Benchmarking neutral atom-based quantum processors at scale

Imagine um mundo onde os computadores não apenas processam números, mas dançam com o próprio tecido da realidade. Este é o reino da computação quântica, um campo onde partículas minúsculas como átomos atuam como os neurônios do cérebro. Ao contrário do seu laptop, que usa bits que são ou 0 ou 1, essas máquinas quânticas usam "qubits" que podem ser 0, 1, ou uma mistura mágica de ambos ao mesmo tempo. Uma maneira promissora de construir essas máquinas é prendendo átomos individuais em gaiolas invisíveis feitas de luz laser, chamadas pinças ópticas. Esses átomos são como dançarinos em um palco; se eles chegarem muito perto, interagem de uma forma especial chamada "bloqueio de Rydberg", onde eles se recusam a ser excitados ao mesmo tempo. Os cientistas usam essa regra para resolver enigmas incrivelmente difíceis, como encontrar a melhor maneira de organizar um grupo de pessoas para que nenhum par de amigos fique sentado ao lado um do outro. Mas aqui está o problema: esses dançarinos quânticos são frágeis. O ruído do ambiente pode fazê-los tropeçar e, à medida que construímos palcos maiores com mais átomos, torna-se mais difícil dizer se a máquina está realmente ficando mais inteligente ou apenas ficando mais barulhenta. É por isso que precisamos de uma maneira de testá-las de forma justa, não apenas olhando para suas partes internas, mas vendo o quão bem elas resolvem problemas do mundo real.

Este artigo é como um grande torneio de fair-play para dois dos computadores quânticos mais avançados do planeta: um construído pela QuEra (chamado Aquila) e outro pela Pasqal (chamado Fresnel). Os pesquisadores queriam ver qual máquina é melhor em resolver um tipo específico de enigma conhecido como "Conjunto Independente Máximo" (MIS). Imagine que você tem um mapa de uma cidade com muitos cruzamentos (pontos) e estradas conectando-os (linhas). O objetivo é escolher o maior grupo possível de cruzamentos tal que nenhum par de cruzamentos escolhidos esteja diretamente conectado por uma estrada. Parece simples, mas conforme a cidade cresce, o número de combinações possíveis explode, tornando-se um pescoio de garrafa para computadores comuns. Os pesquisadores usaram duas "estratégias" diferentes para resolver isso nas máquinas quânticas. A primeira é o Algoritmo Adiabático Quântico (QAA), que é como guiar lentamente uma bola de gude por uma colina sinuosa; se você for devagar o suficiente, ela naturalmente rolará para o vale mais profundo, que representa a melhor solução. A segunda é o Algoritmo de Otimização Aproximada Quântica (QAOA), que é mais parecido com um jogo de "quente ou frio", onde o computador tenta diferentes configurações, aprende com os resultados e ajusta sua abordagem para encontrar o melhor lugar.

A equipe testou essas máquinas em problemas que variam de configurações pequenas com 11 átomos até desafios massivos com 102 átomos para o Aquila e 85 para o Fresnel. Eles não olharam apenas se as máquinas encontravam a resposta perfeita; eles olharam com que frequência encontravam respostas válidas (soluções que realmente seguem as regras) e o quão próximas essas respostas estavam da melhor possível. Os resultados mostraram uma tendência clara: conforme os enigmas ficavam maiores, ambas as máquinas achavam mais difícil obter a solução perfeita, o que é esperado porque os problemas estão ficando mais difíceis e as máquinas estão mais ruidosas. No entanto, o Aquila geralmente teve um desempenho melhor que o Fresnel, especialmente quando os enigmas ficavam realmente grandes. Por exemplo, em um problema de 85 átomos, o Aquila encontrou soluções válidas cerca de 22,1% das vezes, enquanto o Fresnel conseguiu apenas 4,6%. Curiosamente, os pesquisadores descobriram que a estratégia QAOA nem sempre superou a estratégia QAA, que é mais lenta e constante, sugerindo que, às vezes, uma abordagem suave e lenta funciona melhor do que uma rápida e complexa nessas máquinas específicas.

Os autores também criaram uma biblioteca massiva de novos enigmas, escalando até 1.000 átomos, que servirá como um teste padrão para futuros computadores quânticos à medida que forem construídos. Eles são cuidadosos ao notar que este teste não nos diz exatamente por que uma máquina falhou (como se foi um laser quebrado ou um algoritmo ruim); em vez disso, ele fornece um "placar" de quão bem todo o sistema trabalha junto na vida real. É como julgar um carro não medindo cada parafuso, mas vendo o quão rápido e seguro ele dirige em uma pista. O artigo conclui que, embora nenhuma das máquinas tenha "resolvido" o problema do ruído ainda, o Aquila atualmente detém a liderança no tratamento dessas tarefas de otimização nativas de grande escala. Este benchmark fornece uma linguagem comum para que cientistas possam comparar diferentes tecnologias quânticas, garantindo que, à medida que construímos máquinas maiores e mais poderosas, possamos realmente medir se elas estão ficando melhores em realizar os trabalhos que realmente precisamos que elas façam.