Демонстрация эффективных предиктивных суррогатов для масштабных квантовых процессоров

Почему это важно для будущих вычислений

Квантовые компьютеры обещают решать задачи, с которыми не справляются современные машины — от моделирования новых материалов до исследования экзотических состояний вещества. Однако передовые квантовые процессоры дорогие, уязвимые и редкие, что ограничивает, кто и как часто может ими пользоваться. В этом исследовании предложен способ «запечатлеть» типичное поведение большого квантового процессора в эффективной классической модели, так что многие задачи можно выполнить на обычном компьютере после лишь ограниченного доступа к реальному квантовому устройству.

Поймать отпечаток квантового компьютера

Авторы сосредотачиваются на ключевой величине, которая встречается во многих квантовых алгоритмах: среднем значении измерения, получаемом после выполнения квантовой схемы на шумном процессоре. Вместо того чтобы моделировать каждую микроскопическую деталь, они строят так называемые предиктивные суррогаты. Это классические обучаемые модели, тренируемые на данных, собранных с реального сверхпроводящего квантового чипа. После обучения суррогат быстро предсказывает средние значения измерений для новых настроек схемы, не обращаясь снова к квантовому железу, и при этом автоматически учитывает реальные шумы и несовершенства конкретного чипа.

Два типа цифровых замен

Команда разрабатывает и анализирует два типа суррогатов, подходящих для разных сценариев использования. Первый, называемый h_cs, работает со схемами, у которых управляющие параметры меняются независимо, и поддерживает множество локальных измерений одновременно. Он опирается на идею классических теней (classical shadows) — техники, сжимающей информацию из рандомизированных измерений в компактное классическое представление. Второй, называемый h_qs, ориентирован на ситуации, когда многие параметры схемы связаны между собой, как часто бывает при квантовом моделировании материалов, химии или машинного обучения. Он сконструирован для работы с коррелированными входами, взятыми из произвольных распределений, что ближе к реалистичным научным нагрузкам.

Применение замен на практике

Чтобы проверить эти идеи, исследователи используют сверхпроводящий квантовый процессор с до 42 рабочих кубитов. Сначала они показывают, что h_cs надежно предсказывает энергию модельного квантового магнита — одномерной модели Изинга с поперечным полем — при множестве выборов параметров модели. Затем они используют этот суррогат для предварительного обучения широко используемой процедуры, называемой вариационным квантовым нахождением собственного состояния (variational quantum eigensolver). Оптимизация выполняется полностью на классическом компьютере под управлением суррогата, а уже позже проверяется и слегка дорабатывается на реальном квантовом чипе. Такой подход сокращает число требуемых квантовых измерений на несколько порядков и при этом достигает более низких оценок энергии, чем при запуске полной квантовой оптимизации «с нуля».

Выявление скрытых фаз в приводимом веществе

Второй суррогат, h_qs, применяется к более экзотической задаче: идентификации специальных фаз в цепочке спинов, периодически возбуждаемой во времени, известных как флоquet-фазы, защищенные симметрией. Традиционно для картирования этих фаз требуется много повторяющихся измерений на квантовом устройстве по мере изменения управляющих настроек. Вместо этого авторы обучают семейство суррогатов, которые узнают, как локальная намагниченность вдоль цепочки откликается на привод. Используя только классические вычисления с обученными моделями, они восстанавливают признаки долго живущих краевых колебаний и находят переход между защищенной фазой и термической, безыдейной фазой, в согласии с прямыми экспериментами на квантовом оборудовании.

Что это значит для доступа к квантовой мощи

Продемонстрировав, что эти суррогаты можно эффективно обучать и что они масштабируются до десятков кубитов на реальном устройстве, работа предлагает новый способ совместного использования дефицитных квантовых ресурсов. Ограниченный набор измерений на продвинутом процессоре может быть сведён в повторно используемую классическую модель, к которой многие пользователи смогут обращаться дешево. Хотя такие суррогаты не заменяют квантовые компьютеры, они могут существенно сократить частоту их запусков для задач, основанных на средних значениях измерений, приближая практические квантово-ассистированные исследования материалов, химии и новых фаз вещества к повседневному научному использованию.

Цитирование: 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

Ключевые слова: квантовые процессоры, предиктивные суррогатные модели, вариационный квантовый ноутропускатель, цифровое квантовое моделирование, флоquet-фазы

Подробнее на сайте исследовательской группы: http://staff.ustc.edu.cn/~quanhhl/