289!哈佛创造量子比特数量新纪录
光子盒研究院出品
近日,哈佛大学与QuEra Computing、麻省理工学院、因斯布鲁克大学等机构的科学家合作,展示了中性原子量子处理器在解决实际使用问题方面的突破性应用。
5月5日,由哈佛大学的Mikhail Lukin、Markus Greiner教授以及麻省理工学院的Vladan Vuletic教授领导的研究成果以《使用里德堡原子阵列的最大独立集的量子优化》为题发表在《科学》杂志上[1]。该实验中的处理器拥有289个量子比特,刷新了该团队此前保持的256个量子比特的记录。
Mikhail Lukin教授(右1)
早在这之前,中性原子量子处理器已被提出来有效地编码某些困难组合优化问题。在这篇具有里程碑意义的论文中,研究团队不仅在量子计算机上首次部署了高效量子优化,还展示了前所未有的量子硬件能力。
这些计算是在哈佛大学的量子处理器上进行的,该处理器在模拟模式下可以运行289个量子比特,有效电路深度可达32。与之前的量子优化示例不同,这项工作中使用的大系统规模和电路深度甚至无法使用经典模拟来预优化控制参数。量子-经典混合算法必须部署在闭环中,直接、自动地反馈给量子处理器。
这种系统规模、电路深度和出色的量子控制的组合最终实现了质的飞跃:与经典启发式算法相比,量子处理器上的问题实例的实际性能优于预期。该团队用“难度参数”来表征优化问题实例的难度,确定了挑战经典计算机的案例,但使用中性原子量子处理器可以更有效地解决这些案例。与通用经典算法相比,发现了超线性量子加速。QuEra的开源软件包GenericTensorNetworks.jl和Bloqade.jl在发现困难实例和理解量子性能方面发挥了重要作用。
“对量子算法的基本物理学的深刻理解以及其经典对应物的基本局限性使我们能够实现量子机器加速的方法,”哈佛大学研究生、主要作者之一Madelyn Cain表示,问题和量子硬件之间匹配的重要性是这项工作的核心。
“在不久的将来,为了提取尽可能多的量子能力,识别可以本机映射到特定量子架构的问题至关重要,这几乎没有开销,”QuEra Computing高级科学家Shengtao Wang说,他是这项工作中使用的量子算法的共同发明者之一,“我们在这次演示中恰恰做到了这一点。”
具体来说,团队使用在两个空间维度上具有多达289个量子比特的里德堡(Rydberg)原子阵列,并实验研究了解决最大独立集问题的量子算法:使用与里德堡阻塞(Rydberg blockade)相关的硬件高效编码,实现闭环优化以测试几种变分算法,然后应用它们来系统地探索具有可编程连接的一类图形。结果发现问题难度由解的简并度和局部极小值的个数决定,通过实验将量子算法的性能与经典模拟退火进行比较。在最复杂的图上,团队观察到了超线性量子加速在深层电路状态下寻找精确的解并分析其源头。
使用里德堡原子阵列对最大独立集进行硬件有效的编码。A.单位圆盘图的例子,任何一个顶点(如蓝色顶点)都与单位半径圆盘内的所有其他顶点相连。B.相应的MIS解(用红色节点表示)。C.MIS问题的编码是将原子置于目标图的顶点,并选择原子间的间距,使图的单位圆盘半径对应于里德堡阻塞半径。所示的是一个原子的荧光图像的例子,添加了灰线来表示连接顶点之间的边缘。D.该系统在可编程的激光驱动(Ω(t),φ(t),∆(t))和长程里德堡相互作用Vij下进行相干的量子多体演化。E.位置分辨投影测量读出了最终的量子多体状态,原子被激发到里德堡态(红色圆圈),对应的顶点形成一个独立的集合。一个经典的优化器使用该结果来更新量子演化的参数(Ω(t),φ(t),∆(t)),以最大化寻找MIS的品质因数。
量子算法在不同图中的性能。优化的准绝热扫描的近似误差1-R作为有效深度p~的函数绘制在四个相同大小(N = 180个顶点)的图上,显示了对MIS解(MIS简并)D|MIS|(插图:相应的MIS概率PMIS和p~)的强烈依赖。B.在固定深度p~=20时,各种180顶点图的1-R和PMIS与D|MIS|密切相关。C.在相同的有效深度p~=20,1-R时,115个不同大小的图(N=80~289)和MIS简并度D|MIS|表现出与简并度密度ρ≡log(D|MIS|)/N的普适标度关系(插图:数据绘制为N的函数)。文中的误差线表示68%的置信区间。
量子算法与经典模拟退火法的基准测试。A.量子算法和带有MIS哈密顿量的优化模拟退火的性能,显示为四个80顶点图的深度函数(量子算法的p~和模拟退火的pSA)。绿色(HP=1.8,ρ=0.13)和灰色(HP=2.1,ρ=0.11)图对量子和经典算法来说很容易;然而,紫色(HP=69,ρ=0.08)和金色(HP=68,ρ=0.06)图明显更难,并在R=(|MIS|-1)/|MIS|时出现高原,即独立集比MIS少一个顶点。B、C.其中一个难图(金色)与另一个图(紫色)相比,显示了到最近的MIS的平均归一化汉明距离和MIS概率(PMIS)的更好的量子标度。相比之下,SA的性能(线)在两个图之间保持相似。D.大小为|MIS|和|MIS|-1的独立集合的格局图(configuration graph),用于一个39顶点的图(HP=5),如果两个格局被模拟退火的一个或两个步骤分开,则边连接两个格局。在低温下,模拟退火法通过在这个格局图上的随机行走找到MIS解。E.逐个实例优化的量子算法(深红色)和模拟退火(茶色)在32个深度内达到的-log(1-PMIS),从每个大小的难度参数HP的前2%中选择36个图。对SA(茶色,∼HP-1.03(4))和量子数据(深红色虚线,∼HP-0.95(15))进行幂律拟合,用于比较标度性能和图难度。如果只考虑最小能隙大到足以在量子演化持续时间内解决的图(δmin>1/T,不包括空心数据点),拟合(深红色实线)显示出比优化模拟退火法的超线性加速∼HP-0.63(13)。
理解量子算法的难度。A.使用DMRG对65个原子的图计算的基态(黑色)和第一激发态(蓝色)之间的能量间隙。B.为了最大限度地提高难图的PMIS,失谐扫描放缓的频率是不同的。最大的PMIS对应于接近最小间隙位置的放缓频率。C.固定有效深度p~=32的测量PMIS是计算的最小间隙δmin的函数。在许多情况下,这种关系被准绝热基态制备的Landau-Zener预测很好地描述了出来。阴影区域对应的是当间隙太小(δmin<1/T)而不能相对于量子演化时间正确解决时,这个区域的点被排除在这里和图4E中的深红色实线的拟合中。D.实验中观察到的对数(1-PMIS)与模拟退火中的对数,在32的深度内达到最佳PMIS。这些结果与δmin>1/T的图形子集的近二次加速一致。
由团队解决的“最大独立集”问题是计算机科学中的一项典型的困难任务,在物流、网络设计、金融等领域具有广泛的应用。结果证明了量子系统在发现新算法方面的潜力,并突出了一些新的科学方向:
1)研究独立集合大小|MIS|-1和|MIS|的局部和全局最优之间具有较大汉明距离的实例是否能与解空间的重叠间隙特性相关,这与经典的优化难度有关。
2)研究方法可以应用于“种植图”(planted graph)的优化,旨在最大化最优解和次优解之间的汉明距离(Hamming distance),这可以证明限制局部经典算法的性能。
3)研究方法还可以通过使用辅助原子、超精细量子比特编码和基于纠缠原子相干传输的可重构架构,扩展到单位圆盘图之外。
此外,演化过程中的局部量子比特寻址可以用来扩展优化参数的范围和优化问题的类型。进一步的分析可以阐明经典和量子难度的源头,例如,通过使用图神经网络方法。最后,类似的方法可以用来探索其他类别的量子算法的实现,从而实现更广泛的潜在应用。
“这些结果是为与多个行业相关的困难优化问题带来有用的量子优势的第一步,”QuEra Computing首席执行官、此篇论文合著者Alex Keesling补充道,“我们很高兴看到量子计算开始达到必要的成熟度:硬件可以为算法的开发提供信息,超越经典计算方法也可以提前预测范围。此外,对于困难问题实例,量子加速的存在非常令人鼓舞。这些结果帮助我们开发更好的算法和更先进的硬件,以解决一些最困难、最相关的计算问题。
这项工作得到了DARPA、NSF、DOE、ARO、QuEra Computing和AWS的赞助支持。谷歌的E. Farhi也参与了这些研究。
关于QuEra Computing Inc.
QuEra Computing Inc.的成立是为了构建世界上最强大的量子计算机,以解决目前不可能的问题。公司构建全栈量子计算线路,共同开发硬件、软件和算法,以实现最高程度的、可实现的、有用的量子优势。QuEra的硬件基于哈佛大学和麻省理工学院的专利研究,使用高度可扩展和可编程的中性原子阵列作为行业领先的平台。QuEra的目标是解决不同领域商业应用的关键且经典的棘手问题,提供对具有256个量子比特的机器的访问,并解决量子优化和模拟仿真问题。
参考链接:
[1]https://www.science.org/doi/10.1126/science.abo6587
[2]https://arxiv.org/abs/2202.09372
[3]https://www.hpcwire.com/off-the-wire/harvard-and-quera-collaborators-observe-quantum-speed-up-in-optimization-problems/