Demonstracja wydajnych predykcyjnych zastępców dla wielkoskalowych procesorów kwantowych

Dlaczego ma to znaczenie dla przyszłych obliczeń

Komputery kwantowe obiecują rozwiązywać problemy, które przytłaczają dzisiejsze maszyny — od symulacji nowych materiałów po badanie egzotycznych stanów materii. Tymczasem najnowocześniejsze procesory kwantowe są kosztowne, delikatne i rzadkie, co ogranicza, kto i jak często może z nich korzystać. W tym badaniu przedstawiono sposób „zamknięcia” typowego zachowania dużego procesora kwantowego w wydajnym modelu klasycznym, dzięki czemu wiele zadań można wykonać na zwykłym komputerze po jedynie ograniczonym dostępie do rzeczywistego urządzenia kwantowego.

Uchwycenie odcisku palca komputera kwantowego

Autorzy koncentrują się na kluczowej wielkości pojawiającej się w wielu algorytmach kwantowych: średniej wartości pomiaru wykonany po uruchomieniu obwodu kwantowego na zaszumionym procesorze. Zamiast symulować każdy mikroskopijny szczegół, budują to, co nazywają predykcyjnymi zastępcami. Są to klasyczne modele uczące się na danych zebranych z rzeczywistego nadprzewodzącego układu kwantowego. Po wytrenowaniu zastępca potrafi szybko przewidzieć średnie pomiarów dla nowych ustawień obwodu, bez ponownego korzystania ze sprzętu kwantowego, i automatycznie odzwierciedla rzeczywiste szumy i niedoskonałości danego układu.

Dwa rodzaje cyfrowych zastępców

Zespół projektuje i analizuje dwa typy zastępców, dopasowane do różnych zastosowań. Pierwszy, oznaczony h_cs, obsługuje obwody, których parametry sterujące zmieniają się niezależnie i wspiera wiele lokalnych pomiarów jednocześnie. Opiera się na idei „klasycznych cieni” (classical shadows) — technice kompresji informacji z losowych pomiarów do zwartej reprezentacji klasycznej. Drugi, oznaczony h_qs, jest przeznaczony do sytuacji, gdzie wiele parametrów obwodu jest powiązanych, co często występuje w kwantowych symulacjach materiałów, chemii czy uczenia maszynowego. Został zaprojektowany do pracy z skorelowanymi danymi wejściowymi pochodzącymi z dowolnych rozkładów, co lepiej odpowiada realistycznym obciążeniom naukowym.

Wdrożenie zastępców w praktyce

Aby przetestować te pomysły, badacze użyli nadprzewodzącego procesora kwantowego z nawet 42 funkcjonującymi kubitami. Najpierw pokazali, że h_cs potrafi wiarygodnie przewidzieć energię modelu magnetycznego kwantowego — jednowymiarowego modelu Isinga z polem poprzecznym — dla wielu wyborów parametrów modelu. Następnie użyli tego zastępcy do wstępnego trenowania powszechnie stosowanej procedury zwanej wariacyjnym kwantowym algorytmem wartości własnej. Optymalizacja odbywa się w całości na komputerze klasycznym kierowanym przez zastępcę, a dopiero później sprawdzana i nieznacznie poprawiana na rzeczywistym układzie kwantowym. Takie podejście zmniejsza liczbę wymaganych pomiarów kwantowych o rzędy wielkości, osiągając jednocześnie niższe oszacowania energii niż uruchomienie pełnej optymalizacji kwantowej od zera.

Odkrywanie ukrytych faz materii napędzanej

Drugi zastępca, h_qs, zastosowano do bardziej egzotycznego zadania: identyfikacji szczególnych faz w łańcuchu spinów okresowo napędzanym w czasie, znanych jako Floquetowskie fazy z ochroną symetrii topologicznej. Tradycyjnie mapowanie tych faz wymaga wielu powtarzalnych pomiarów na urządzeniu kwantowym przy zmianach ustawień sterujących. Zamiast tego autorzy przeszkolili rodzinę zastępców, które uczą się, jak lokalna magnetyzacja wzdłuż łańcucha reaguje na napęd. Korzystając wyłącznie z klasycznych obliczeń z użyciem wytrenowanych modeli, odtworzyli sygnatury długotrwałych oscylacji na krawędziach i zlokalizowali przejście między fazą chronioną a termiczną, bez cech, zgodnie z eksperymentami bezpośrednio na sprzęcie kwantowym.

Co to oznacza dla dostępu do mocy kwantowej

Dowodząc, że te zastępcze modele można trenować wydajnie i pokazując, że skaluje się to do dziesiątek kubitów na rzeczywistym urządzeniu, praca sugeruje nowy sposób dzielenia się rzadkimi zasobami kwantowymi. Ograniczony zestaw pomiarów na zaawansowanym procesorze może zostać skondensowany w wielokrotnego użytku model klasyczny, który wielu użytkowników może zapytywać tanio. Choć takie zastępcy nie zastąpią komputerów kwantowych, mogą znacznie zmniejszyć częstotliwość ich uruchamiania dla zadań opartych na średnich wartościach pomiarów, przybliżając praktyczne, kwantowo wspomagane badania materiałów, chemii i nowych faz materii do codziennego użytku naukowego.

Cytowanie: Liao, WY., Du, Y., Wang, X. et al. Demonstration of efficient predictive surrogates for large-scale quantum processors. Nat Commun 17, 4731 (2026). https://doi.org/10.1038/s41467-026-72506-5

Słowa kluczowe: procesory kwantowe, predykcyjne modele zastępcze, wariacyjny kwantowy algorytm wartości własnej, cyfrowa symulacja kwantowa, fáz Floqueta

Zobacz więcej na stronie internetowej zespołu badawczego: http://staff.ustc.edu.cn/~quanhhl/