ISTA PhD Calon Tombak Upaya dalam Menyesuaikan Algoritma dengan Perangkat Keras Kuantum
Komputasi kuantum tetap merupakan upaya penelitian, menjelaskan fisika pemenang Nobel Frank Wilczek Awal tahun ini, mengontekstualisasikan aspirasi industri yang meluas untuk memasuki pasar. Perhitungan kuantum yang sangat rentan terhadap kesalahan kemungkinan akan membutuhkan algoritma koreksi kesalahan kuantum untuk membuatnya praktis. Namun, banyak algoritma tersebut gagal memperhitungkan model kesalahan khusus perangkat keras. Dalam wawancara ini, kandidat PhD ISTA Stefanie Muroya berbicara tentang karyanya yang memungkinkan algoritma kuantum optimal perangkat keras, yang sekarang diterbitkan di PNA.
Komputasi kuantum menggunakan qubit bukan bit klasik. Tidak seperti bit klasik, mereka tidak hanya terdiri dari 0 atau 1 tetapi dapat ada dalam superposisi karena fenomena kuantum. Secara teoritis, ini berarti bahwa komputer kuantum dapat secara bersamaan mengeksplorasi banyak jalur komputasi, menjadikannya jauh lebih unggul untuk menyelesaikan masalah spesifik dibandingkan dengan superkomputer klasik yang paling canggih. Berpotensi. Namun, dalam praktiknya, kerapuhan keadaan kuantum membuat perhitungan kuantum rentan terhadap kesalahan. Di situlah koreksi kesalahan masuk. Namun, algoritma kuantum biasanya dirancang secara independen dari perangkat keras dan menggunakan model yang disederhanakan. Ini sering mengarah pada kinerja suboptimal pada perangkat keras kuantum nyata.
Bersama dengan profesor ISTA Thomas Henzinger dan Krishnendu Chatterjee, kandidat PhD Stefanie Muroya telah mengembangkan metode untuk mengintegrasikan spesifikasi perangkat keras yang diberikan ke dalam penciptaan otomatis algoritma yang optimal. Pendekatan ini mengarah pada jaminan kinerja yang dapat dibuktikan. Sementara temuan Muroya dapat membantu memajukan komputer kuantum di masa depan, bidang ini masih menghadapi banyak tantangan.
Kami sering menganggap komputer kuantum di masa depan sebagai mesin yang sangat kuat yang dapat mengungguli komputer klasik. Jadi, mengapa komputasi kuantum bergantung pada algoritma koreksi kesalahan kuantum?
Kita membutuhkan koreksi kesalahan kuantum karena seberapa sensitif sistem kuantum terhadap gangguan lingkungan. Untungnya, teori memberi tahu kita bahwa koreksi kesalahan kuantum akan memungkinkan komputasi kuantum toleran kesalahan jika algoritma kuantum mencapai tingkat kesalahan yang cukup rendah. Oleh karena itu, kita harus fokus pada pengembangan perangkat keras kuantum yang lebih baik dan mensintesis algoritma kuantum yang secara optimal mengeksploitasi kemampuan perangkat keras.
Jenis kesalahan apa yang kita bicarakan, dan peran apa yang dimainkan spesifikasi perangkat keras?
Jika kami menganggap bahwa qubit adalah kombinasi linier dari dua keadaan klasik 0 dan 1 dengan koefisien kompleks, contoh -contoh khas dari kesalahan termasuk Bit flips Dan Fase Flips. Bit flips Ubah koefisien keadaan klasik 0 dan 1, sedangkan Fase Flips Ubah tanda koefisien keadaan klasik 1. Selain itu, qubit tiba -tiba dapat diatur ulang ke keadaan 0, atau kita mungkin memiliki kesalahan pengukuran yang mengembalikan nilai yang salah. Salah satu dari kesalahan ini dapat memengaruhi instruksi yang dikirim ke komputer kuantum. Diberi instruksi, spesifikasi perangkat keras dapat memberi tahu kami probabilitas kesalahan spesifik yang terjadi. Perangkat keras yang kuat akan membutuhkan probabilitas kesalahan yang sangat rendah.
Seberapa “salah” algoritma koreksi kesalahan kuantum, dan strategi apa yang Anda kembangkan untuk menghitung keakuratannya?
Secara teori, algoritma koreksi kesalahan kuantum benar. Namun, dalam praktiknya, mereka mungkin tidak berperilaku seperti yang diharapkan. Koreksi kesalahan dan strategi mitigasi yang ada dapat membuat asumsi yang tidak realistis, seperti mengasumsikan bahwa operasi tertentu dapat dilakukan tanpa kesalahan. Mereka mungkin juga gagal memperhitungkan model kebisingan khusus perangkat keras, yang memformalkan banyak faktor yang dapat mempengaruhi keakuratan perhitungan. Dengan mempertimbangkan spesifikasi perangkat keras yang diterbitkan, kami dapat mensintesis sub-prosedur optimal untuk perangkat keras tertentu dan memberikan jaminan akurasi formal. Ini memberikan algoritma yang menggunakan sub-prosedur ini potensi untuk meningkatkan efektivitasnya ketika dieksekusi pada perangkat keras kuantum yang tidak sempurna. Dengan demikian, pekerjaan kami menjembatani kesenjangan antara desain algoritma teoritis dan implementasi praktis.
Bagaimana tepatnya metode Anda memungkinkan Anda untuk membuat algoritma optimal untuk spesifikasi perangkat keras yang diberikan?
Kami menggunakan model matematika stokastik yang disebut Proses keputusan Markov yang dapat diamati sebagian (Pomdps). Dalam model proses keputusan Markov, agen bergerak di seluruh negara bagian dengan berulang kali memilih tindakan dan kemudian secara probabilistik berakhir di negara bagian lain. Jika agen tidak memiliki informasi lengkap tentang keadaan saat ini, ini menghasilkan POMDP, proses keputusan Markov yang dapat diamati sebagian. Dalam kasus kami, keadaan terdiri dari kuantum dan komponen klasik, dan informasi kami sebagian karena kami tidak dapat secara langsung mengamati komponen kuantum. Kita dapat memilih instruksi-untuk-contoh, membuat keputusan dengan melihat komponen klasik. Kemudian, probabilitas ending dalam keadaan yang berbeda diinduksi oleh spesifikasi perangkat keras yang diberikan. Metode kami memungkinkan kami untuk menemukan strategi yang mencapai keadaan target yang diberikan dengan probabilitas setinggi mungkin. Strategi seperti itu sesuai dengan algoritma kuantum perangkat keras-optimal untuk spesifikasi perangkat keras yang diberikan.
Bagaimana Anda menguji pendekatan Anda? Bisakah metode Anda memajukan pengembangan perangkat keras?
Sementara banyak algoritma perangkat keras-agnostik ada, pekerjaan kami menunjukkan bahwa spesifikasi perangkat keras yang berbeda memiliki algoritma optimal yang berbeda. Kami menguji metode kami dengan spesifikasi perangkat keras dari Qiskit, yang berlaku untuk perangkat keras dari IBM. Namun, terlepas dari perangkat keras kuantum yang ada, pekerjaan kami juga berlaku untuk perangkat keras di masa depan. Karena menunjukkan bahwa kekurangan perangkat keras kuantum, ya, pengembang perangkat keras dapat menggunakannya untuk menyesuaikan teknologi mereka.
Di luar perangkat keras kuantum, apakah pekerjaan Anda memiliki implikasi untuk perhitungan kuantum topologi?
Ketika dikembangkan, komputer kuantum topologi diharapkan sangat kuat. Mereka kurang rentan terhadap gangguan karena bagaimana mereka menyandikan informasi. Tetapi, kesalahan masih dapat terjadi, dan mereka juga dapat memperoleh manfaat dari pendekatan kami.
Bagaimana Anda membayangkan masa depan perhitungan kuantum?
Di masa depan, saya membayangkan komputer kuantum diintegrasikan dengan komputer klasik untuk menyelesaikan masalah secara kooperatif. Juga, saya yakin ketika penelitian berlanjut, kami akan dapat menemukan lebih banyak aplikasi di mana komputer kuantum dapat mengungguli yang klasik. Namun, saya pikir tujuan awal adalah membangun komputer kuantum yang kuat yang secara efektif dapat menekan kesalahan melalui koreksi kesalahan kuantum dan mitigasi. Ini akan membantu komputasi kuantum menjadi praktis. Dengan penelitian saya, saya berharap untuk berkontribusi dalam mencapai komputasi kuantum praktis dan mendapatkan pemahaman yang lebih dalam tentang algoritma kuantum dan bagaimana kesalahan perangkat keras mempengaruhi mereka.
Misalkan Anda sekarang memiliki komputer kuantum yang sangat kuat dan praktis, dan Anda dapat menekan tombol untuk menjawab pertanyaan yang membara. Apa itu?
Saya mungkin akan menggunakannya untuk simulasi kuantum membantu penemuan obat untuk beberapa penyakit. Atau simulasi yang membantu kita memahami hubungan antara mekanika kuantum dan relativitas umum.
Publikasi:
Stefanie Muroya, Krishnendu Chatterjee, dan Thomas A. Henzinger. 2025. Algoritma kuantum perangkat keras-optimal.PNA. Doi: 10.1073/pnas.2419273122
