Como se informa en un nuevo artículo en Naturaleza Revisiones Física , en lugar de esperar a que surjan computadoras cuánticas completamente maduras, El Laboratorio Nacional de Los Alamos y otras instituciones líderes han desarrollado algoritmos híbridos clásicos / cuánticos para extraer el mayor rendimiento, y potencialmente la ventaja cuántica, del ruido de hoy en día. hardware propenso a errores. Conocidos como algoritmos cuánticos variacionales, utilizan las cajas cuánticas para manipular sistemas cuánticos mientras transfieren gran parte de la carga de trabajo a las computadoras clásicas para permitirles hacer lo que mejor saben hacer actualmente:resolver problemas de optimización.

"Las computadoras cuánticas prometen superar a las computadoras clásicas para ciertas tareas, pero en el hardware cuántico actualmente disponible no pueden ejecutar algoritmos largos. Tienen demasiado ruido al interactuar con el entorno, que corrompe la información que se está procesando, "dijo Marco Cerezo, un físico especializado en computación cuántica, aprendizaje de máquina cuántica, e información cuántica en Los Alamos y autor principal del artículo. "Con algoritmos cuánticos variacionales, obtenemos lo mejor de ambos mundos. Podemos aprovechar el poder de las computadoras cuánticas para tareas que las computadoras clásicas no pueden hacer fácilmente, luego use computadoras clásicas para complementar la potencia computacional de los dispositivos cuánticos ".

Actual ruidoso, Las computadoras cuánticas de escala intermedia tienen entre 50 y 100 qubits, pierden su "quantumness" rápidamente, y falta corrección de errores, que requiere más qubits. Desde finales de la década de 1990, sin embargo, Los teóricos han estado desarrollando algoritmos diseñados para ejecutarse en un gran tamaño idealizado corrección de errores, Computadora cuántica tolerante a fallas.

"No podemos implementar estos algoritmos todavía porque dan resultados absurdos o requieren demasiados qubits. Así que la gente se dio cuenta de que necesitábamos un enfoque que se adaptara a las limitaciones del hardware que tenemos:un problema de optimización, "dijo Patrick Coles, un físico teórico que desarrolla algoritmos en Los Alamos y el autor principal principal del artículo.

"Descubrimos que podíamos convertir todos los problemas de interés en problemas de optimización, potencialmente con ventaja cuántica, lo que significa que la computadora cuántica supera a una computadora clásica en la tarea, "Dijo Coles. Esos problemas incluyen simulaciones para la ciencia de los materiales y la química cuántica, factorización de números, análisis de big data, y prácticamente todas las aplicaciones que se han propuesto para las computadoras cuánticas.

Los algoritmos se denominan variacionales porque el proceso de optimización varía el algoritmo sobre la marcha, como una especie de aprendizaje automático. Cambia los parámetros y las puertas lógicas para minimizar una función de costo, que es una expresión matemática que mide qué tan bien el algoritmo ha realizado la tarea. El problema se resuelve cuando la función de costo alcanza su valor más bajo posible.

En una función iterativa en el algoritmo cuántico variacional, la computadora cuántica estima la función de costo, luego pasa ese resultado a la computadora clásica. La computadora clásica luego ajusta los parámetros de entrada y los envía a la computadora cuántica, que ejecuta la optimización nuevamente.

El artículo de revisión está destinado a ser una introducción integral y una referencia pedagógica para las investigaciones que comienzan en este campo incipiente. En eso, los autores discuten todas las aplicaciones de los algoritmos y cómo funcionan, así como cubrir desafíos, trampas, y cómo abordarlos. Finalmente, mira hacia el futuro, considerando las mejores oportunidades para lograr una ventaja cuántica en las computadoras que estarán disponibles en los próximos años.