量子退火处理器在模拟量子纠缠问题方面具有计算优势

研究人员在一项新的研究中报告称，量子退火处理器在解决现实世界的量子自旋动力学科学模拟方面的表现要优于传统的超级计算机；其所取得的结果远超传统计算方法所能得到结果，因为要获取传统计算方法所需的匹配时间和能量是不可能的。这些结果挑战了传统计算方法，因为过去对方法改进的结果曾令量子优势的主张受到削弱。直到最近几年，量子计算机才开始兑现其宏伟的愿景；具有多种架构的量子处理单元（即 QPUs，如光子、中性原子和超导系统等）在解决复杂问题方面开始超越功能最强大的超级计算机。然而，尽管人们目前普遍认为，如今的 QPU 技术在执行某些任务（如随机数生成）时的表现优于传统计算，但硬件缺陷则会令量子处理器在实际科学应用中相对于传统计算的优势受到限制，因此很难展示量子计算机具有明显优势的案例。Andrew King 和同事在此评估了超导量子退火 (QA) 处理器在模拟更为复杂问题——横场 Ising 模型 (TFIM) 的连续时间量子动力学——中的表现。为了对 QPUs 的性能进行基准测试，King 等人将这些结果与在强大的传统超级计算机上运行的高精度矩阵乘积态 (MPS) 模拟进行了比较，并用先进传统技术（如张量网络和神经网络）来估算逼近 QPU 精度的量子动力学成本。根据这些研究的发现，该量子处理器在一系列的 Ising 模型拓扑中的表现均优于经典 MPS 模拟。此外，经典模拟的资源需求估计披露了严重的局限性。为了匹配 QPU 的性能，作者估计，MPS 法所需的计算资源远远超出了实际可行性，其中包括需要有长达数百万年的超级计算时间和超过全球年度所需的耗电量。King 等人写道：“这种不切实际的经典模拟为优化人工智能中的量子优势开启了门户，因为后者可处理原本或许仍未得到解答的科学问题以及传统方法不可能实现的应用。”