Квантовый компас в лабиринте решений ⚡ экспресс
A hybrid quantum-classical algorithm is proposed to find ground states of Ising spin glasses, a canonical NP-hard combinatorial optimization problem. It employs a shallow-depth quantum sampling subroutine to efficiently explore the energy landscape, coupled with a classical optimizer. Experiments on up to 104 superconducting qubits show solution quality surpassing a highly optimized classical simulated annealing baseline. Time-to-solution analysis based on 100 qubits suggests a potential speedup over the same classical solver on a single-core CPU. These results point to a practical pathway to quantum advantage in combinatorial optimization on near-term processors with thousands of qubits, without error correction.
Поиск лучшего решения похож на поиск глубочайшей впадины в горах. Классический компьютер — это шарик: катится вниз и застревает в первой же ямке. Квантовый процессор подобен воде: она разливается сразу по всему ландшафту и мгновенно находит дно. Этот метод применили к модели Изинга — задаче о множестве взаимодействующих частей, стремящихся к минимуму энтропии (беспорядка) и энергии. Модель описывает не только магниты, но и маршруты, расписания, упаковку грузов. Учёные объединили классический компьютер для общего направления и квантовую схему из 104 сверхпроводящих кубитов, которая «разливается» по энергетическому ландшафту, туннелируя сквозь барьеры. Гибридный поиск уже превосходит классический отжиг по точности. При ста кубитах возникает реальное квантовое ускорение. Неожиданно: та же модель помогает проектировать сети доставки для миллионов посылок — физический алгоритм меняет логистику. Так идея Ричарда Фейнмана о квантовом моделировании входит в повседневность.
🎯 Модель Изинга, созданная век назад для описания магнитов, теперь оптимизирует укладку грузов и даже анализирует социальные сети.