2 часа против 3 лет: квантовый компьютер Google решил задачу, недоступную суперкомпьютерам

Пост опубликован в блогах iXBT.com, его автор не имеет отношения к редакции iXBT.com

Рассмотрим систему из десятков связанных квантовых частиц. Их состояния сильно переплетены из-за запутанности. Со временем любая информация, например состояние одного кубита, распределяется по системе. Этот процесс называют «скрэмблинг». Он превращает любой сигнал в неразличимый шум.


Как изучать законы, управляющие этим процессом? Если измерительные приборы фиксируют только шум, как понять суть происходящего? Обычные методы тут не сработают. Но новый эксперимент, который провела команда Google Quantum AI, показывает способ решения. Они применили протокол, действующий как квантовое эхо, который помогает потерянной в шуме информации проявиться снова. Этот метод позволяет решать задачи, с которыми не справляются даже самые быстрые суперкомпьютеры.

Квантовый компьютер, вольная интерпретация
Автор: ИИ Copilot Designer//DALL·E 3 Источник: www.bing.com
Как квантовые системы теряют информацию?

В обычной физике мы видим, что информация сохраняется предсказуемо. Полет брошенного камня имеет четкую траекторию. В квантовых системах все по-другому. Когда система содержит много взаимодействующих частиц, она приходит в эргодическое состояние. Это значит, что система со временем посещает все возможные свои конфигурации с одинаковой вероятностью.

Для исследователя это создает большую трудность. Любая команда, примененная к одному кубиту, под действием такой динамики быстро расширяется и затрагивает всю систему. Из-за этого измеряемый сигнал очень быстро ослабевает, теряясь в общей активности системы. Это ограничение долго не позволяло изучать динамику действительно больших квантовых систем.

a. Когда в динамических протоколах используется эхо, для изучения динамики удобнее всего рассматривать эволюцию самих операторов (так называемое представление Гейзенберга). b. OTOC и OTOC⁽²⁾ можно представить как временные интерферометры, что и позволяет им перефокусироваться на нужных деталях и отсеивать фоновый шум. Цитирование: Jordan, S.P., Shutty, N., Wootters, M. et al. Optimization by decoded quantum interferometry. Nature 646, 831-836 (2025). https://doi.org/10.1038/s41586-025-09527-5
Автор: Jordan, S.P., Shutty, N., Wootters, M. et al. Источник: www.nature.com
Как заставить процесс пойти в обратную сторону?

Для разрешения этой трудности ученые использовали идею обращения процесса во времени. Естественно, это не буквальный поворот времени вспять. Идея состоит в протоколе, который отменяет предыдущее развитие системы, возвращая ее к начальному виду, что помогает измерить малые эффекты, которые иначе бы не были видны.

Этот протокол имеет название «неупорядоченный по времени коррелятор», или OTOC. Его можно описать как последовательность действий:

  1. Система развивается вперед во времени.
  2. На нее действует первый оператор.
  3. Запускается обратное развитие, которое отматывает динамику.
  4. На систему действует второй оператор.

Эта последовательность похожа на работу интерферометра. Интерферометр — это прибор, который делит волну на несколько потоков, а потом соединяет их, чтобы увидеть результат их сложения. В протоколе OTOC путями выступают разные маршруты движения квантовой информации в математическом пространстве. Конечный результат измерения зависит от того, как эти маршруты складываются — усиливают или ослабляют друг друга.


a. Схема эксперимента. Вверху — общая схема измерения OTOC⁽ᵏ⁾. Измерение проводится оператором M (в виде Z), а второй оператор B реализован как X. Внизу — детальная структура эволюции U, которая состоит из t циклов одно- и двухкубитных гейтов с частично случайными параметрами. b. Распространение информации. Здесь показано, как измеряется OTOC второго порядка (C⁽⁴⁾) для разного времени эволюции (t = 6, 12, 18). Цвет показывает, где находится оператор B. Фиолетовая точка — это кубит q_m, с которого мы «считываем» результат. Голубые линии — это «световой конус», то есть область, на которую успела распространиться информация от кубита q_m. c. Сравнение чувствительности. Этот график — ключевой. Он показывает, насколько быстро затухает сигнал (стандартное отклонение) для разных методов. Видно, что сигнал для обычного измерения TOC (C⁽¹⁾) затухает очень быстро, в то время как для OTOC (C⁽²⁾) и особенно для его компонент (C⁽⁴⁾ и C⁽⁴⁾_off-diag), сигнал сохраняется гораздо дольше. Это и есть прямое доказательство их высокой чувствительности к деталям динамики.
Автор: Jordan, S.P., Shutty, N., Wootters, M. et al. Источник: www.nature.com
Что делает OTOC таким чувствительным?

Основной вывод работы таков: OTOC более высоких порядков, где цикл «вперед-назад» усложнен, показывают очень высокую чувствительность к деталям квантовой динамики. Почему это так?

Причина в том, что они используют большое число разных траекторий развития. В простых измерениях большинство этих путей случайно ослабляют друг друга. Но в OTOC второго порядка (OTOC⁽²⁾) получается эффект конструктивной интерференции. Множество разных, очень запутанных путей развития складываются так, что итоговый сигнал становится сильнее.

Этот механизм делает OTOC⁽²⁾ очень чувствительным инструментом. Он показывает слабые корреляции в системе, которые совсем не видны при применении простых методов. Чтобы это подтвердить, ученые провели тест. Они добавляли в квантовую схему случайные операторы. Эти операторы меняли фазы для разных траекторий. Для OTOC⁽²⁾ это сильно меняло итог, так как его работа зависит от точного сложения путей. На простые измерения эти действия почти не повлияли. Это прямо показывает, что причиной высокой эффективности метода является квантовая интерференция.

a. В ходе эволюции оператор B(t) превращается в сложную комбинацию из базовых операторов Паули. Для простого C⁽²⁾ вклад в итоговый сигнал вносят только «траектории», которые начинаются и заканчиваются одинаково. Для сложного C⁽⁴⁾ существуют два типа вклада: «диагональный» (C⁽⁴⁾_diag), когда траектории попарно совпадают, и «внедиагональный» (C⁽⁴⁾_off-diag), когда все четыре траектории разные, но вместе образуют замкнутый цикл. Именно последний тип и создает высокую сложность для классического моделирования. b. Проверка интерференции. В схему вставляются случайные операторы Паули. Они действуют как «переключатели фазы», меняя знаки в математическом выражении для сигнала и тем самым разрушая интерференцию. c. Результат. График показывает, насколько сильно изменился сигнал (величина 1 − ρ) после вставки случайных операторов. Чем выше значение, тем важнее была интерференция. d. Точность C⁽²⁾. Экспериментальные данные для C⁽²⁾ (Exp) практически совпадают с результатами идеального моделирования (Exact sim). Качество сигнала (SNR) у квантового процессора (5.4) такое же, как у симуляции, и намного выше, чем у приближенных классических методов (CMC). e. Квантовое преимущество в C⁽⁴⁾_off-diag. Здесь разрыв огромен. Эксперимент (Exp) дает четкий сигнал (SNR = 3.9), тогда как приближенный классический метод (CMC) почти полностью проваливается (SNR = 1.1). Это прямое доказательство того, что для моделирования этого эффекта классические алгоритмы неэффективны. Exp — эксперимент; MC — Монте-Карло; sim — симуляция.
Автор: Jordan, S.P., Shutty, N., Wootters, M. et al. Источник: www.nature.com
Почему суперкомпьютер не справляется с этой задачей?

Тот же эффект, который делает OTOC полезным инструментом, создает непреодолимую преграду для классических компьютеров. Сложение и вычитание сигналов от большого числа траекторий порождает «проблему знака».

Алгоритм на классическом компьютере должен складывать и вычитать огромное количество больших положительных и отрицательных величин, а в итоге получается маленькое число. Небольшая ошибка в расчетах ведет к полностью неверному ответу.

В этом пункте исследователи показали реальное квантовое превосходство. Они поставили эксперимент на 65-кубитном квантовом процессоре. Получение данных потребовало около двух часов. Потом они посчитали, сколько времени нужно для моделирования такого же процесса на суперкомпьютере «Frontier». Ответ: примерно 3.2 года.


Разница составляет 13 000 раз.

От научного метода к практическому применению

Работа показала вычислительную мощность, а также практическое применение OTOC — в задаче «обучения гамильтониана». Если говорить просто, они применили высокую чувствительность протокола для точного определения неизвестного параметра, который описывал взаимодействие кубитов в их системе. Эта задача важна для создания новых материалов или лекарств, где нужно точно знать параметры взаимодействия между молекулами.

Читайте также

Новости

Публикации