Cómo meter un elefante en una caja de cerillas exprés
El recocido cuántico funciona como una búsqueda inteligente de salida en un laberinto: en lugar de recorrer todos los callejones sin salida, usa efectos cuánticos para encontrar la salida más rápido. Pero este laberinto tiene una peculiaridad: los números que describen las paredes y los pasillos deben ser más o menos del mismo tamaño. Si un número es enorme y otro diminuto, el hardware de la computadora cuántica empieza a fallar.
Los científicos tomaron tres métodos conocidos para 'emparejar' los números antes de la ejecución. El primero es como cortar las conexiones demasiado largas en varios trozos. El segundo es reemplazar los números por enteros, pero en un rango limitado. El tercero es añadir 'penalizaciones' por valores demasiado grandes. Cada método se probó en una computadora cuántica real D-Wave Advantage.
El primer método, el 'alargamiento de conexiones', funcionó mejor. Redujo la dispersión de los números y hizo las respuestas más precisas. Los otros dos métodos solo tuvieron un efecto pequeño. También se descubrió que algunos números no necesitan tocarse en absoluto: el propio proceso de preparación del problema para la computadora cuántica ya reduce su dispersión.
Esto significa que, antes de lanzar un problema al recocido cuántico, vale la pena dedicar un poco de tiempo a 'peinar' los números. Así la máquina fallará menos y dará la respuesta correcta con más frecuencia. Es como si antes de un viaje largo no solo llenáramos el depósito de gasolina, sino que también revisáramos la presión de los neumáticos.
Resumen original
tal como lo escribieron los autores, en inglés arXiv:2604.03546
Quantum annealing is a quantum algorithm to solve combinatorial optimization problems. In the current quantum annealing devices, the dynamic range of the input Ising Hamiltonian, defined as the ratio of the largest to the smallest coefficient, significantly affects the quality of the output solution due to limited hardware precision. Several methods have been proposed to reduce the dynamic range by reducing large coefficients in the Ising Hamiltonian. However, existing studies do not take into account minor-embedding, which is an essential process in current quantum annealers. In this study, we revisit three existing coefficient-reduction methods under the constraints of minor-embedding. We evaluate to what extent these methods reduce the dynamic range of the minor-embedded Hamiltonian and improve the sample quality obtained from the D-Wave Advantage quantum annealer. The results show that, on the set of problems tested in this study, the interaction-extension method effectively improves the sample quality by reducing the dynamic range, while the bounded-coefficient integer encoding and the augmented Lagrangian method have only limited effects. Furthermore, we empirically show that reducing external field coefficients at the logical Hamiltonian level is not required in practice, since minor-embedding automatically has the role of reducing them. These findings suggest future directions for enhancing the sample quality of quantum annealers by suppressing hardware errors through preprocessing of the input problem.
La computadora cuántica D-Wave Advantage funciona a una temperatura de unos 0,015 kelvin: más frío que el espacio interestelar.
En la serie 'Devs', una computadora cuántica ayuda a resolver problemas que superan a las máquinas convencionales, pero también allí hay que preparar los números de antemano.