Quantum computing har hyllats som en teknik som kan överträffa klassisk datoranvändning i både hastighet och minnesanvändning, vilket potentiellt öppnar vägen för att göra förutsägelser av fysiska fenomen som inte tidigare varit möjliga.
Många ser att kvantdatorns tillkomst markerar ett paradigmskifte från klassisk eller konventionell datoranvändning. Konventionella datorer bearbetar information i form av digitala bitar (0s och 1s), medan kvantdatorer använder kvantbitar (qubits) för att lagra kvantinformation i värden mellan 0 och 1.
Under vissa förhållanden kan denna förmåga att bearbeta och lagra information i qubits användas för att designa kvantalgoritmer som drastiskt överträffar sina klassiska motsvarigheter. Noterbart är att quantums förmåga att lagra information i värden mellan 0 och 1 gör det svårt för klassiska datorer att perfekt emulera quantum.
Kvantdatorer är dock petiga och har en tendens att förlora information. Dessutom, även om informationsförlust kan undvikas, är det svårt att översätta den till klassisk information – vilket är nödvändigt för att ge en användbar beräkning.
Klassiska datorer lider inte av något av dessa två problem. Dessutom kan smart utformade klassiska algoritmer ytterligare utnyttja de dubbla utmaningarna med informationsförlust och översättning för att efterlikna en kvantdator med mycket färre resurser än man tidigare trott – som nyligen rapporterats i en forskningsartikel i tidskriften PRX Quantum .
Forskarnas resultat visar att klassisk datoranvändning kan omkonfigureras för att utföra snabbare och mer exakta beräkningar än toppmoderna kvantdatorer.
Detta genombrott uppnåddes med en algoritm som bara håller en del av informationen lagrad i kvanttillståndet – och precis tillräckligt för att exakt kunna beräkna det slutliga resultatet.
"Detta arbete visar att det finns många potentiella vägar för att förbättra beräkningar, som omfattar både klassiska och kvantmetoder", förklarar Dries Sels, biträdande professor vid New York Universitys fysikavdelning och en av tidningens författare. "Dessutom belyser vårt arbete hur svårt det är att uppnå kvantfördelar med en felbenägen kvantdator."
När Sels och hans kollegor vid Simons Foundation letade efter sätt att optimera klassisk datoranvändning, fokuserade de på en typ av tensornätverk som troget representerar interaktionerna mellan qubits. Dessa typer av nätverk har varit notoriskt svåra att hantera, men de senaste framstegen på området gör det nu möjligt att optimera dessa nätverk med verktyg som lånats från statistisk slutledning.
Författarna jämför arbetet med algoritmen med komprimeringen av en bild till en JPEG-fil, vilket gör att stora bilder kan lagras med mindre utrymme genom att eliminera information med knappt märkbar förlust av bildens kvalitet.
"Att välja olika strukturer för tensornätverket motsvarar att välja olika former av komprimering, som olika format för din bild", säger Flatiron Institutes Joseph Tindall, som ledde projektet. "Vi utvecklar framgångsrikt verktyg för att arbeta med ett brett utbud av olika tensornätverk. Detta arbete återspeglar det, och vi är övertygade om att vi snart kommer att höja ribban för kvantberäkning ytterligare."
Mer information: Joseph Tindall et al, Efficient Tensor Network Simulation of IBM:s Eagle Kicked Ising Experiment, PRX Quantum (2024). DOI:10.1103/PRXQuantum.5.010308
Journalinformation: PRX Quantum
Tillhandahålls av New York University
