Kvantové počítače na dosah: Nové modely snižují náklady a zrychlují výpočty o 99,97 %

Kvantové počítače, systémy zpracovávající informace s využitím kvantově mechanických efektů, mají potenciál překonat klasické počítače v některých úlohách.

Kvantové počítače, systémy zpracovávající informace s využitím kvantově mechanických efektů, mají potenciál překonat klasické počítače v některých úlohách. Navzdory jejich slibnému potenciálu je však jejich využití stále velmi omezené kvůli vysokým nákladům a dalším výzvám, které dosud bránily jejich velkovýrobě.

Vědci z Henan Key Laboratory of Quantum Information and Cryptography a Nanyang Technological University vyvinuli takzvané prediktivní surogáty. Jedná se o nové výpočetní modely, které se dokážou učit a reprodukovat výstupy kvantových procesorů. Tyto modely, představené v článku publikovaném v Nature Communications, by mohly být využity k získávání užitečných informací z kvantových počítačů a k efektivnějšímu provádění výpočtů s prokazatelnými zárukami, a to i v případě, že uživatelé nemají přímý přístup k pokročilému a drahému kvantovému hardwaru.

He-Liang Huang, hlavní autor studie, zdůrazňuje, že kvantové procesory se v posledních letech rychle zlepšily, což vyvolává naděje, že by mohly pomoci řešit důležité problémy v základní vědě, chemii, materiálovém inženýrství a dalších oblastech. Přesto však stojí v cestě jejich praktickému využití dvě hlavní překážky: přístup a rychlost. Výroba a zajištění spolehlivého provozu stávajících kvantových počítačů je extrémně nákladná, a proto jich existuje jen velmi málo po celém světě. To omezuje počet výzkumníků, kteří mohou testovat své kvantové algoritmy přímo na těchto zařízeních.

Kromě vzácnosti a vysoké ceny zpracovávají většina stávajících kvantových procesorů data pomalu. Je to částečně proto, že spolehlivé spouštění kvantových simulačních a jiných algoritmů vyžaduje sběr mnoha opakovaných měření a přesné vyhodnocení obvodů. V supravodivých systémech se například celý kvantový obvod často opakuje pouze v kilohertzových frekvencích. Když úloha vyžaduje miliony opakování, rychle se to stává vážnou praktickou překážkou. Prediktivní surogáty se učí z omezených interakcí s kvantovým procesorem a následně dokážou předpovídat výsledky mnoha nových kvantových výpočtů pouze pomocí klasické inference. Tento přístup by mohl snížit režii měření kvantových výpočtů o více než 99,97 %, čímž zásadně urychlí a zpřístupní kvantové technologie.