Realizing Unstructured PDE Forecasting on Superconducting Quantum Processors

Het voorspellen van hoe vloeistoffen rond een scheepsromp kolken, hoe weersystemen zich boven een continent ontwikkelen, of hoe chemicaliën mengen in een reactor, vereist het oplossen van complexe wiskundige beschrijvingen die bekend staan als partiële differentiaalvergelijkingen. Decennialang hebben wetenschappers vertrouwd op enorme supercomputers om deze problemen op te splitsen in kleine, beheersbare stukjes, vaak gebruikmakend van onregelmatige roosters die kunnen worden aangepast aan de vorm van het object dat wordt bestudeerd. Hoewel deze methoden werken, zijn ze ongelooflijk duur en traag, waardoor ze de grenzen van zelfs de krachtigste machines ter wereld opzoeken. In de afgelopen jaren hebben onderzoekers naar quantumcomputers gekeken, die de vreemde regels van subatomaire fysica gebruiken om informatie te verwerken, in de hoop dat zij deze problemen ooit sneller kunnen oplossen. Echter, huidige quantummachines zijn nog klein, luidruchtig en hebben moeite om lang genoeg te draaien om de complexe, realistische simulaties te kunnen uitvole die nodig zijn voor techniek en wetenschap.

Een team van onderzoekers heeft nu een nieuwe manier gedemonstreerd om deze vroege quantummachines te gebruiken om het gedrag van complexe, ongestructureerde vloeistofstromingen te voorspellen. In plaats van te proberen de vergelijkingen direct op te lossen, wat moeilijk is op de huidige hardware, hebben zij een systeem gebouwd dat leert de toekomstige staat van een vloeistof te voorspellen door naar het verleden ervan te kijken. Het team gebruikte een quantumcomputer om te fungeren als een geavanceerde kenmerkextractor, een proces dat verborgen patronen in de data identificeert zonder dat het systeem voor het specifieke probleem getraind hoeft te worden. Ze testten deze aanpak op twee uitdagende scenario's: lucht die rond een cilinder stroomt en een chemische reactie die kolkende patronen creëert. Door de capaciteit van een klassieke computer om de data te comprimeren te combineren met de capaciteit van de quantumcomputer om complexe relaties te vinden, waren ze in staat om nauwkeurige voorspellingen te doen op echte quantumhardware, zelfs toen het geheugen van de machine veel korter was dan de tijd die nodig is om de simulatie uit te voeren.

De kern van hun methode rust op een techniek genaamd quantum reservoir computing. Stel je een grote, complexe kamer voor gevuld met echo's; als je een woord spreekt, bevat de manier waarop het geluid rondkaatst en in de loop van de tijd vervaagt een unieke handtekening van dat woord. In dit experiment fungeert de quantumcomputer als die kamer. De onderzoekers voeren gegevens over de huidige staat van de vloeistof in het quantumsysteem, dat vervolgens uit zichzelf evolueert volgens vaste regels. Zij passen de instellingen van de quantummachine niet aan om de data aan te passen; in plaats daarvan meten zij simpelweg de output nadat de machine de input heeft verwerkt. Deze output dient als een rijke set kenmerken die een klassieke computer kan gebruiken om te voorspellen wat er hierna zal gebeuren. Omdat de quantummachine niet wordt getraind, vermijdt het de moeilijkheden die andere quantummethoden vaak teisteren, zoals het vastlopen in lokale fouten of het vereisen van miljoenen pogingen om een oplossing te vinden.

Een grote hindernis bij het gebruik van quantumcomputers voor lange simulaties is dat de quantumbits, of qubits, hun informatie zeer snel verliezen door ruis en omgevingsinterferentie. Normaal gesproken moet een berekening voltooid zijn voordat deze informatie vervaagt, wat beperkt hoe ver in de toekomst een systeem kan voorspellen. De onderzoekers losten dit op door een slimme truc te gebruiken met gedeeltelijke metingen en resets. Ze maten slechts de helft van de qubits in hun systeem en resetten deze onmiddellijk naar een starttoestand, terwijl ze de andere helft ongemoeid lieten. Dit proces "verfrist" het systeem op een milde manier, waardoor de niet-gemeten qubits een vervagend geheugen van de eerdere inputs kunnen behouden. Dit mechanisme stelde de quantumcircuit in staat om een duur te draaien die ongeveer vierentwintig keer langer was dan de natuurlijke levensduur van de qubits, waardoor de hardwarelimiet effectief werd omzeild en de voorspelling van complexe, niet-lineaire gebeurtenissen mogelijk werd gemaakt.

Om hun systeem te testen, gebruikten het team data van een simulatie van lucht die langs een cilinder stroomt met een snelheid waarbij de lucht een herhalend patroon van kolkende vortexen creëert. Ze testten ook een chemisch reactiesysteem dat bekend staat als het Gray-Scott-model, dat ingewikkelde, zelforganiserende spiraalpatronen produceert. In beide gevallen gebruikten ze eerst een klassieke computer om de enorme hoeveelheid data die de vloeistof- of chemische velden beschrijft te comprimeren tot een kleinere, eenvoudigere representatie. Deze gecomprimeerde data werd vervolgens in de quantumprocessor gevoed. De quantummachine verwerkte de informatie en gaf de resultaten terug aan een klassieke computer, die een eenvoudige wiskundige formule gebruikte om de volgende stap in de sequentie te voorspellen. Ze herhaalden dit proces om het gedrag van het systeem in de loop van de tijd te voorspellen, waardoor een gesloten lus ontstond waarbij de voorspelling van het ene moment de input werd voor het volgende.

De resultaten toonden aan dat het toevoegen van de quantumprocessor aan de voorspellingspipeline de nauwkeurigheid aanzienlijk verbeterde. Wanneer vergeleken met een standaard lineaire voorspellingsmethode die geen gebruik maakte van de quantumkenmerken, verminderde de nieuwe aanpak de fout bij het voorspellen van de snelheid en druk van de vloeistof met tussen de eenentwintig en drieëenveertig procent. Deze verbetering hield stand, zelfs toen het systeem op werkelijke quantumhardware van IBM werd uitgevoerd, die tot drieënvijftig qubits bevat en onderhevig is aan real-world ruis. Sterker nog, de onderzoekers ontdekten dat de ruis in de hardware de voorspellingen niet ruïneerde; in sommige gevallen hielp de ruis zelfs het systeem beter te generaliseren, door te fungeren als een natuurlijk filter dat voorkwam dat het model overfitte op de trainingsdata. Dit suggereert dat het vermogen van het quantum systeem om een enorme ruimte van mogelijkheden te verkennen, nuttig blijft, zelfs wanneer de machine imperfect is.

De studie benadrukte ook de praktische voordelen van deze aanpak met betrekking tot snelheid en schaalbaarheid. Hoewel de quantumcomputer niet sneller was dan een klassieke supercomputer bij het vanaf nul oplossen van het volledige vloeistofdynamica-probleem, werd het specifieke deel van de berekening dat door de quantumprocessor werd uitgevoerd, veel sneller uitgevoerd dan het op een klassieke computer gesimuleerd kon worden. Voor het systeem met drieënvijftig qubits voltooide de quantumhardware de taak in enkele minuten, terwijl het exact simuleren van hetzelfde proces op een krachtige klassieke computer onmogelijk zou zijn geweest vanwege de enorme hoeveelheid geheugen die vereist is. De onderzoekers merkten op dat dit nog geen vervanging is voor traditionele supercomputers, maar het bewijst dat quantummachines waardevolle inzichten kunnen leveren bij complexe voorspellingsopdrachten. Door aan te tonen dat een quantum systeem kan draaien voor een duur die de levensduur van zijn eigen componenten ver overstijgt en nog steeds nauwkeurige resultaten kan produceren op ongestructureerde, realistische problemen, heeft het team een nieuwe weg geopend voor het gebruik van quantumtechnologie in wetenschappelijke simulaties.

Dit werk vormt de eerste keer dat een quantumcomputer is gebruikt om het gedrag van een vloeistof op een onregelmatig, ongestructureerd rooster te voorspellen, een veelvoorkomende vereiste in de techniek die eerdere quantummethoden niet konden aan. Het markeert ook de eerste instantie van een closed-loop forecast, waarbij het quantum systeem een sequentie van toekomstige staten voorspelt op basis van zijn eigen eerdere voorspellingen, terwijl het op luidruchtige hardware draait. Het succes van het experiment suggereert dat de toekomst van quantumcomputing misschien niet ligt in het bouwen van perfecte, foutloze machines, maar in het ontwerpen van systemen die de kracht van grote, ongetrainde quantumruimtes kunnen benutten om patronen te vinden die klassieke computers zouden missen. Naarms de quantumhardware in omvang en capaciteit groeit, zouden methoden zoals deze uiteindelijk wetenschappers en ingenieurs kunnen helpen bij het aanpakken van problemen die momenteel te duur of te traag zijn om op te lossen, van het ontwerpen van efficiëntere vliegtuigen tot het voorspellen van extreme weersomstandigheden.