Multivariate quantum signal processing with optimal query complexity

In de wereld van quantumcomputing zoeken onderzoekers voortdurend naar manieren om machines die werken volgens de vreemde regels van de subatomaire wereld bruikbaarder te maken voor het oplossen van echte problemen. Een groot deel van deze inspanning houdt in dat deze machines worden geleerd om gegevens te transformeren. Stel je een quantumcomputer voor als een apparaat dat een stuk informatie in een delicate staat kan vasthouden, zoals een tollende munt die tegelijkertijd kop en munt is. Om iets nuttigs met deze informatie te doen, moeten wetenschappers deze vaak in vorm of waarde veranderen volgens een specifieke wiskundige regel. Lange tijd waren ze erg goed in het toepassen van deze regels wanneer er slechts één stuk informatie is om mee te werken. De echte wereld is echter zelden zo eenvoudig. De meeste problemen bevatten veel verschillende variabelen die tegelijkertijd op elkaar inwerken, zoals temperatuur, druk en luchtvochtigheid die allemaal tegelijk veranderen. Wanneer wetenschappers probeerden deze krachtige wiskundige transformaties tegelijkertijd op meerdere variabelen toe te passen, liepen ze tegen een muur aan. De methoden die ze moesten gebruiken, waren ofwel te beperkt om complexe situaties aan te kunnen, of vereisten zoveel stappen om de gegevens te verwerken dat de computer uit tijd en middelen zou raken voordat de taak voltooid was.

Een team van onderzoekers heeft nu een manier gevonden om deze barrière te doorbreken. Ze hebben een nieuwe methode ontworpen die een quantumcomputer in staat stelt om veel variabelen tegelijkertijd te verwerken met het absolute minimum aantal stappen dat vereist is. Hun werk richt zich op een specifiek type wiskundige transformatie genaamd een polynoom, wat in essentie een manier is om getallen te combineren met behulp van optellen, aftrekken en vermenigvuldigen. De onderzoekers bewezen dat hun nieuwe aanpak elke combinatie van deze variabelen kan afhandelen zonder een enkele computationele stap te verspillen. In eerdere pogingen, als een probleem tien verschillende variabelen inhield, moest de computer zijn werk misschien duizenden keren herhalen om het juiste antwoord te krijgen. De nieuwe methode zorgt ervoor dat de computer het werk slechts zo vaak herhaalt als de complexiteit van het probleem vereist, niet meer en niet minder. Deze efficiëntie is niet slechts een kleine verbetering; het vertegenwoordigt een enorme sprong voorwaarts, waardoor een taak die onmogelijk zou zijn voor grote problemen, nu wel uitvoerbaar is geworden.

Het geheim van dit succes ligt in de manier waarop de onderzoekers de informatiestroom binnen de quantumcircuit hebben georganiseerd. In plaats van elke variabele als een apart probleem te behandelen dat één voor één moet worden opgelost, vonden ze een manier om de variabelen dezelfde middelen te laten delen. Ze hebben het circuit zo ingericht dat één variabele als de belangrijkste aansturing fungeert, terwijl de andere tegelijkertijd op de achtergrond worden verwerkt. Dit is vergelijkbaar met hoe een dirigent een enkel instrument kan leiden terwijl de rest van het orkest in harmonie meespeelt, in plaats van elke muzikant één voor één een solo te laten spelen. Door dit te doen, kunnen de verschillende onderdelen van de berekening dezelfde queries naar de invoergegevens delen. De onderzoekers toonden aan dat dit delen niet alleen een slimme truc is, maar een noodzaak voor efficiëntie. Ze bewezen wiskundig dat je het niet met minder stappen kunt doen dan hun methode vereist. Als je probeert minder stappen te gebruiken, kan de berekening simpelweg niet het juiste resultaat produceren.

Deze doorbraak is van toepassing op twee verschillende soorten inputs. Ten eerste werkt het voor eenvoudige getallen die veranderen in de loop van de tijd, wat gebruikelijk is in veel wetenschappelijke simulaties. Ten tweede, en misschien nog belangrijker voor toekomstige technologie, werkt het voor een klasse quantumoperaties die bekend staan als commuterende unitaries. Dit zijn speciale quantumacties die in elke willekeurige volgorde kunnen worden uitgevoerd zonder elkaar te verstoren. Dit is een cruciale eigenschap voor veel geavanceerde algoritmen, inclusief die ontworpen om complexe vergelijkingen op te lossen of chemische reacties te simuleren. De onderzoekers demonstreerden dat hun circuit dezelfde wiskundige transformatie aan al deze operaties tegelijkertijd kan toepassen, met het minimale aantal voorwaartse en achterwaartse stappen dat voor elk van hen nodig is. Dit betekent dat naarmate het aantal variabelen groeit, de kosten van de berekening op een beheersbare manier groeien, in plaats van exponentieel uit te dijen tot een onbeheersbare omvang.

Naast het louter uitvoeren van berekeningen, onderzochten het team ook hoe dit nieuwe circuit gebruikt kon worden als een leermodel. In het veld van machine learning worden computers getraind om patronen te herkennen door hun interne instellingen aan te passen om fouten te minimaliseren. De onderzoekers onderzochten hoe goed hun circuit kon leren wanneer de instellingen aan het begin willekeurig werden gekozen. Ze ontdekten dat het circuit, zelfs met deze willekeurige startpunten, een veelvoorkomend probleem vermijdt dat veel quantumleermodellen teistert, bekend als een barren plateau (een dorre hoogvlakte). In een barren plateau worden de signalen die de computer vertellen hoe hij kan verbeteren zo zwak dat het leren volledig stopt. Het nieuwe ontwerp zorgt ervoor dat deze signalen sterk genoeg blijven om het leerproces te begeleiden, zelfs wanneer het systeem groter en complexer wordt. Dit suggereert dat de methode niet alleen efficiënt is voor berekeningen, maar ook robuust genoeg is om gebruikt te worden voor het trainen van quantumcomputers om van gegevens te leren.

De implicaties van dit werk zijn aanzienlijk voor de toekomst van quantumtechnologie. Door de exponentiële kosten die voorheen het oplossen van problemen met meerdere variabelen zo moeilijk maakten te verwijderen, opent deze methode de deur naar meer praktische toepassingen. Het stelt wetenschappers in staat om algoritmen te ontwerpen die de complexiteit van echte gegevens kunnen aanpakken zonder te worden vertraagd door het enorme aantal benodigde stappen. De onderzoekers hebben een duidelijk blauwdruk geleverd voor het bouwen van deze circuits, door precies aan te geven hoe de quantum-gates gerangschikt moeten worden om deze efficiëntie te bereiken. Hoewel er nog steeds uitdagingen zijn om te overwinnen, zoals het omgaan met verschillende soorten wiskundige regels of niet-commuterende operaties, vestigt dit werk een nieuwe standaard voor wat mogelijk is. Het bewijst dat quantumcomputers, met de juiste aanpak, complexe, veelzijdige problemen kunnen aanpakken met een niveau van efficiëntie dat voorheen als onbereikbaar werd beschouwd.