Как уместить слона в спичечный коробок экспресс
Квантовый отжиг работает как умный поиск пути в лабиринте: вместо перебора всех тупиков он использует квантовые эффекты, чтобы быстрее находить выход. Но у этого лабиринта есть особенность: числа, которые описывают стены и коридоры, должны быть примерно одного размера. Если одно число огромное, а другое крошечное, железо квантового компьютера начинает ошибаться.
Учёные взяли три известных способа «подровнять» числа перед запуском. Первый — как будто разрезать слишком длинные связи на несколько кусочков. Второй — заменить числа на целые, но в ограниченном диапазоне. Третий — добавить «штрафы» за слишком большие значения. Каждый способ проверили на настоящем квантовом компьютере D-Wave Advantage.
Лучше всего сработал первый способ — «удлинение связей». Он уменьшил разброс чисел и сделал ответы точнее. Два других способа дали лишь небольшой эффект. Ещё выяснилось, что некоторые числа можно вообще не трогать: сам процесс подготовки задачи для квантового компьютера уже уменьшает их разброс.
Это значит, что перед запуском задачи на квантовый отжиг стоит потратить немного времени на «причёсывание» чисел. Тогда машина будет реже ошибаться и чаще давать верный ответ. Как если бы перед дальней дорогой мы не просто залили бензин, но и проверили давление в шинах.
Оригинальная аннотация
как её написали авторы, на английском 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.
Квантовый компьютер D-Wave Advantage работает при температуре около 0,015 кельвина — это холоднее, чем космическое пространство.
В сериале «Разрабы» квантовый компьютер помогает решать задачи, которые не под силу обычным машинам, — но и там числа приходится готовить заранее.