Leaving Quantum Bias on the Table: Pushforwards as a Path to Quantum Advantage in Constrained Optimization

In de wereld van de moderne computertechnologie is er een voortdurende strijd om problemen op te lossen die te complex zijn voor standaardmachines maar te rigide voor de krachtigste nieuwe instrumenten. Dit zijn zogenaamde beperkte optimalisatieproblemen (constrained optimization problems), die voorkomen in alles van het plannen van bezorgroutes tot het plannen van vluchtschema's van luchtvaartmaatschappijen. Het doel is om de enkel beste rangschikking van vele bewegende delen te vinden, maar er zijn strikte regels die gevolgd moeten worden; een oplossing die tijd bespaart maar een regel overtreedt, is nutteloos. Onlangs hebben wetenschappers zich tot quantumcomputers gewend, die de vreemde wetten van de fysica gebruiken om vele mogelijkheden tegelijkertijd te verkennen. Deze machines zijn echter momenteel luidruchtig en imperfect. Ze produceren vaak antwoorden die veelbelovend lijken, maar niet aan de strikte regels van het probleem voldoen, waardoor onderzoekers achterblijven met een vloedgolf aan onbruikbare gegevens. De uitdaging is geweest hoe men deze gebrekkige outputs zinvol kan maken zonder de daarin verborgen waardevolle patronen weg te gooien.

Een team van onderzoekers heeft een nieuwe manier ontwikkeld om deze kloof te overbruggen, door de ruwe, rommelige output van een quantumcomputer om te zetten in een betrouwbare stroom van geldige oplossingen. In plaats van te proberen de quantummachine direct een perfect antwoord te laten produceren, behandelen ze de output van de machine als een startpunt voor een tweede, klassieke stap. Stel je een quantumcomputer voor als een bekwame maar ietwat onhandige boogschutter die pijlen naar een doel schiet. Vaak landen de pijlen net buiten de roos, waarbij ze het doel missen, maar nog steeds een duidelijke richting naar het doel aangeven. De methode van de onderzoekers houdt in dat ze elke pijl die in de buurt landt, voorzichtig naar het midden van het doel duwen. Deze "duw" is een vaste, wiskundige regel die eventuele fouten in het pad van de pijl herstelt, waardoor een bijna-misser wordt getransformeerd in een perfecte treffer. Door deze herstelregel toe te passen op elke schot, ontdekten de onderzoekers dat de natuurlijke neiging van de quantumcomputer om zijn pijlen te clusteren nabij de beste oplossingen krachtig genoeg wordt om het optimale antwoord met veel minder pogingen te vinden dan voorheen mogelijk werd geacht.

De kern van deze ontdekking ligt in een concept genaamd een "pushforward", dat beschrijft hoe een waarschijnlijkheidsverdeling beweegt wanneer elk resultaat wordt getransformeerd door een regel. In de context van hun werk toonden de onderzoekers aan dat wanneer een quantumcomputer een wolk van mogelijke antwoorden genereert, waarvan vele ongeldig zijn, een klassiek herstelproces alle ongeldige antwoorden die dicht bij een goede oplossing liggen kan opvegen en naar die goede oplossing kan mappen. Dit vergroot het doelgebied effectief. In plaats van dat de quantumcomputer een specifieke perfecte configuratie moet raken, hoeft hij alleen maar een van de vele gebrekkige configuraties te raken die gemakkelijk in die perfecte configuratie kunnen worden hersteld. Deze verschuiving verandert het spel volledig. Dit betekent dat de quantumcomputer niet zo precies of zo diep in zijn berekeningen hoeft te zijn om te slagen, omdat de klassieke herstelstap het zware werk doet van het verzamelen van alle verspreide, bijna-missende pogingen en het consolideren ervan tot één enkel, geldig resultaat.

Om dit idee te testen, richtte het team zich op het handelsreizigersprobleem (traveling salesman problem), een klassieke puzzel waarbij een reiziger een lijst met steden precies één keer moet bezoeken en moet terugkeren naar huis terwijl de kortst mogelijke afstand wordt afgelegd. Ze simuleerden dit scenario met een quantumalgoritme dat ontworpen is om de basisstructuur van het probleem te respecteren, zoals het waarborgen dat elke stad één keer wordt bezocht, maar waarbij fouten in de uiteindelijke rangschikking worden toegestaan. Wanneer ze hun herstelmethode toepasten op de resultaten, merkten ze dat de quantumcomputer zijn waarschijnlijkheidsmassa concentreerde op specifieke groepen gebrekkige antwoorden die in de beste route konden worden hersteld. In simulaties voor een probleem met tien steden vond de herstelde quantummethode de optimale oplossing in ongeveer duizend pogingen. In contrast hiermee had de oorspronkelijke methode zonder deze herstelstap een miljoen pogingen nodig om hetzelfde resultaat te bereiken. Deze enorme reductie in het aantal benodigde pogingen demonstreert dat de quantumcomputer inderdaad waardevolle informatie over de beste oplossing vasthield, zelfs toen de ruwe output technisch gezien incorrect was.

De onderzoekers testten hun methode ook op een echte quantumprocessor, een 127-qubit machine gebouwd door IBM, om te zien hoe deze standhoudt tegen de ruis en fouten van werkelijke hardware. Ze voerden dezelfde handelsreizigersproblemen uit op dit fysieke apparaat, dat veel luidruchtiger is dan een perfecte simulatie. Zelfs met de imperfecties van de echte machine slaagde het herstelproces erin de ruwe, vaak chaotische outputs om te zetten in geldige routes. Voor de kleinere testgevallen kwamen de herstelde resultaten overeen met de bekende beste oplossingen. Voor de grotere, moeilijkere gevallen waren de herstelde oplossingen zelfs beter dan de referentieantwoorden die door standaard softwarebibliotheken worden geleverd. Dit bevestigde dat de methode niet alleen in theorie of simulatie werkt, maar ook op de imperfecte hardware die vandaag de dag beschikbaar is. De belangrijkste bevinding was dat de quantumcomputer niet zomaar willekeurige ruis genereerde; het genereerde een vertekende verdeling waarbij de meest nuttige, herstelbare fouten bij elkaar waren gegroepeerd, en het herstelproces was in staat deze bias te oogsten om hoogwaardige oplossingen te vinden.

Dit werk suggereert een nieuw ontwerpprincipe voor hoe we quantumcomputers in de nabije toekomst gebruiken. In plaats van te wachten tot machines perfect genoeg zijn om harde problemen direct op te lossen, kunnen we hybride systemen bouwen waarbij het quantumgedeelte het zware werk doet van het verkennen van de oplossingsruimte, en een klassiek deel fungeert als een filter en herstelmechanisme. De taak van de quantumcomputer is om de regio's van de probleemruimte te identificeren die het meest waarschijnlijk het antwoord bevatten, zelfs als hij het exacte antwoord zelf niet kan aanwijzen. De klassieke herstelregel neemt vervolgens die veelbelovende regio's en extraheert de best mogelijke oplossing uit hen. Deze aanpak scheidt het quantumvoordeel, namelijk het vermogen om waarschijnlijkheid te concentreren op nuttige gebieden, van het klassieke voordeel, namelijk het vermogen om strikte regels af te dwingen en fouten te herstellen. Door deze sterktes te combineren, hebben de onderzoekers aangetoond dat we significante verbeteringen kunnen bereiken bij het oplossen van complexe problemen vandaag de dag, met de imperfecte quantumhardware die we al hebben.

De studie benadrukte ook hoe ruis dit proces beïnvloedt. Wanneer de quantumcomputer te luidruchtig is, lekt hij informatie uit de geldige oplossingsruimte, waardoor gegevens naar gebieden worden gestuurd die niet kunnen worden hersteld. De onderzoekers ontdekten dat naarmate deze lekkage toeneemt, het voordeel van de herstelmethode afneemt, waardoor het proces uiteindelijk verandert in een willekeurige zoektocht. Echter, voor de mate van ruis die aanwezig is in huidige machines, bleef de methode zeer effectief. Het team heeft wiskundige grenzen afgeleid die voorspellen hoe nauwkeurig het herstelproces kan helpen, waarbij zij aantoonden dat het de diepte van de vereiste quantumcircuit kan verminderen om een oplossing te vinden. Dit is een cruciaal detail omdat diepere circuits gevoeliger zijn voor fouten. Door ondiepere circuits toe te staan, maakt de herstelmethode het mogelijk om complexere problemen op bestaande hardware uit te voeren zonder dat de resultaten door ruis worden vernietigd.

Uiteindelijk stelt het artikel vast dat de waarde van een quantum sampler in beperkte optimalisatie niet alleen ligt in de perfecte antwoorden die het produceert, maar in de structuur van zijn fouten. De quantumcomputer creëert een landschap waarin de "foute" antwoorden niet willekeurig verspreid zijn, maar op specifieke manieren geclusterd zijn die naar het juiste antwoord wijzen. Door deze structuur te herkennen en te benutten via een deterministische herstelregel, kunnen we een niveau van prestatie ontsluiten dat noch de quantummachine, noch een klassieke computer alleen zou kunnen bereiken. De resultaten uit zowel de simulaties als de experimenten met de echte hardware bieden sterk bewijs dat deze aanpak een levensvatbaar pad vooruit is voor quantumvoordeel in het huidige tijdperk van luidruchtige, intermediaire schaal quantumapparaten. Het transformeert het probleem van het omgaan met onhaalbare outputs van een foutmodus naar een kenmerk, waardoor onderzoekers kunnen rekenen op de quantumcomputer om te doen waar hij het beste in is: het pad vinden, zelfs als hij een beetje hulp nodig heeft om op de weg te blijven.