Comparing Quantum Annealing and BF-DCQO

Nella corsa alla risoluzione dei puzzle più difficili del mondo, gli scienziati guardano da tempo al comportamento strano del mondo quantistico per ottenere un vantaggio. Sono emersi due approcci principali per sfruttare questo potere. Il primo è il quantum annealing, un metodo in cui una macchina viene guidata lentamente da un punto di partenza semplice verso una destinazione complessa, permettendo al sistema di assestarsi naturalmente nella migliore soluzione possibile, proprio come una pallina che rotola giù da una collina per trovare la valle più bassa. Il secondo approccio coinvolge i computer quantistici a modello a porte (gate-model), che manipolano le informazioni in passi discreti utilizzando porte logiche, in modo simile a come un computer tradizionale elabora i dati, ma con la capacità aggiunta di esistere in più stati contemporaneamente. Recentemente, i ricercatori hanno proposto una tecnica ibrida che combina questi due mondi, utilizzando un computer classico per guidare un processore quantistico a modello a porte attraverso una serie di passaggi per risolvere problemi di ottimizzazione. Questo metodo, noto come bias-field digitized counterdiabatic quantum optimization, sosteneva di essere superiore alle esistenti macchine di quantum annealing. Tuttavia, un'analisi recente suggerisce che la storia sia molto diversa, rivelando che la parte quantistica di questo sistema ibrido potrebbe fare pochissimo del lavoro effettivo.

Un team di ricercatori di D-Wave Quantum si è proposto di testare queste affermazioni confrontando direttamente le prestazioni dei loro quantum annealer rispetto all'algoritmo ibrido. Si sono concentrati su un tipo specifico di problema in cui l'obiettivo è trovare lo stato di energia più basso tra un numero vastissimo di possibilità, un compito comune nella logistica, nella finanza e nella scienza dei materiali. Il metodo ibrido in questione utilizza un ciclo di feedback in cui un computer classico analizza i risultati di un'esecuzione quantistica e poi regola le impostazioni per l'esecuzione successiva, guidando gradualmente il sistema verso una risposta migliore. I sostenitori originali di questo metodo avevano riferito che esso superava le macchine di D-Wave. Lo studio recente, tuttavia, ha trovato l'esatto contrario. Quando i ricercatori hanno eseguito gli stessi problemi sui loro quantum annealer di D-Wave, le macchine hanno trovato soluzioni di qualità molto superiore in una frazione del tempo.

Per capire perché il metodo ibrido potesse essere sopravvalutato, i ricercatori hanno introdotto un semplice test di controllo. Hanno sostituito il computer quantistico nel flusso di lavoro ibrido con una routine classica molto basilare e "stupida" che si limita a invertire i bit per migliorare la soluzione uno alla volta. Sorprendentemente, questo banale sostituto classico si è comportato allo stesso modo, e spesso meglio, del complesso sistema ibrido che includeva il processore quantistico. Questo risultato suggerisce che la componente quantistica dell'approccio ibrido non stesse contribuendo significativamente alla qualità delle risposte. Invece, i miglioramenti derivavano probabilmente dalla capacità del computer classico di raffinare e orientare la ricerca, svolgendo di fatto il lavoro pesante mentre la macchina quantistica svolgeva un ruolo secondario, forse anche passivo.

Lo studio ha anche esaminato il tempo necessario per raggiungere queste soluzioni, un fattore spesso trascurato nelle affermazioni sulle prestazioni. I ricercatori hanno calcolato che l'esecuzione dell'algoritmo ibrido su un computer quantistico a modello a porte richiederebbe decine di volte più tempo rispetto all'esecuzione dello stesso problema su un quantum annealer. Per esempio, in test che coinvolgevano tipi specifici di problemi complessi, l'annealer ha completato il compito in meno di un secondo, mentre il metodo ibrido, anche con stime ottimistiche, avrebbe richiesto quasi un minuto o più. Questa enorme differenza di velocità, combinata con il fatto che la parte quantistica del sistema ibrido aggiunge poco valore, indica che l'approccio di annealing rimane lo strumento più efficiente per queste specifiche sfide di ottimizzazione.

I ricercatori sono stati attenti a garantire che il loro confronto fosse equo e riproducibile. Hanno notato che gli studi originali che rivendicavano la superiorità del metodo ibrido non avevano condiviso i loro dati grezzi, quindi il team ha generato i propri set di problemi basandosi sulle descrizioni pubblicate. Li hanno testati sull'ultima generazione di hardware D-Wave, che contiene migliaia di qubit, permettendo loro di risolvere problemi che precedentemente erano troppo grandi. In ogni caso, il quantum annealer ha restituito soluzioni migliori e più velocemente. Lo studio conclude che, sebbene gli algoritmi ibridi siano un ambito di ricerca interessante, le specifiche affermazioni di superiorità per questo particolare metodo non sono supportate dalle evidenze. Il quantum annealer, rimanendo vicino al suo stato fondamentale ed evolvendo lentamente, si è dimostrato un risolutore più robusto e veloce per i problemi testati, mentre l'approccio ibrido sembrava fare affidamento pesantemente su trucchi di calcolo classico che potevano essere replicati senza alcuna tecnologia quantistica.