Analog varyasyonel kuantum algoritmalarında maddelerin fazlarını kayıp peyzajının düzlüğüne bağlamak

Geleceğin kuantum bilgisayarları için bunun önemi

Kuantum bilgisayarlar laboratuvar meraklılarından pratik araçlara doğru ilerledikçe önemli bir zorluk ortaya çıktı: umut vaat eden birçok algoritma cihazlar büyüdükçe eğitilemez hâle geliyor. Bu makale, yoğun madde fiziğinden ödünç alınan fikirlerle bu soruna şaşırtıcı bir çözüm önermeyi inceliyor. Yazarlar, bir çok parçacıklı sistemin kendini düzenleme biçimleri olan farklı kuantum madde “fazlarının” varyasyonel kuantum algoritmalarını ya eğitilebilir hale getirebileceğini ya da fiilen takılıp kalmalarına neden olabileceğini gösteriyor ve analoge kuantum donanımda bunları eğitilebilir tutmak için bir strateji öneriyor.

Donanımla uyumlu kuantum öğrenmesi

Varyasyonel kuantum algoritmaları, ayarlanabilir bir kuantum durumu hazırlamak için bir kuantum cihazı ve düğmeleri hedef bir nicelik —örneğin enerji veya maliyet— minimize edilene dek ayarlamak için bir klasik bilgisayar kullanır. Mevcut tasarımların çoğu “dijital”tir: durumları uzun mantık kapı dizilerinden inşa ederler. Esnek olmalarına karşın, bu devreler görev için gereksiz olan geniş kuantum durum uzaylarını araştıracak kadar aşırı ifade yeteneğine sahip olabilir. Büyük sistemlerde bu, kayıp peyzajının neredeyse tamamen düzleştiği ve gradyanların sistem boyutuyla üstel olarak yok olduğu sözde barren plateau (çorak plato) sorununa yol açabilir. Uzun kapı dizileri oluşturmak yerine yazarlar ‘‘analog’’ bir yaklaşımı inceliyor: bir zincir kuantum spinini, tuzaklanmış iyonlar, Rydberg atomları ve süperiletken devreler gibi platformlarda doğrudan uygulanabilir bir dizi ani değişiklik (quench) altında doğal etkileşimleriyle evrilmesine izin verin. Spin zincirindeki düzensizliği kontrol ederek her quench’i termalize olmuş ya da çok parçacıklı lokalize (MBL) olmak üzere iki farklı madde fazından birine yerleştirebiliyor ve bu seçimin algoritmanın davranışını nasıl şekillendirdiğini araştırıyorlar.

İki faz, iki çok farklı öğrenme peyzajı

Termalize olmuş fazda sistem kaotik davranır: etkileşimler ve zayıf düzensizlik bilgiyi ve dolanıklığı hızla tüm spinlere yayar, zinciri tam rastgele bir kuantum işlemi tarafından üretilenlere benzeyen durumlara sürükler. Çok parçacıklı lokalize (MBL) fazında ise güçlü düzensizlik bu tür bir karışmayı engeller. Başlangıçtaki durumdaki yerel desenler çok uzun zamanlar boyunca görünür kalır ve dolanıklık yalnızca yavaşça artar. Yazarlar, algoritmanın ansatz’ının mümkün kuantum evrimleri uzayını ne kadar geniş biçimde keşfettiğine dair nicel ölçüler —ifade yeteneği— kullanır ve bunu kayıp peyzajının ne kadar düzleştiğiyle ilişkilendirir. Yeterince çok quench uygulanırsa her iki fazın da maksimum ifade yeteneğine ulaşacağını buluyorlar, ancak termalize olmuş faz bu rejime çok daha erken erişir. Bu olurken, kayıp fonksiyonunun varyansı ve dolayısıyla öğrenme için gereken gradyanlar, kuantum bit sayısıyla üstel olarak küçülür ve barren plateau işareti verir. MBL fazında aynı son kısmen oluşur, ancak yalnızca çok daha fazla quench’ten sonra.

Dolanıklık büyümesini eğitilebilirlikle ilişkilendirmek

MBL fazı neden düz peyzajların başlangıcını geciktiriyor? Yazarlar bunu dolanıklığın nasıl biriktiğine bağlıyor. Termalize olmuş rejimde her quench, spin zincirinin bölümleri arasında dolanıklıkta büyük sıçramalar üretir ve sistem hızla tamamen rastgele durumları taklit eder. Bu hızlı karıştırma, kayıp peyzajının yapısını siler ve gradyanları son derece küçük yapar. Buna karşılık MBL rejimi dolanıklığı çok daha yavaş ve daha lokalize bir şekilde üretir. Sayısal olarak, kayıp varyansının doyguna ulaşması için gereken quench sayısı, dolanıklığın doyguna ulaşması için gereken sayıyla yakından izlenir ve iki faz arasındaki fark yaklaşık olarak sistem boyutuyla doğrusal olarak büyür. Bu, MBL tabanlı ansatz’ın zaten oldukça ifade yeteneğine sahip olduğu ama henüz barren plateau’ya düşmediği geniş bir pencere olduğu anlamına gelirken, termalize olmuş ansatz zaten eğitilemez hâle gelmiştir.

Erken başarısızlıktan kaçınan bir başlangıç stratejisi

Bu içgörü üzerine kurarak yazarlar analog varyasyonel algoritmaları kurmak için pratik bir kural öneriyor. Orta düzeyde bir quench sayısı seçin ve sistemi MBL fazında başlatın: termalize fazda zaten çok derin ve düz olacak aynı derinlik, MBL fazında eğitilebilir kalır. Optimizasyon sırasında kontrol parametreleri gerekirse katı lokalizasyondan uzaklaşmakta özgürdür; böylece eğitim boyunca daha yüksek ifade yeteneğine erişim sağlanır ancak düz bir bölgeden başlanmamış olur. Küçük ama önemsiz olmayan örneklerde yapılan testler bu görüşü destekliyor. Yapısı donanıma yakın olan belirli problemler için sığ termalize kurulum iyi performans gösterebilir. Ancak Heisenberg zincirinin temel halini bulmak veya rastgele Max-Cut örneklerini çözmek gibi daha genel hedefler için, orta derinlikte MBL tabanlı başlangıç önemli ölçüde daha iyi enerji doğruluğu ve daha yüksek kaliteli çözümler, daha güvenilir yakınsama ve daha az kötü lokal minima’da takılma sağlıyor.

Kuantum algoritmalarını ölçeklendirmenin anlamı

Çalışma, kuantum fazlarının fiziğinin sadece bir engel veya merak olmadığını, daha iyi kuantum öğrenme mimarileri tasarlamak için bir araç olduğunu öne sürüyor. Bir analog cihazı başlangıç için çok parçacıklı lokalize bir rejime ayarlayarak barren plateau’ların ortaya çıkışını geciktirmek ve eğitimin ilerleyen aşamalarında karmaşık durumları yaklaşıklamak için yeterli esnekliği korumak mümkün olabilir. Yazarlar bunun sihirli bir çare olmadığını vurguluyor: barren plateau’lar ve kötü yerel minimumlar gibi diğer sorunlar hâlâ ortaya çıkabilir ve yöntem büyük ölçüde problemden bağımsız. Yine de bu, daha ölçeklenebilir analog varyasyonel kuantum algoritmaları inşa etmek için somut, donanım farkındalıklı yönergeler sunuyor ve lokalizasyon, zaman kristalleri veya topolojik düzen gibi kavramların geleceğin kuantum bilgisayarlarının öğrenme peyzajlarını şekillendirmesinde nasıl rol oynayabileceğine işaret ediyor.

Atıf: Srimahajariyapong, K., Thanasilp, S. & Chotibut, T. Connecting phases of matter to the flatness of the loss landscape in analog variational quantum algorithms. Commun Phys 9, 111 (2026). https://doi.org/10.1038/s42005-026-02528-4

Anahtar kelimeler: varyasyonel kuantum algoritmaları, analog kuantum simülasyonu, çok parçacıklı lokalizasyon, barren plateaus, kuantum makine öğrenmesi