Time rescaling for second-order feedback-based quantum optimization

En la carrera por construir computadoras cuánticas útiles, los científicos se enfrentan a un obstáculo persistente: las máquinas que tenemos hoy son potentes pero frágiles. Son ruidosas, propensas a errores y solo pueden mantener sus delicados estados cuánticos durante un momento fugaz antes de colapsar. Debido a esto, los investigadores han dependido en gran medida de un enfoque híbrido, donde una computadora clásica realiza el trabajo pesado de optimización mientras el procesador cuántico se encarga de tareas específicas. Sin embargo, esta asociación a menudo se queda estancada en un bucle frustrante, donde la computadora clásica lucha por encontrar los ajustes adecuados, un problema conocido como "meseta estéril" (barren plateau) que puede detener el progreso por completo. Para evitar esto, ha surgido una estrategia diferente que depende enteramente de la propia máquina cuántica. En lugar de pedirle a una computadora clásica que ajuste los controles, este método utiliza un bucle de retroalimentación integrado directamente en el proceso cuántico. Mide el estado actual del sistema y ajusta inmediatamente el siguiente paso, guiando a la máquina hacia la mejor solución posible sin necesidad de que un compañero clásico haga las matemáticas. Este enfoque, conocido como algoritmo cuántico basado en retroalimentación, promete mucho, pero tiene un fallo importante: a menudo requiere que el circuito cuántico sea tan profundo, con tantos pasos secuenciales, que el ruido en las máquinas actuales destruye la respuesta antes de que el cálculo haya terminado.

Un equipo de investigadores en Brasil ha encontrado ahora una forma de acortar estos circuitos significativamente, haciendo que el método sea viable para el hardware actual. Combinaron dos técnicas existentes que previamente se habían utilizado por separado para acelerar el proceso. Una técnica implica cambiar el ritmo del cálculo, permitiendo que el sistema cuántico se mueva más rápido en ciertos momentos y más lento en otros, de forma muy parecida a un conductor que cambia de marcha para navegar por una carretera sinuosa de manera eficiente. La otra técnica utiliza una forma más sofisticada de predecir cómo cambiará el sistema en el siguiente paso, mirando no solo la dirección inmediata, sino también cómo esa dirección se curva. Al fusionar estas dos ideas en un único marco unificado, los investigadores crearon una nueva versión del algoritmo que alcanza la solución correcta en muchos menos pasos que antes.

Los investigadores probaron este nuevo método, al que llaman TR-Hy-FALQON, en dos tipos de acertijos complejos conocidos como problemas de grafos. Estos acertijos implican dividir una red de puntos en dos grupos de modo que las conexiones entre los grupos se maximicen, una tarea que es notoriamente difícil para las computadoras. Realizaron simulaciones en redes con doce y catorce puntos, comparando su nuevo método contra versiones anteriores del algoritmo de retroalimentación y contra el enfoque híbrido estándar. Los resultados fueron claros: el nuevo método alcanzó soluciones de alta calidad mucho más rápido. En las simulaciones, logró el mismo nivel de precisión que el método híbrico estándar, pero con menos capas de operaciones, y lo hizo con mayor estabilidad, lo que significa que los resultados eran menos propensos a tambalearse o fallar a medida que el cálculo progresaba.

Lo que hace que este desarrollo sea particularmente importante es que elimina la necesidad de que la computadora clásica intervenga constantemente. El nuevo algoritmo sigue dependiendo de que la máquina cuántica mida su propio progreso y ajuste su trayectoria, pero lo hace con un circuito mucho más corto. Esto es crucial porque cada paso adicional en un circuito cuántico aumenta la probabilidad de que el ruido corrompa los datos. Al reducir el número de pasos requeridos para resolver el problema, los investigadores han bajado efectivamente la barrera para el uso de estos algoritmos en las máquinas imperfectas actuales. El estudio mostró que el nuevo método podía resolver estos problemas de grafos específicos con un nivel de precisión que rivaliza con las mejores garantías clásicas conocidas, todo ello manteniendo un camino constante y fiable hacia la solución.

Los investigadores también señalaron que su método ofrece más flexibilidad en cómo se cronifica el cálculo. En versiones anteriores, los pasos debían tomarse a un ritmo muy específico y diminuto para asegurar que las matemáticas funcionaran, lo que obligaba a que el circuito fuera muy largo. El nuevo enfoque permite pasos de tiempo más grandes y flexibles sin perder estabilidad. Esto significa que la computadora cuántica puede dar pasos más largos hacia la respuesta sin tropezar con el ruido que usualmente hace que se tambalee. Si bien estos resultados provienen de simulaciones por computadora en lugar de hardware físico, los hallazgos sugieren que este algoritmo refinado es bien adecuado para la era actual de la computación cuántica, donde minimizar la profundidad del circuito es la clave del éxito. Al hacer que el proceso de retroalimentación sea tanto más rápido como más robusto, este trabajo proporciona un camino práctico para resolver problemas de optimización en los procesadores cuánticos ruidosos y poco profundos disponibles hoy en día.