Este debate científico es muy interesante y va más allá de D-Wave. Desde la década de 1980 hemos tenido este gran problema de definir exactamente lo que queremos decir con “computación cuántica“, e incluso ahora estamos luchando con eso.
Lo primero obvio es enumerar las diferencias entre las computadoras clásicas y cuánticas, y la principal diferencia para las personas suele ser el enredo cuántico. Escucharás esto dicho en artículos y blogs sobre el tema, pero es sospechosamente silencioso sobre los detalles. ¿Cómo exactamente el enredo produce la aceleración cuántica? ¿Nos dice algo la cantidad o la fidelidad del enredo entre qubits? ¿Podemos tener enredos parciales del sistema y aún así obtener algo de aceleración algorítmica? ¿Qué pasa con las fuentes no enredadas de correlaciones cuánticas? Estos tipos de correlaciones se muestran en modelos interesantes de computación cuántica como el modelo de un qubit limpio (OQC), que en realidad solo tiene un qubit en estado puro, lo que lo hace atractivo para la implementación experimental (que es un criterio válido para una computadora cuántica, es decir, que es realizable en la práctica). Pero es estrictamente menos poderoso que los modelos cuánticos habituales de computación.
Pero el modelo OQC resuelve eficientemente un problema que no tiene un análogo clásico, y siempre que estemos hablando de aplicaciones, deberíamos mencionar el caso de uso original para las computadoras cuánticas: para resolver problemas de física cuántica (que es lo que OCQ funciona bien, es decir, aproxima los polinomios de Jones que surgen en las teorías de campo cuántico topológico). En términos de algoritmos, en este momento estamos jugando con juguetes, y eso se extiende incluso a las contribuciones de Shor y Grover (consulte este y este documento para ver ejemplos de las dificultades). No hay pruebas conocidas de que [math] \ textbf {P} \ subset \ textbf {BQP} [/ math], es decir, que las computadoras cuánticas no sean esencialmente teóricamente equivalentes a las computadoras clásicas. En realidad, incluso podemos olvidarnos de Quantum: [math] \ textbf {BPP} \ subset \ textbf {NP} [/ math] sigue siendo una conjetura abierta (es decir, ni siquiera sabemos si las computadoras probabilísticas clásicas no son t más poderoso que los deterministas clásicos)!
- ¿Cómo colapsan las mediciones las funciones de onda cuántica?
- ¿Qué predicciones hace la mecánica cuántica que aún no pudimos verificar?
- ¿Cuál es una mejor opción de carrera como investigador: nanoelectrónica, electrónica de terahercios o mecánica cuántica?
- ¿Dónde se encuentra la India en la computación cuántica?
- ¿Qué dice la física cuántica sobre si el futuro está establecido?
Para D-Wave, todas las preguntas anteriores son importantes porque enfrentan muchas opciones al construir sus dispositivos. ¿La universalidad de su hamiltoniano hace la diferencia? ¿Es significativo el hecho de que descubrieron evidencia experimental de entrelazamiento entre qubits? ¿Son lo suficientemente fríos? No olvide los horarios de recocido, podrían marcar la diferencia, y DW actualmente no tiene mucho control sobre los suyos. ¿Cuánta tolerancia a fallas se requiere? ¿El proceso de incrustación y la elección del gráfico de hardware destruyen alguna ventaja al requerir aumentos superpolinomiales en los recursos (es decir, qubits auxiliares)?
Estas son preguntas muy académicas que pueden no ser respondidas definitivamente durante décadas. Mientras tanto, DW y todos los demás necesitan una forma de caracterizar lo que pueden hacer sus dispositivos. Una idea es modelar la máquina como una caja negra, ignorando los detalles de enredos, discordias y todo lo espeluznante para enfocarse solo en la aceleración cuántica detectable .
Este enfoque comenzó con Sergio Boixo y sus coautores, quienes inventaron un gráfico especial que debería inducir un comportamiento diferente para una máquina de recocido cuántico versus un algoritmo de recocido simulado clásico. Este trabajo se extendió a través de muchos documentos, lo que finalmente condujo al estudio recientemente publicado de Ronnow-Troyer. El enfoque era simple: dado un muestreo de instancias completamente aleatorias de gafas giratorias Ising, compare el rendimiento de la máquina DW con un algoritmo de recocido simulado clásico y una simulación cuántica de Monte Carlo (mucho más lenta que ambas, pero simulan la dinámica estocástica cuántica) eso debería estar sucediendo durante el recocido cuántico). Los resultados básicos son que el chip está de acuerdo con QMC mientras no está de acuerdo con el recocido simulado clásico (más técnicamente, la distribución de las probabilidades de éxito sobre las instancias del problema es la misma para DW y QMC (la distribución es bimodal) pero SA hace algo diferente (tiene un distribución unimodal)). La mala noticia es que no se ha detectado una aceleración cuántica detectada.
Después de pensarlo, esto no es exactamente sorprendente. Nadie ha pensado (desde principios de los 90) que los algoritmos de circuito cuántico deberían superar uniformemente a los algoritmos clásicos. También hay muchas instancias de problemas en clases de complejidad difíciles que pueden ser fáciles de resolver en promedio, y este hecho no cambia cuando pasamos de lo clásico a lo cuántico. Con respecto al AQC, imaginamos que la construcción de túneles a través de barreras de energía solo es útil cuando las barreras se pueden tunelizar realmente (la amplitud de la construcción de túneles depende del ancho de la barrera, por lo que es poco probable que las barreras gruesas sean atravesadas por túneles cuánticos). Y las barreras están completamente determinadas por la especificación del problema, por lo que usar cualquier problema anterior puede no ser la pregunta correcta.
Es posible que incluso las buenas noticias del estudio no sean tan buenas. Ha habido cierta discusión sobre el modelo original de 8 qubits de Boixo en el que se ha propuesto una descripción clásica (y extendida para el caso del estudio más grande de 500 qubits), para el cual se proporcionó una refutación. Se intentaron las ideas de Katzgraber, pero los autores originales tenían una solución disponible. Estos argumentos se explican muy bien en lo que creo que es uno de los mejores trabajos en el campo hasta ahora. Si tiene poco tiempo, simplemente examine la Fig. (2) en el documento vinculado. Describe algunos umbrales para lo que constituyen problemas fáciles y difíciles. La situación ahora se enmarca para tratar de definir problemas que sean computacionales cuánticos adiabáticos (pero no clásicos) de manera eficiente. La idea es cuantificar la cantidad de espacio de Hilbert que el sistema puede explorar a través de transformaciones en el vector de estado (la cantidad es el rango de Schmidt pero aparentemente hay otras opciones). Además, generalizan los modelos clásicos dados anteriormente y muestran cómo se puede hacer la transición al régimen cuántico con un modelo cuántico similar. Desafortunadamente, la iteración actual de la máquina DW (Vesubio, 512 qubits) no permite temperaturas con energías de fluctuación inferiores a la brecha de energía, por lo que los resultados de este documento no son concluyentes. Tendremos que esperar al próximo chip (más de 1000 qubits), que debería estar listo más adelante este año.
Algunas cosas más sobre la máquina que, por alguna razón, no se mencionan ampliamente. Por un lado, el chip tiene un programa de recocido fijo que sigue una función similar a la exponencial (tanto para apagar el campo magnético transversal como para encender los acopladores Ising). Como se mencionó anteriormente, sabemos que obtener la aceleración cuántica para el modelo adiabático se basa en esquemas de recocido no lineales, al menos en este ejemplo de búsqueda (que tiene una imagen geométrica interesante). Afortunadamente, DW ha mencionado que se planea un mayor control sobre los horarios de recocido para futuros dispositivos. La otra cosa es escalar más allá de unos pocos miles de qubits. Se ha hablado sobre la corrección de errores, que actualmente no tiene muchas implementaciones, pero se ha demostrado que funciona durante al menos unos cientos de qubits y podría ser eficaz si se escala razonablemente. Y luego está este artículo reciente que muestra un problema trivialmente simple que falla para un AQC general, que es bastante interesante y muestra que tenemos mucho que aprender sobre esto como modelo teórico.
Entonces, todo esto para decirte que nada es concluyente. Por otro lado, ha habido algunas pistas de que la máquina DW aún puede ser útil, especialmente en combinación con un solucionador clásico (DW tiene una implementación llamada QSage o Blackbox). Se ha demostrado que produce clasificadores más precisos, por ejemplo. Lockheed-Martin estaba convencido porque un problema que les tomó a sus mejores personas 8 meses para resolver tomó un equipo de DW 6 semanas. Ahora, tal vez esta historia es una hipérbole, o el equipo de DW tiene los mejores algoritmos que las personas en el mundo y son la única razón por la que la compañía todavía está en el negocio. Pero LM compró esta máquina de $ 15 millones para el problema multimillonario de verificación de software para sistemas de aviónica, que ocupa aproximadamente el 40% del presupuesto de un proyecto y puede tener consecuencias desastrosas. Es poco probable que LM simplemente no haya podido encontrar a las personas más talentosas en el negocio después de décadas de experiencia con el problema, pero estos no son argumentos científicos, por lo que no debería tomarlos demasiado en serio. Mientras tanto, debemos tratar de seguir el progreso teórico con entusiasmo porque cualquier respuesta concreta a estas preguntas vendrá de allí.
También es posible que desee revisar algunas de las conferencias impartidas en la cumbre de AQC durante el verano de 2014 en USC ISI (donde se encuentra la máquina DW de LM). Muchas conferencias interesantes, recomiendo las de Ed Farhi, Itay Hen, Matthew Hastings y Tameem Albash. Puede encontrarlos aquí: http://www.isi.edu/events/aqc201…
