I en ny artikel i Science Advances har forskare vid JPMorgan Chase, U.S. Department of Energy’s (DOE) Argonne National Laboratory och Quantinuum visat tydliga bevis på en kvantalgoritmisk acceleration för den kvantapproximativa optimeringsalgoritmen (QAOA).
Denna algoritm har studerats i stor omfattning och har implementerats på många kvantdatorer. Den har potentiella tillämpningar inom områden som logistik, telekommunikation, finansiell modellering och materialvetenskap.
”Det här arbetet är ett viktigt steg mot att nå kvantfördelar, vilket lägger grunden för framtida effekter i produktionen”, säger Marco Pistoia, chef för Global Technology Applied Research på JPMorgan Chase.
Teamet undersökte om en kvantalgoritm med låga implementeringskostnader kunde ge en kvanthastighetsökning jämfört med de mest kända klassiska metoderna. QAOA tillämpades på problemet med binära sekvenser med låg autokorrelation, som har betydelse för att förstå beteendet hos fysiska system, signalbehandling och kryptografi. Studien visade att om algoritmen ombads att ta itu med allt större problem, skulle den tid det skulle ta att lösa dem växa i en långsammare takt än för en klassisk lösare.
För att utforska kvantalgoritmens prestanda i en idealisk ljudlös miljö utvecklade JPMorgan Chase och Argonne gemensamt en simulator för att utvärdera algoritmens prestanda i stor skala.
”De storskaliga kvantkretssimuleringarna utnyttjade effektivt DOE:s petaskala superdator Polaris som finns vid ALCF. Dessa resultat visar hur högpresterande datorsystem kan komplettera och utveckla kvantinformationsvetenskapen”, säger Yuri Alexeev, beräkningsforskare vid Argonne. Jeffrey Larson, en matematiker vid Argonnes Mathematics and Computer Science Division, har också bidragit till forskningen.
För att ta det första steget mot en praktisk realisering av algoritmens hastighet demonstrerade forskarna en småskalig implementering på Quantinuums kvantdatorer med fångade joner System Model H1 och H2. Med hjälp av algoritmspecifik feldetektering kunde teamet minska felens inverkan på algoritmens prestanda med upp till 65%.
”Vårt långvariga partnerskap med JPMorgan Chase ledde till detta meningsfulla och anmärkningsvärda trevägsexperiment som också involverade Argonne. Resultaten kunde inte ha uppnåtts utan den oöverträffade och världsledande kvaliteten på vår H-Series Quantum Computer, som ger en flexibel enhet för att utföra felkorrigerande och feldetekterande experiment utöver gate-fidelities som ligger åratal före andra kvantdatorer”, säger Ilyas Khan, grundare och produktchef för Quantinuum.
Ytterligare information: Ruslan Shaydulin et al, Evidence of scaling advantage for the quantum approximate optimization algorithm on a classically intractable problem, Science Advances (2024). DOI: 10.1126/sciadv.adm6761
