Recent quantum runtime (dis)advantages

Questo articolo sostiene che le attuali affermazioni di vantaggio quantistico sono spesso distorte dall'esclusione di sostanziali sovraccarichi a livello di sistema e, mediante definizioni di runtime end-to-end fondate su dati sperimentali e solidi baseline classici, dimostra che non è stato ancora raggiunto alcun vantaggio di runtime credibile sull'hardware NISQ per gli algoritmi di annealing e basati su porte esaminati.

L'essenziale

Immagina di essere un giudice di una gara automobilistica chiamato a decidere se una nuova, futuristica auto elettrica (il Computer Quantistico) sia effettivamente più veloce di un'auto sportiva ad alte prestazioni (il Computer Classico).

Gli autori di questo articolo, un team di ricercatori polacchi, hanno deciso di dare un'occhiata fresca alle recenti affermazioni secondo cui l'auto elettrica sta vincendo. Hanno scoperto che, mentre l'auto elettrica sembra veloce sul cruscotto, un esame più attento dell'intera gara rivela che in realtà sta perdendo.

Ecco la sintesi dei loro risultati utilizzando semplici analogie:

Il Problema Centrale: "Il Cronometro contro il Tempo sul Giro"

In passato, quando si confrontavano questi computer, si cronometrava spesso solo il momento in cui il motore era effettivamente al regime (la "computazione"). Si ignorava il tempo necessario per:

• Avviare il motore.
• Inserire la marcia.
• Controllare le gomme.
• Leggere il tachimetro al traguardo.

Gli autori sostengono che, per i computer quantistici, questi "passaggi extra" richiedano così tanto tempo da vanificare completamente il vantaggio di velocità. Non puoi cronometrare solo il motore; devi cronometrare l'intero viaggio dal garage al traguardo.

Caso di Studio 1: L'Annealer Quantistico (La Gara della "Lettura Lenta")

L'Affermazione: Uno studio recente ha dichiarato che un annealer quantistico (un tipo di computer quantistico che risolve problemi di ottimizzazione) stava diventando più veloce man mano che i problemi diventavano più grandi.
La Verifica della Realtà: Gli autori hanno rieseguito l'esperimento ma hanno cronometrato l'intero processo, inclusa la lettura dei risultati.

• L'Analogia: Immagina un corridore che sprinta sui 100 metri in 0,5 secondi (la parte quantistica). Ma, ogni volta che finisce, deve camminare lentamente fino alla linea di partenza per far registrare il suo tempo, il che richiede 200 secondi.
• Il Risultato: Lo "sprint" è veloce, ma il "camminare indietro" è così lento che il tempo totale non migliora man mano che la gara si allunga. Attualmente, il computer quantistico è dominato dal tempo necessario per "leggere la risposta", rendendolo non più veloce dei migliori computer classici per questi compiti.

Caso di Studio 2: Il Problema di Simon (Il "Trucco di Magia" contro la "Calcolatrice")

L'Affermazione: Un altro studio ha mostrato un computer quantistico che risolveva un specifico puzzle matematico (il problema di Simon) utilizzando molte meno "domande" (chiamate all'oracolo) rispetto a un computer classico. Sembrava un trucco di magia in cui il computer quantistico aveva bisogno di solo pochi tentativi, mentre quello classico ne richiedeva milioni.
La Verifica della Realtà: Gli autori hanno esaminato il tempo effettivo necessario per risolvere il puzzle su una macchina reale.

• L'Analogia: Il computer quantistico è come un mago che può indovinare la risposta in 1 secondo, ma il mago è molto lento nel lanciare l'incantesimo e nel leggere il risultato. Il computer classico è una calcolatrice super veloce che deve fare un milione di domande, ma le pone così rapidamente da completare l'intero lavoro in 0,03 secondi.
• Il Risultato: Anche se il computer quantistico ha fatto meno domande, l'"overhead" (il sovraccarico) di eseguire l'incantesimo lo ha reso 100 volte più lento nel tempo reale. La "magia" non è ancora abbastanza veloce da battere la calcolatrice.

Caso di Studio 3: L'Algoritmo Ibrido (La Gara "Ingannevole")

L'Affermazione: Un terzo studio ha sostenuto che un algoritmo ibrido quantistico-classico fosse il modo più veloce per risolvere problemi aziendali complessi.
La Verifica della Realtà: Gli autori hanno individuato due problemi principali:

1. Il Cronometro era rotto: Non hanno conteggiato il tempo trascorso a sintonizzare le impostazioni (iperparametri) né il tempo in cui il computer classico ha aiutato quello quantistico.
2. L'Avversario era debole: Hanno confrontato il computer quantistico con un algoritmo classico "lento" (CPLEX) che non era ottimizzato per il tipo specifico di problema.

• L'Analogia: Era come confrontare una Ferrari con una bicicletta, ma cronometrando solo il motore della Ferrari e ignorando il tempo necessario per guidare fino al circuito. Quando gli autori hanno inserito un'auto sportiva adeguata e ad alta velocità (un algoritmo classico sintonizzato) nella gara, la "Ferrari" quantistica non ha vinto. Anzi, l'auto classica era più veloce.

La Grande Conclusione

L'articolo conclude che non abbiamo ancora visto un vero "vantaggio quantistico" nella velocità nel mondo reale.

Il fatto che un computer quantistico abbia un vantaggio teorico (come la necessità di meno passaggi) non significa che vinca la gara oggi. L'"overhead" (configurazione, lettura dei risultati, raffreddamento, ecc.) è attualmente troppo pesante.

Il Consiglio degli Autori per le Gare Future:
Per dimostrare che i computer quantistici sono davvero più veloci, i futuri studi devono:

1. Cronometrare l'intero viaggio: Includere configurazione, lettura e raffreddamento nel cronometro.
2. Scegliere un avversario equo: Confrontarsi con i migliori computer classici più moderni, non con quelli obsoleti.
3. Essere onesti con le statistiche: Non scegliere solo la gara in cui l'auto quantistica ha vinto; guardare la prestazione media.

Fino a quando queste condizioni non saranno soddisfatte, il "vantaggio quantistico" rimane una promessa per il futuro, non una realtà per oggi.

Sommario tecnico

1. Enunciato del Problema

Il problema centrale affrontato è la mancanza di una definizione robusta e fondata sperimentalmente del tempo di esecuzione quantistico utilizzata per rivendicare un "vantaggio quantistico". Le attuali affermazioni si basano spesso su:

• Metriche proxy: Utilizzo del "tempo di annealing" o della "complessità delle chiamate all'oracolo" come sostituto del tempo totale al muro (wall-clock time).
• Sovraccarichi esclusi: Ignorare i costi a livello di sistema come la lettura, la termalizzazione, la transpilazione (compilazione), il trasferimento dati e la sintonizzazione degli iperparametri.
• Baseline deboli: Confronto degli algoritmi quantistici con implementazioni classiche subottimali (ad esempio, algoritmi sequenziali o quelli che richiedono una riformulazione del problema).

Gli autori sostengono che, senza tenere conto del tempo di esecuzione end-to-end (dalla sottomissione del problema all'estrazione della soluzione), le affermazioni di vantaggio quantistico sull'hardware attuale NISQ (Noisy Intermediate-Scale Quantum) sono spesso distorte e fuorvianti.

2. Metodologia

Gli autori propongono un quadro per definizioni di tempo di esecuzione operativamente significative e lo applicano a tre casi studio rappresentativi che coinvolgono recenti affermazioni di alto profilo di vantaggio quantistico.

A. Definizioni di Tempo di Esecuzione Proposte

• Quantum Annealing: Il tempo totale di esecuzione ($t_{tot}$) deve includere:
  • Tempo di programmazione (caricamento del problema).
  • Tempo di annealing ($t_{anneal}$).
  • Tempo di lettura (misura dello stato).
  • Tempo di termalizzazione (reset del dispositivo).
  • Sovraccarichi di accesso al cloud.
• Quantistica basata su porte (Digitale): Il tempo totale di esecuzione deve includere:
  • Transpilazione (compilazione del circuito in porte native/topologia).
  • Tempo di esecuzione (shot).
  • Lettura e termalizzazione tra gli shot.
  • Post-processing classico e trasferimento dati.
• Baseline Classiche: Gli algoritmi di riferimento devono essere:
  • Parallelizzabili: Sfruttando hardware moderno (GPU/FPGA).
  • Nativi: Risolvendo il problema senza riformulazioni non necessarie (ad esempio, evitando la conversione da Higher-Order Unconstrained Binary Optimization (HUBO) a Mixed-Integer Programming se esiste un solver nativo).
  • Ottimizzati: Includendo i costi di sintonizzazione degli iperparametri.

B. Casi Studio Analizzati

1. Quantum Annealing per QUBO Approssimato: Rivalutazione del Ref. [20] (Munoz-Bauza & Lidar).
2. Query all'Oracolo Basata su Porte (Problema di Simon): Rivalutazione del Ref. [21] (Singkanipa et al.).
3. Algoritmo Ibrido BF-DCQO: Rivalutazione del Ref. [22] (Chandarana et al.) per problemi HUBO.

3. Contributi e Risultati Chiave

Caso Studio 1: Quantum Annealing (QUBO Approssimato)

• Affermazione Originale: Il Ref. [20] riportava un vantaggio di scalabilità per l'quantum annealing rispetto a un riferimento classico (PT-ICM) basato sul "tempo di annealing" ($t_{anneal}$).
• Rivalutazione: Gli autori hanno misurato il tempo totale di accesso alla QPU (inclusi lettura e termalizzazione).
• Risultato:
  • Il tempo di lettura (~200 µs) domina il tempo totale di esecuzione, superando il tempo di annealing (0,5–27 µs) di 1-2 ordini di grandezza.
  • Utilizzando la metrica completa end-to-end ($TT_\epsilon$), il vantaggio di scalabilità scompare; il tempo di esecuzione rimane quasi costante attraverso le dimensioni del problema.
  • Confronto: Una macchina classica Simulated Bifurcation Machine (SBM) in esecuzione su una GPU supera l'annealer quantistico anche sotto ipotesi ottimistiche, mostrando una scalabilità robusta laddove il dispositivo quantistico non ne mostra alcuna.

Caso Studio 2: Query all'Oracolo Basata su Porte (Problema di Simon Restretto)

• Affermazione Originale: Il Ref. [21] ha dimostrato un vantaggio esponenziale nella complessità delle query (numero di chiamate all'oracolo) per un problema di Simon ristretto su hardware IBM.
• Rivalutazione: Gli autori hanno confrontato il tempo di esecuzione al muro dell'implementazione quantistica con un algoritmo classico di forza bruta in esecuzione su una singola GPU.
• Risultato:
  • Sebbene l'algoritmo quantistico richieda un numero esponenzialmente inferiore di chiamate all'oracolo, il tempo fisico per chiamata è significativamente più lento a causa dei sovraccarichi di esecuzione delle porte e di lettura.
  • Risultato: Per la dimensione testata ($N=29$ bit), l'implementazione classica su GPU ha risolto il problema in ~0,035s, mentre l'implementazione quantistica ha richiesto ~2s (un rallentamento di ~100 volte).
  • Punto di Incrocio: L'estrapolazione teorica suggerisce un punto di incrocio nel tempo di esecuzione solo a $N \approx 60$, una dimensione attualmente impossibile per i dispositivi rumorosi da risolvere correttamente.

Caso Studio 3: Algoritmo Ibrido BF-DCQO (HUBO)

• Affermazione Originale: Il Ref. [22] ha rivendicato un vantaggio di tempo di esecuzione per un algoritmo quantistico counter-diabatic digitalizzato (BF-DCQO) rispetto a Simulated Annealing (SA) e CPLEX per problemi HUBO.
• Rivalutazione:
  • Difetti della Baseline: Lo studio originale utilizzava una baseline classica subottimale (CPLEX richiedeva la riformulazione di HUBO in Mixed-Integer Programming, aggiungendo un enorme sovraccarico) e riportava risultati per singole istanze "migliori" anziché medie statistiche.
  • Nuova Baseline: Gli autori hanno implementato un solver Simulated Annealing nativo per HUBO accelerato da GPU e lo hanno confrontato con BF-DCQO.
  • Risultato: Il SA classico ottimizzato ha superato l'approccio quantistico ibrido sia nella qualità della soluzione che nel rapporto tempo-risultato ($TTR$).
  • Problema di Embedding: Testando le stesse istanze su un annealer D-Wave Advantage2, l'embedding richiesto (mappatura sulla topologia hardware) ha generato catene lunghe e scarsa qualità della soluzione, negando ulteriormente qualsiasi potenziale vantaggio.

4. Significato e Conclusioni

Conclusione Principale

Sotto metriche di prestazioni end-to-end fondate sperimentalmente, nessun vantaggio pratico di tempo di esecuzione quantistico è stato dimostrato sull'hardware NISQ attuale. I "vantaggi" osservati nella letteratura recente sono artefatti di:

1. Ignorare i sovraccarichi dominanti (lettura, compilazione, termalizzazione).
2. Utilizzare baseline classiche deboli o non native.
3. Fare affidamento su metriche di complessità asintotica (come la complessità delle query) che non si traducono in velocità al muro per piccole dimensioni del problema.

Principi Proposti per il Futuro Benchmarking

Gli autori delineano un insieme di principi per garantire affermazioni credibili di vantaggio quantistico:

1. Misurazione Primaria del Tempo di Esecuzione: Misurare direttamente il tempo totale di esecuzione, non inferito da parametri nominali.
2. Contabilità Completa dei Sovraccarichi: Includere tutti i costi a livello di sistema (lettura, trasferimento dati, sintonizzazione).
3. Metriche Standardizzate: Utilizzare metriche come Time-to-$\epsilon$ ($TT_\epsilon$) su istanze diverse.
4. Integrità della Scalabilità: Analizzare la scalabilità su un ampio intervallo di dimensioni del problema per evitare effetti di dimensione finita.
5. Baseline Classiche ad Alte Prestazioni: Confronto con solver classici all'avanguardia e parallelizzati (ad esempio, SBM o SA basati su GPU).
6. L'Ipotesi Nulla Ibrida: Per gli algoritmi ibridi, verificare se sostituire il sottoprogramma quantistico con uno classico produce prestazioni simili o migliori.

Impatto

Questo lavoro funge da controllo di realtà critico per il campo dell'informatica quantistica. Sottolinea che, sebbene esistano accelerazioni teoriche, la realtà ingegneristica dell'hardware attuale (rumore, latenza, sovraccarichi) impedisce attualmente che queste si traducano in utilità pratica. Affermazioni credibili di vantaggio richiedono un benchmarking rigoroso, riproducibile e olistico che tratti i sistemi quantistici e classici con uguale scrutinio operativo.