اخبار کوانتومی – کامپیوتر کوانتومی در وظایف بهینه‌سازی تقریبی از ابرکامپیوترها بهتر عمل میکند
عنوان خبر: کامپیوتر کوانتومی در وظایف بهینه‌سازی تقریبی از ابرکامپیوترها بهتر عمل میکند
ژانر/موضوع: محاسبات کوانتومی، بهینه‌سازی کوانتومی، آنیل کوانتومی
تاریخ انتشار خبر: 1مه 2025
لینک خبر: The Quantum Insider
چکیده:
مطالعه دانشگاه USC نشان داده که یک کامپیوتر کوانتومی میتواند در بهینه‌سازی تقریبی نسبت به بهترین الگوریتم‌های کلاسیک عملکرد بهتری داشته باشد. در این پژوهش، با استفاده از اصلاح آنیل کوانتومی روی آنیلر کوانتومی D-Wave و با سرکوب نویز، بیش از ۱۳۰۰ کیوبیت منطقی با خطای اصلاح‌شده ایجاد شد تا مسائل پیچیده‌ای از نوع spin-glass دوبعدی (که از فیزیک آماری منشأ می‌گیرند) سریع‌تر از روش کلاسیک PT-ICM حل شوند. به‌جای یافتن پاسخ دقیق، مطالعه بر معیار «زمان تا اپسیلون» تمرکز کرد— یعنی مدت‌زمانی که طول میکشد تا پاسخ‌هایی در نزدیکی مقدار بهینه (در محدوده ۱٪) به‌دست آید. این تغییر تمرکز از بهینه‌سازی دقیق به تقریبی، بازتابی از نیازهای واقعی صنایع است؛ جایی که پاسخ‌های تقریباً بهینه اغلب کافی هستند (مثلاً در انتخاب سبد سهام).این پژوهش اولین نشان از برتری مقیاس‌پذیر الگوریتم کوانتومی در بهینه‌سازی تقریبی را ارائه میدهد.
شرح کامل خبر:
در یک مطالعه پیشگامانه که در مجله Physical Review Letters منتشر شده است، پژوهشگران دانشگاه USC برای نخستین بار برتری کوانتومی در بهینه‌سازی تقریبی را با استفاده از یک آنیلر کوانتومی به‌طور شفاف نشان داده‌اند. این تیم به رهبری Daniel Lidar نشان داد که پردازنده‌ی D-Wave Advantage میتواند در حل مسائل پیچیده‌ی شیشه اسپینی (spin-glass optimization problems) عملکرد بهتری نسبت به بهترین الگوریتم‌های کلاسیک شناخته‌شده داشته باشد، زمانی‌که هدف یافتن پاسخ‌های تقریباً بهینه (نه دقیق) باشد. این تغییر رویکرد از بهینه‌سازی دقیق به تقریبی اهمیت بالایی دارد، چرا که در بسیاری از کاربردهای عملی مانند مدل‌سازی مالی، لجستیک و مهندسی، پاسخ‌های “به‌اندازه‌ی کافی خوب” کفایت می‌کنند و نیازی به صرف منابع زیاد برای پاسخ دقیق وجود ندارد.
آنیل کوانتومی روشی است برای یافتن حالت‌های کم‌انرژی یک سیستم، که هر حالت معادل با یک پاسخ ممکن برای مسئله‌ی بهینه‌سازی است. برخلاف روش‌های سنتی مبتنی بر گیت در محاسبات کوانتومی، آنیلرها با استفاده از پدیده‌هایی چون تونل‌زنی کوانتومی و درهم‌تنیدگی، سیستم را به‌سمت پیکربندی‌های کم‌انرژی هدایت می‌کنند. با این حال، نشان دادن برتری مقیاس‌پذیر نسبت به روش‌های کلاسیک همواره به‌دلیل نویز کوانتومی و محدودیت در تصحیح خطا، دشوار بوده است.
تیم USC با استفاده از تصحیح آنیلینگ کوانتومی (QAC) بر این مانع غلبه کرد. در این روش، کدهای تصحیح خطا به‌طور مستقیم در فرآیند آنیل جاسازی می‌شوند. با به‌کارگیری QAC روی پردازنده‌ی D-Wave، بیش از ۱۳۰۰کیوبیت منطقی با خطای سرکوب‌شده بر روی گرافی با درجه‌ی ۵ برهمکنش ساخته شد. سپس این سامانه روی مجموعه‌ای از مسائل دوبعدی شیشه اسپینی، که از سیستم‌های مغناطیسی نامنظم در فیزیک آماری مشتق شده‌اند، آزمایش شد.
برای ارزیابی عملکرد، پژوهشگران از معیار «زمان تا اپسیلون» استفاده کردند، که زمان لازم برای یافتن پاسخی در فاصله‌ی حداقل ۱٪ از مقدار بهینه را اندازه می‌گیرد. در مقایسه با الگوریتم کلاسیک parallel tempering with isoenergetic cluster moves یا همان (PT-ICM)، آنیلر کوانتومی با روش QAC برتری مقیاس‌پذیر نشان داد—که نخستین افزایش سرعت الگوریتمی کوانتومی در بهینه‌سازی تقریبی محسوب می‌شود.
این نتایج افق‌های نوینی را برای کاربرد محاسبات کوانتومی در مسائل واقعی می‌گشاید، جایی‌که پاسخ‌های تقریباً بهینه کفایت دارند. همچنین، تکنیک‌های توسعه‌یافته در این پژوهش، به‌ویژه QAC، می‌توانند در ارتقاء عملکرد آنیل کوانتومی برای مسائل پیچیده‌تر و ابعاد بالاتر بسیار مؤثر باشند، به‌ویژه با بهبود سخت‌افزارهای کوانتومی در آینده.
منابع:
[1] https://thequantuminsider.com/2025/05/01/quantum-computer-outperforms-supercomputers-in-approximate-optimization-tasks/
[2] https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.134.160601
دیدگاه خود را درباره این خبر با ما به اشتراک بگذارید.
