中国の物理学者は実験的にシカモアの量子優位性を反証している

ビデオ: 中国の物理学者は実験的にシカモアの量子優位性を反証している

Отличия серверных жестких дисков от десктопных
ビデオ: 量子テレポーテーションってなに?仕組みを直感的にわかりやすく解説 2023, 2月
中国の物理学者は実験的にシカモアの量子優位性を反証している
中国の物理学者は実験的にシカモアの量子優位性を反証している
Anonim
Image
Image

グーグルのシカモア計算機による量子優位性の最初の実証については、多くの論争と疑問がありました。それらの1つは、古典的なコンピューターの動作時間の評価に関するものでした。中国の科学者は、量子加速に関するGoogleの結果の修正を強制するアルゴリズムを開発して実装しました。 Googleがスーパーコンピューターの完了に10、000年かかると見積もったタスクを完了するのに60GPUと5日かかりました。作品のプレプリントはarXiv.orgで公開されています。

2019年10月、Googleの科学者のチームは、量子の優位性を実験的に実証できたと発表しました。彼らは、シカモア量子53キュービット超伝導コンピューターを使用して、ランダムな線を生成する問題を解決しました。研究者によると、この問題の解決には、最も強力なスーパーコンピューターであるサミットの場合、約1万年かかるはずですが、シカモアは200秒で対処しました。

問題の選択がランダムではなかったことは明らかです。これは、量子コンピューターの能力を実証するための便利な問題の1つです。しかし、これらの条件下でも、IBMの研究者は、従来のコンピューターでのタスクのタイミングを批判しました。 Googleの実験に関するニュースからわずか1か月後、彼らは記事のプレプリントを公開しました。この記事では、スーパーコンピューターが適切なメモリ使用の問題を解決するのに数日かかる可能性があると主張しました。事実、Googleの科学者の時間の見積もりは、スーパーコンピューターのRAMが十分ではなく、動作時間を犠牲にしてメモリを節約するアルゴリズムを使用する必要があるという事実に基づいていました。 IBMでは、科学者が別のアプローチを提案しています。RAMを使用するだけでなく、必要な情報をハードドライブに保存することです。

活発な論争にもかかわらず、提案された計算を完全に実行した企業はありませんでした。すべての仮定は理論的なものにすぎませんでした。潘璋が率いる中国科学院の理論物理学研究所の科学者のグループは、問題を解決し、論争を解決することに成功しました。彼らは、60GPUの小さなコンピューティングクラスターでランダムな文字列を生成する問題を解決できる新しい組み合わせアルゴリズムを提案しました。計算全体に5日かかり、最終的な精度はGoogleの量子コンピューターで得られた精度を大幅に上回りました。

Image
Image

3Dテンソルネットワークをサブグループに分割する

シカモア量子スキームには、他のスキームと同様に、問題の複雑さの観点から重要な2つのパラメーターがあります。キュービットの次元または数とゲートの層の深さまたは数(キュービットでの操作)です。より多くのキュービットまたはそれらに対して実行する必要のあるより多くの操作は、古典的なコンピューターでそのような回路をシミュレートすることをより困難にします。それらをモデル化するには、主に2つの方法があります。最初の方法(シュレディンガーの方法)は、完全な状態ベクトルをメモリに格納し、各行の確率の知識を使用して行のサンプルを生成します。したがって、この方法の計算の複雑さは、チェーンの深さが増すにつれて直線的に増加します。シカモアの回路の深さは20であったため、この依存性はモデリングにとって重要です。一方、この方法の複雑さのキュービット数への依存性は指数関数的であることが判明し、大きなシステムをシミュレートすることは困難です。キュービットの数(シカモアには53個ありました)。

2番目の方法はテンソルネットワークを使用し、入力データの再配置により、キュービット数が多い浅い回路に最適です。著者らは、新しいアルゴリズムが多数の量子ビットと大きな深さの両方を持つ回路をシミュレートできるように、2つの方法を組み合わせることにしました。彼らはテンソルネットワークを使用して、すべてのキュービットをサブグループに分割しました。サブグループはそれぞれ、異なるGPUで個別にモデル化されました。その結果、各サブグループのキュービット数は、シュレーディンガー法を適用して問題をリアルタイム(1万年未満)で解決するのに十分になります。科学者は、32ギガバイトのメモリと5日間で60個のNVIDIA V100 GPUを使用して、200万行を生成しました。さらに、これらの行の分布品質は、対応するシカモアの結果よりも大幅に優れています。

多数のランダムな文字列を生成した後、それらのいくつかはより一般的であり、いくつかはあまり一般的ではありません。したがって、特定の文字列を生成する確率について話すことができます。文字列への確率の依存性は、特定の形式を持つことができます。著者によって解決された問題の結果は、理想的にはポーター-トーマス分布を持つはずです。実際の分布がPorter-Thomas分布に近いほど、問題はより正確かつ適切に解決されます。通常、分布の近さを評価するために、それらの類似性(忠実度)の値が使用されます。 1に等しい場合、分布は完全に一致します。 Googleの実験では、最終的な分布の類似性はわずか0、002であり、新しい作品の作者はなんとか0、739の値を取得しました。

科学者はシカモアのシミュレーションに焦点を合わせてきましたが、彼らのアルゴリズムとアプローチは一般に、既存および将来の量子システムをシミュレートするために使用できます。彼らは、グーグルの量子コンピューターとは異なり、彼らのアルゴリズムは同時に大きな深さと数のキュービットに拡張可能ではないと指摘している。

ランダムな文字列を生成する問題に加えて、物理学者はボソンサンプリングの問題を解決するために量子コンピューターを積極的に研究および作成しています。中国の科学者のグループのフォトニックプロセッサはすでにこのタスクに対処しており、別のチームが問題の次元を拡大するための新しい方法を提案しています。開発された古典的なアルゴリズムは、既存のすべてのアルゴリズムよりも速くボソンサンプリングの問題に対処できるのだろうか。

トピックによって人気があります