Ljuskonventskancellation för variational quantum eigensolver vid lösning av brusiga Max-Cut

Skära igenom kvantbruset

Allteftersom kvantdatorer växer lovar de att ta itu med svåra problem i verkliga världen, från att dirigera data genom nätverk till att designa bättre material. Men dagens enheter är små och brusiga: lägg till fler kvantbitar, eller qubits, och felen överväldigar snabbt beräkningen. Denna artikel utforskar ett sätt att bättre utnyttja imperfekta maskiner genom att ansa kvantkretsar så att de förblir korrekta även när hårdvaran ligger långt från idealet, med fokus på ett klassiskt problem kallat Max-Cut.

Varför nätverkssnittning spelar roll

Max-Cut är en utmaning som låter enkel men har vidsträckta tillämpningar. Föreställ dig ett nätverk av punkter förbundna av länkar—detta kan representera sociala band, kommunikationslinjer eller komponenter på ett chip. Målet är att dela upp punkterna i två grupper så att så många länkar som möjligt går mellan grupperna snarare än inom dem. Det är lätt för små nätverk men blir extremt svårt när nätverket växer, och ingen snabb exakt metod är känd för vanliga datorer. På grund av detta har Max-Cut blivit ett prövobänk för nya algoritmer, inklusive sådana som körs på kvanthårdvara.

Hybridmetoder i en brusig värld

Studien bygger på en populär familj av hybridmetoder kallade variational quantum algorithms. I dessa upplägg producerar en kvantkrets ett provsvar, medan en vanlig dator justerar kretsens parametrar för att förbättra svaret steg för steg. Den specifika metoden här, variational quantum eigensolver, är vanligtvis associerad med kemi men kan också användas för optimeringsproblem som Max-Cut. Jämfört med en annan välkänd kvantmetod, quantum approximate optimization algorithm, kan denna typ av krets nå bra lösningar med färre lager av grindar, vilket är avgörande när varje extra operation introducerar mer brus.

Bara behålla det som verkligen räknas

Artikelns centrala idé kallas light cone cancellation (ljuskonventskancellation). När man utvärderar hur bra en kandidatlösning är påverkar endast ett litet grannskap av qubits varje lokal mätning. Grindar som ligger utanför denna "ljuskon" ändrar inte det specifika värdet, även om de är närvarande i den fulla kretsen. Författarna visar hur man systematiskt kan ta bort dessa redundanta grindar för varje lokalt stycke av Max-Cut-beräkningen. Istället för att simulera en stor krets som verkar på alla qubits delar de upp arbetet i flera mycket mindre subkretsar, var och en använder bara ett fåtal qubits men tillsammans reproducerar exakt samma övergripande storhet av intresse.

Få mer gjort med färre qubits

Denna beskärning har två stora vinster. För det första minskar den kraftigt hur många qubits och grindar som behövs i en enskild körning. För den specifika Max-Cut-upplägg som studerats bevisar författarna att oavsett hur stort det ursprungliga nätverket är behöver varje subkrets som mest fem qubits när man använder ett enkelt lager av grindar. Det innebär att problem med upp till 100 noder effektivt kan undersökas med hårdvara som fysiskt bara har sju qubits. För det andra drabbas kortare och mindre kretsar mindre av brus i dagens enheter. Simulationer på realistiska "falska" kvantbackends, som efterliknar två olika IBM-maskiner, visar att kretsar som använder light cone cancellation konsekvent uppnår högre approximationskvoter—det vill säga de kommer närmare det verkliga bästa snittet—än kretsar utan denna förenkling, även när båda körs på samma brusiga hårdvara.

Hur det står sig mot klassiska genvägar

Forskarna jämför också sin brussnåla metod med ett berömt klassiskt approximationsschema för Max-Cut som är känt som Goemans–Williamson-algoritmen. På stora grafer med 100 noder finner de att den kvantbaserade metoden med light cone cancellation presterar särskilt väl på tätare nätverk, ofta och med marginal slår det klassiska riktmärket vad gäller hur nära det kommer det optimala svaret. De utforskar vidare vad som händer när fler lager av kvantgrindar läggs till. Även om extra lager i princip gör kretsarna mer uttrycksfulla, introducerar de i praktiken svårare optimeringslandskap och större effektiva subkretsar, så chanserna att hitta mycket högkvalitativa lösningar faktiskt minskar.

Trimma kvantkretsar för framtiden

I vardagstermer visar detta arbete att omsorgsfullt avlägsnande av delar av en kvantberäkning som inte påverkar slutpoängen kan få små, brusiga kvantenheter att överprestera. Genom att fokusera endast på de regioner av en krets som verkligen betyder något för varje lokalt stycke av problemet förvandlar tekniken light cone cancellation en annars otymplig beräkning till många mindre, renare sådana. För Max-Cut innebär det att lösa mycket stora nätverksdelningsuppgifter med bara några få effektiva qubits, samtidigt som inverkan av hårdvarufel minskas. Allteftersom kvantprocessorer långsamt förbättras kan sådana kretsbesparande knep vara nyckeln till att göra sköra maskiner till användbara verktyg för att angripa komplexa optimeringsproblem.

Citering: Lee, X., Yan, X., Xie, N. et al. Light cone cancellation for variational quantum eigensolver in solving noisy Max-Cut. Sci Rep 16, 9597 (2026). https://doi.org/10.1038/s41598-025-31798-1

Nyckelord: kvantoptimering, Max-Cut, variationskvantalgoritmer, brummedling, ljuskonventskancellation