Circuit Design Problems in Binary Polynomial Quantum Optimization

In de race om nuttige kwantumcomputers te bouwen, worden wetenschappers momenteel geconfronteerd met een hardnekkige flessenhals: de machines die zij vandaag de dag hebben, zijn fragiel en beperkt. Ze kunnen slechts een klein aantal kwantumbits, of qubits, vasthouden, en ze verliezen hun delicate staat van informatie zeer snel als ze gevraagd worden om te veel stappen achter elkaar uit te voeren. Om complexe problemen op te lossen, vertalen onderzoekers deze meestal naar een specifiek wiskundig formaat dat een quadratic unconstrained binary optimization problem wordt genoemd. Dit formaat is als een universele taal die gemakkelijk in de huidige kwantumhardware past, maar het vereist vaak het toevoegen van een enorm aantal extra variabelen om de wiskunde te laten werken, wat op zijn beurt meer qubits vereist dan de machine kan bieden. Er bestaat een nieuwere, compactere manier om deze problemen te formuleren, gebruikmakend van hogere-orde polynomen die minder variabelen nodig hebben. Deze compacte vorm creëert echter een ander probleem: het vereist dat de computer complexe, meerstaps-operaties uitvoert die de huidige hardware niet direct kan doen. Om deze operaties werkbaar te maken, moeten ingenieurs ze afbreken in een lange keten van eenvoudigere stappen, wat het circuit diep en traag maakt, waardoor de kwantuminformatie vervalt voordat de berekening is voltooid.

De onderzoekers in deze studie zetten zich af tegen dit specifieke dilemma: hoe neem je deze compacte, hogere-orde problemen en breng je ze in de kortst mogelijke sequentie van stappen voor een kwantumcomputer. Zij benaderden het ontwerp van deze circuits niet als een proces van vallen en opstaan in de techniek, maar als een klassieke puzzel van logica en routering. Stel je het kwantumcircuit voor als een kaart waar informatie van het ene punt naar het andere moet reizen om correct gecombineerd te worden. Het doel was om het meest efficiënte pad te vinden dat het aantal stappen, of lagen, waar de informatie doorheen moet gaan, minimaliseert. Het team bewees dat het vinden van het absoluut perfecte, kortste pad voor elk gegeven probleem een type puzzel is die wiskundig bewezen extreem moeilijk is, behorend tot een klasse problemen waarvan geen snelle, perfecte oplossing bekend is. Dit betekent dat een computer voor grote, complexe problemen niet simpelweg het beste antwoord in een redelijke tijd kan berekenen.

Omdat een perfecte oplossing vaak buiten bereik ligt, ontwikkelde het team een nieuwe, zeer efficiënte methode die zij Tempura noemden. In plaats van te proberen de hele puzzel in één keer op te lossen, bouwt deze methode een standaard, flexibel sjabloon op basis van een specifiek patroon dat bekend staat als een Gray-code, wat ervoor zorgt dat elke mogelijke combinatie van variabelen in de meest logische volgorde wordt bezocht. Zodra dit sjabloon is gebouwd, werkt het algoritme als een bekwame redacteur die het circuit scant en overbodige stappen verwijdert. Het identificeert delen van het circuit die redundant of inefficiënt zijn en herschrijft deze naar een veel kortere sequentie. Dit proces stelt het systeem in staat om problemen met duizenden verschillende termen aan te kunnen, waarbij circuits worden gecreëerd die aanzienlijk korter zijn dan die van de beste bestaande softwaretools. In hun tests genereerde de nieuwe methode consequent circuits die veel compacter waren dan die van de industriestandaard software, terwijl ze ongeveer dezelfde tijd nodig hadden om te draaien.

De onderzoekers onderzochten ook of zij de absoluut beste oplossing konden vinden met een andere aanpak: door het probleem te formuleren als een strikte set logische regels die een krachtige computer kon oplossen om het optimale antwoord te vinden. Zij creëerden verschillende versies van deze regels, waarvan sommige sneller waren op te lossen maar de garantie op het vinden van het absoluut kortste circuit opofferden. Hun experimenten toonden aan dat hoewel deze strikte logische methoden inderdaad de beste circuits voor kleinere problemen konden vinden, zij moeite hadden om binnen een redelijke tijd klaar te zijn voor grotere problemen. De nieuwe heuristische methode, Tempura, kwam naar voren als de meest praktische tool, die een sweet spot bood waar zij grote problemen snel kon afhandelen en circuits kon produceren die veel korter waren dan die van de concurrentie. De studie concludeert dat hoewel de perfecte, wiskundig optimale oplossing onbereikbaar blijft voor grootschalige problemen, deze nieuwe aanpak een krachtige, schaalbare manier biedt om het meeste uit de huidige beperkte kwanthardware te halen, wat de weg vrijmaakt voor complexere berekeningen in de nabije toekomst.