Es gab viele Kontroversen und Zweifel über die erste Demonstration der Quantenüberlegenheit durch Googles Sycamore-Rechner. Eine davon betraf die Auswertung der Betriebszeit eines klassischen Computers. Chinesische Wissenschaftler haben einen Algorithmus entwickelt und implementiert, der eine Überarbeitung der Google-Ergebnisse zur Quantenbeschleunigung erzwingt. Sie brauchten 60 GPUs und fünf Tage, um eine Aufgabe zu erledigen, für die ein Supercomputer nach Schätzungen von Google 10.000 Jahre brauchen würde. Ein Vorabdruck der Arbeit ist auf arXiv.org veröffentlicht.
Im Oktober 2019 gab ein Team von Google-Wissenschaftlern bekannt, dass sie die Quantenüberlegenheit experimentell nachweisen konnten. Sie verwendeten den Quanten-53-Qubit-Supraleiter-Computer Sycamore, um das Problem der Erzeugung einer zufälligen Linie zu lösen. Laut den Forschern sollte die Lösung dieses Problems für den leistungsstärksten Supercomputer Sammit etwa 10 Tausend Jahre dauern, während Sycamore dies in 200 Sekunden bewältigte.
Es ist klar, dass die Wahl des Problems nicht zufällig war - dies ist eines der bequemen Probleme, um die Leistungsfähigkeit von Quantencomputern zu demonstrieren. Aber auch unter diesen Bedingungen kritisierten die Forscher von IBM das Timing einer Aufgabe auf einem klassischen Computer. Nur einen Monat nach den Nachrichten über das Google-Experiment veröffentlichten sie einen Vorabdruck des Artikels, in dem argumentiert wurde, dass ein Supercomputer mehrere Tage brauchen könnte, um ein Problem mit der richtigen Speichernutzung zu lösen. Tatsache ist, dass die Schätzungen der Zeit der Google-Wissenschaftler darauf beruhten, dass der Arbeitsspeicher des Supercomputers nicht ausreichen würde und Algorithmen verwendet werden müssten, die auf Kosten der Betriebszeit Speicher sparen. Bei IBM haben Wissenschaftler einen anderen Ansatz vorgeschlagen: nicht nur RAM zu verwenden, sondern die notwendigen Informationen auch auf Festplatten zu speichern.
Trotz aktiver Kontroversen führte keines der Unternehmen die vorgeschlagenen Berechnungen vollständig durch - alle ihre Annahmen waren nur theoretisch. Einer Gruppe von Wissenschaftlern des Instituts für Theoretische Physik der Chinesischen Akademie der Wissenschaften unter der Leitung von Pan Zhang gelang es, das Problem zu lösen und den Streit beizulegen. Sie schlugen einen neuen kombinierten Algorithmus vor, mit dem sie das Problem der Generierung eines zufälligen Strings auf einem kleinen Rechencluster von 60 GPUs lösen konnten. Für die gesamte Berechnung benötigten die Forscher 5 Tage, und die endgültige Genauigkeit übertraf die des Google-Quantencomputers deutlich.
Aufteilen eines 3D-Tensornetzwerks in Untergruppen
Das Sycamore-Quantenschema hat wie jedes andere zwei Parameter, die im Hinblick auf die Komplexität des Problems wichtig sind - die Dimension oder Anzahl der Qubits und die Tiefe oder Anzahl der Gatterschichten (Operationen auf Qubits). Je mehr Qubits oder je mehr Operationen Sie an ihnen durchführen müssen, desto schwieriger wird es, eine solche Schaltung auf einem klassischen Computer zu simulieren. Es gibt zwei Hauptmethoden, um sie zu modellieren. Das erste (Schrödinger-Verfahren) speichert den vollständigen Zustandsvektor im Speicher und verwendet die Kenntnis der Wahrscheinlichkeit jeder Zeile, um eine Stichprobe von Zeilen zu erzeugen. Daher nimmt die Rechenkomplexität dieses Verfahrens mit zunehmender Kettentiefe linear zu. Diese Abhängigkeit ist für die Modellierung wichtig, da die Schaltkreistiefe der Sycamore 20 beträgt. Andererseits erweist sich die Abhängigkeit der Komplexität dieser Methode von der Anzahl der Qubits als exponentiell, so dass es schwierig ist, ein System mit einem großen. zu simulieren Anzahl der Qubits (Sycamore hatte 53 davon).
Die zweite Methode verwendet Tensornetzwerke und funktioniert aufgrund der Neuordnung der Eingangsdaten hervorragend für flache Schaltkreise mit einer großen Anzahl von Qubits. Die Autoren beschlossen, die beiden Methoden zu kombinieren, damit der neue Algorithmus Schaltungen mit einer großen Anzahl von Qubits und einer großen Tiefe simulieren kann. Sie nutzten ein Tensornetzwerk, um alle Qubits in Untergruppen zu unterteilen, von denen jede separat auf verschiedenen GPUs modelliert wurde. Als Ergebnis reicht die Anzahl der Qubits in jeder Untergruppe aus, um die Schrödinger-Methode anzuwenden und das Problem in Echtzeit (weit weniger als 10.000 Jahre) zu lösen. Wissenschaftler brauchten 60 NVIDIA V100-GPUs mit 32 Gigabyte Speicher und fünf Tage, um zwei Millionen Zeilen zu generieren. Zudem ist die Verteilungsqualität dieser Reihen dem entsprechenden Sycamore-Ergebnis deutlich überlegen.
Nach dem Generieren einer großen Anzahl von Zufallsstrings sind einige von ihnen häufiger und andere weniger verbreitet. Daher können wir über die Wahrscheinlichkeit sprechen, eine bestimmte Zeichenfolge zu erzeugen. Die Abhängigkeit der Wahrscheinlichkeit von der Zeichenkette kann eine bestimmte Form haben. Das Ergebnis des von den Autoren gelösten Problems sollte idealerweise eine Porter-Thomas-Verteilung haben. Je näher die reale Verteilung an der Porter-Thomas-Verteilung liegt, desto genauer und besser wird das Problem gelöst. Um die Nähe von Verteilungen zu beurteilen, wird normalerweise der Wert ihrer Ähnlichkeit (Fidelity) verwendet. Wenn es gleich eins ist, stimmen die Verteilungen vollständig überein. Im Google-Experiment betrug die Ähnlichkeit der endgültigen Verteilungen nur 0, 002, und die Autoren der neuen Arbeit erreichten einen Wert von 0, 739.
Obwohl sich Wissenschaftler auf die Simulation von Sycamore konzentriert haben, können ihr Algorithmus und ihr Ansatz im Allgemeinen verwendet werden, um bestehende und zukünftige Quantensysteme zu simulieren. Sie weisen darauf hin, dass ihr Algorithmus im Gegensatz zu Googles Quantencomputer nicht gleichzeitig auf große Tiefen und viele Qubits skalierbar ist.
Neben dem Problem der Erzeugung einer zufälligen Zeichenfolge forschen und entwickeln Physiker aktiv Quantencomputer, um das Problem der Boson-Sampling zu lösen. Der photonische Prozessor einer Gruppe chinesischer Wissenschaftler hat diese Aufgabe bereits gemeistert, und ein anderes Team hat einen neuen Weg vorgeschlagen, um die Dimension des Problems zu vergrößern. Ich frage mich, ob der entwickelte klassische Algorithmus das Problem der Boson-Sampling schneller bewältigen kann als alle existierenden.
