados de una ejecución cuántica y luego ajusta la configuración para la siguiente ejecución, dirigiendo gradualmente el sistema hacia una mejor respuesta. Los proponentes originales de este método informaron que superaba a las máquinas de D-Wave. El nuevo estudio, sin embargo, encontró lo contrario. Cuando los investigadores ejecutaron los mismos problemas en los recocedores cuánticos de D-Wave, las máquinas encontraron soluciones de una calidad muy superior en una fracción del tiempo.

Para entender por qué el método híbrido podría haber sido sobrevalorado, los investigadores introdujeron una prueba de control simple. Reemplazaron la computadora cuántica en el flujo de trabajo híbrido con una rutina clásica muy básica y "tonta" que simplemente cambia bits para mejorar la solución uno por uno. Sorprendentemente, este sustituto clásico trivial funcionó tan bien como, y a menudo mejor que, el complejo sistema híbrido que incluía el procesador cuántico. Este resultado sugiere que el componente cuántico del enfoque híbrido no estaba contribuyendo significamente a la calidad de las respuestas. En cambio, las mejoras probablemente provenían de la capacidad de la computadora clásica para refinar y sesgar la búsqueda, realizando efectivamente el trabajo pesado mientras la máquina cuántica desempeñaba un papel secundario, quizás incluso pasivo.

El estudio también examinó el tiempo que tomó alcanzar estas soluciones, un factor que a menudo se pasa por alto en las afirmaciones de rendimiento. Los investigadores calcularon que ejecutar el algoritmo híbrido en una computadora cuántica de modelo de compuerta tomaría decenas de veces más tiempo que ejecutar el mismo problema en un recocedor cuántico. Por ejemplo, en pruebas que involucraban tipos específicos de problemas complejos, el recocedor completó la tarea en menos de un segundo, mientras que el método híbrido, incluso con estimaciones optimistas, requeriría casi un minuto o más. Esta enorme diferencia en velocidad, combinada con el hallazgo de que la parte cuántica del sistema híbrido añade poco valor, indica que el enfoque de recocido sigue siendo la herramienta más eficiente para estos desafíos de optimización específicos.

Los investigadores fueron cuidadosos para asegurar que su comparación fuera justa y reproducible. Señalaron que los estudios originales que afirmaban la superioridad del método híbrido no habían compartido sus datos brutos, por lo que el equipo generó sus propios conjuntos de problemas basados en las descripciones publicadas. Los probaron en la última generación de hardware de D-Wave, que contiene miles de qubits, lo que permite resolver problemas que antes eran demasiado grandes. En cada caso, el recocedor cuántico devolvió mejores soluciones más rápido. El estudio concluye que, si bien los algoritmos híbridos son un área de investigación interesante, las afirmaciones específicas de superioridad para este método en particular no fueron respaldadas por la evidencia. El recocedor cuántico, al permanecer cerca de su estado fundamental y evolucionar lentamente, demostró ser un resolvedor más robusto y rápido para los problemas probados, mientras que el enfoque híbrido parecía depender fuertemente de trucos de computación clásica que podrían replicarse sin ningún hardware cuántico en absoluto.