Предсказание ошибок в квантовых вычислениях

Представьте: вы только что опустили монету в музыкальный автомат, чтобы послушать песню, но он остановился через несколько секунд. Вы пробуете снова, и мелодия обрывается через минуту. Деньги не вернуть, а желанной композиции так и не услышать. А что, если бы вы заранее знали, что произойдет, и смогли бы сэкономить деньги и нервы?

Многое еще неизвестно о поведении квантовых компьютеров и тех задачах, которые они смогут решать в будущем. Однако команда из Национальных лабораторий Сандиа разработала метод, позволяющий использовать квантовые системы более эффективно, проводя аналогию с простым музыкальным автоматом.

«Мы создаем модели, которые позволяют ученым по-настоящему понять квантовый компьютер, чтобы они могли либо улучшить его, либо определить, какие задачи он способен решить», — пояснил специалист по компьютерам из Сандиа Дэниел Хотем.

Квантовые компьютеры обладают потенциалом для решения сложных задач быстрее и точнее, чем самые мощные суперкомпьютеры. Они используют физические явления, такие как лазерные лучи, для манипулирования квантовыми битами информации, подобно тому, как обычные компьютеры используют электричество для работы с 0 и 1.

Однако существует значительный разрыв между теоретическими возможностями «идеального» квантового компьютера и производительностью существующих систем. Это связано с тем, что реальные устройства подвержены физическим ошибкам, которые искажают вычисления. Устранение этого разрыва — ключ к тому, чтобы квантовые компьютеры оправдали свои ожидания.

«Представьте, что вы набираете текст в документе, а Word просто падает, — добавил коллега-компьютерщик Тимоти Проктор. — Программа часто вылетает, и вы не можете предсказать, когда это произойдет. Или, возможно, программа печатает другое слово, отличное от того, что вы ввели, и узнать об этом можно только попробовав».

Инструмент, способный предсказывать, когда и почему квантовый компьютер выходит из строя, выявляя вероятные физические ошибки, может помочь исследователям избежать этих сбоев и ускорить разработку следующего поколения вычислительных систем. Хотем и Проктор считают, что они создают именно такой инструмент.

«Представьте себе старый музыкальный автомат, — говорит Хотем. — Вы хотите поставить пластинку, но опасаетесь, что она не заработает — ведь автомат старый. Пластинки могут быть поцарапаны, монетоприемник может быть неисправен, или где-то может быть плохой контакт. Прежде чем опустить четвертак, вы хотели бы знать, будет ли пластинка играть так, как вам нужно. Поскольку вы не являетесь владельцем автомата, вы не можете просто открыть его и осмотреть детали».

В моделях команды нейронная сеть обрабатывает цифровой снимок квантовой программы и предсказывает, какие физические ошибки возникнут при ее выполнении на квантовом компьютере. Затем эти ошибки преобразуются в математическую формулу, предсказывающую вероятность успешного выполнения программы.

Обучая модели на данных успешных и неудачных программ, команда не сильно полагается на сами квантовые компьютеры. Модели учатся «окольным путем».

Этот метод также может помочь исследователям за пределами области вычислений понять, какие задачи реально могут быть решены существующими квантовыми системами. Например, химик может использовать эти модели, чтобы определить, сможет ли квантовый компьютер успешно проводить симуляции химических систем.

По мере того, как команда из Сандиа продолжает совершенствовать свои модели, потенциальные преимущества для квантовых вычислений становятся значительными. Улучшая моделирование реальных ошибок, команда надеется сократить время и затраты на разработку следующего поколения квантовых систем.

«Одна из наших целей — помочь ученым сократить непродуктивные направления исследований», — отметил Хотем, подчеркнув, как их работа может оптимизировать исследования и ускорить возможности ученых по использованию квантовых компьютеров для решения самых сложных задач национальной безопасности.