Comment faire tenir un éléphant dans une boîte d'allumettes express
Le recuit quantique fonctionne comme une recherche intelligente de chemin dans un labyrinthe : au lieu d'explorer toutes les impasses, il utilise les effets quantiques pour trouver la sortie plus rapidement. Mais ce labyrinthe a une particularité : les nombres qui décrivent les murs et les couloirs doivent être à peu près de la même taille. Si un nombre est énorme et un autre minuscule, le matériel de l'ordinateur quantique se met à faire des erreurs.
Les scientifiques ont pris trois méthodes connues pour « égaliser » les nombres avant le lancement. La première consiste à découper les connexions trop longues en plusieurs morceaux. La deuxième remplace les nombres par des entiers, mais dans une plage limitée. La troisième ajoute des « pénalités » pour les valeurs trop grandes. Chaque méthode a été testée sur un véritable ordinateur quantique D-Wave Advantage.
La première méthode, « l'allongement des connexions », a donné les meilleurs résultats. Elle a réduit la dispersion des nombres et rendu les réponses plus précises. Les deux autres méthodes n'ont eu qu'un effet limité. On a également découvert que certains nombres peuvent être laissés tels quels : le processus de préparation du problème pour l'ordinateur quantique réduit déjà leur dispersion.
Cela signifie qu'avant de lancer un problème sur un recuit quantique, il vaut la peine de passer un peu de temps à « peigner » les nombres. Ainsi, la machine fera moins d'erreurs et donnera plus souvent la bonne réponse. Comme avant un long voyage, on ne se contente pas de faire le plein d'essence, mais on vérifie aussi la pression des pneus.
Résumé original
tel que rédigé par les auteurs, en anglais 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.
L'ordinateur quantique D-Wave Advantage fonctionne à une température d'environ 0,015 kelvin — c'est plus froid que l'espace interstellaire.
Dans la série « Devs », un ordinateur quantique aide à résoudre des problèmes que les machines ordinaires ne peuvent pas traiter — mais là aussi, il faut préparer les nombres à l'avance.