Imagine un mundo en el que los cálculos complejos que actualmente tardan meses en descifrar nuestras mejores supercomputadoras pudieran realizarse en cuestión de minutos. La computación cuántica está revolucionando nuestro mundo digital. En un artículo de investigación publicado en Intelligent Computing , los investigadores revelaron un enfoque de diseño de protocolo automatizado que podría desbloquear el poder computacional de los dispositivos cuánticos antes de lo que imaginamos.
La ventaja computacional cuántica representa un hito crítico en el desarrollo de tecnologías cuánticas. Significa la capacidad de las computadoras cuánticas para superar a las supercomputadoras clásicas en ciertas tareas. Lograr una ventaja computacional cuántica requiere protocolos especialmente diseñados. El muestreo aleatorio de circuitos, por ejemplo, ha demostrado resultados prometedores en experimentos recientes.
Una cuestión que debe considerarse al intentar utilizar el muestreo de circuitos aleatorios es que la estructura de un circuito cuántico aleatorio debe diseñarse cuidadosamente para ampliar la brecha entre la computación cuántica y la simulación clásica. Para abordar el desafío, los investigadores He-Liang Huang, Youwei Zhao y Chu Guo desarrollaron un enfoque de diseño de protocolo automatizado para determinar el circuito cuántico aleatorio óptimo en experimentos de ventaja computacional cuántica.
La arquitectura del procesador cuántico utilizada para experimentos de muestreo de circuitos aleatorios utiliza patrones de puerta de 2 qubits. La puerta de 2 qubits realiza la interacción entre los dos qubits actuando sobre los estados de los dos qubits, construyendo así un circuito cuántico y realizando la computación cuántica.
Es necesario maximizar el coste de la simulación clásica para garantizar que se aproveche al máximo el rendimiento superior de la computación cuántica al realizar los cálculos. Sin embargo, determinar el diseño de circuito cuántico aleatorio óptimo para maximizar el costo de la simulación clásica no es sencillo.
Encontrar el circuito cuántico aleatorio óptimo requiere primero agotar todos los patrones posibles, luego estimar el costo de simulación clásica para cada uno de ellos y seleccionar el que tenga el mayor costo. El coste de la simulación clásica depende en gran medida del algoritmo utilizado, pero el algoritmo tradicional actualmente tiene la limitación de que el tiempo de estimación es demasiado largo.
El nuevo método propuesto por los autores utiliza el algoritmo de Schrödinger-Feynman. Este algoritmo divide el sistema en dos subsistemas y representa sus estados cuánticos como vectores de estado. El costo del algoritmo está determinado por el entrelazamiento generado entre los dos subsistemas. Evaluar la complejidad utilizando este algoritmo requiere mucho menos tiempo y las ventajas se vuelven más evidentes a medida que aumenta el tamaño del circuito cuántico aleatorio.
Los autores demostraron experimentalmente la eficacia del circuito cuántico aleatorio obtenido mediante el método propuesto en comparación con otros algoritmos. Se generaron cinco circuitos cuánticos aleatorios en el procesador cuántico Zuchongzhi 2.0, cada uno con una complejidad diferente del algoritmo de Schrödinger-Feynman. Los resultados experimentales muestran que los circuitos con mayor complejidad también tienen costos más altos.
Se espera que la rivalidad entre la computación clásica y la cuántica concluya dentro de una década. Este nuevo enfoque maximiza el poder computacional de la computación cuántica sin imponer nuevos requisitos al hardware cuántico. Además, la razón principal por la que este nuevo enfoque puede obtener circuitos cuánticos aleatorios con mayores costos de simulación clásica puede ser el crecimiento más rápido del entrelazamiento cuántico.
En el futuro, comprender este fenómeno y su física subyacente puede ayudar a los investigadores a explorar aplicaciones prácticas mediante experimentos de ventajas cuánticas.
Más información: He-Liang Huang et al, Cómo diseñar un circuito cuántico aleatorio clásicamente difícil para experimentos con ventajas computacionales cuánticas, Computación inteligente (2024). DOI:10.34133/icomputing.0079
Proporcionado por Computación Inteligente