"Las computadoras cuánticas tienen la promesa de superar a las computadoras clásicas para ciertas tareas, pero en el hardware cuántico actualmente disponible no pueden ejecutar algoritmos largos. Tienen demasiado ruido cuando interactúan con el entorno, lo que corrompe la información que se procesa", dijoMarco Cerezo, físico especializado en computación cuántica, aprendizaje de máquinas cuánticas e información cuántica en Los Alamos y autor principal del artículo. "Con los algoritmos cuánticos variacionales, obtenemos lo mejor de ambos mundos. Podemos aprovechar el poder de las computadoras cuánticaspara tareas que las computadoras clásicas no pueden hacer fácilmente, utilice computadoras clásicas para complementar el poder computacional de los dispositivos cuánticos ".
Las actuales computadoras cuánticas de escala intermedia, ruidosas, tienen entre 50 y 100 qubits, pierden su "cuantidad" rápidamente y carecen de corrección de errores, lo que requiere más qubits. Sin embargo, desde finales de la década de 1990, los teóricos han estado desarrollando algoritmos diseñados para ejecutarse en uncomputadora cuántica idealizada grande, correctora de errores y tolerante a fallas.
"Todavía no podemos implementar estos algoritmos porque dan resultados absurdos o requieren demasiados qubits. Entonces, la gente se dio cuenta de que necesitábamos un enfoque que se adaptara a las limitaciones del hardware que tenemos: un problema de optimización", dijo Patrick Coles., físico teórico que desarrolla algoritmos en Los Alamos y autor principal principal del artículo.
"Descubrimos que podíamos convertir todos los problemas de interés en problemas de optimización, potencialmente con ventaja cuántica, lo que significa que la computadora cuántica supera a una computadora clásica en la tarea", dijo Coles. Esos problemas incluyen simulaciones para ciencia de materiales y química cuántica, factorizaciónnúmeros, análisis de big data y prácticamente todas las aplicaciones que se han propuesto para computadoras cuánticas.
Los algoritmos se denominan variacionales porque el proceso de optimización varía el algoritmo sobre la marcha, como una especie de aprendizaje automático. Cambia los parámetros y las puertas lógicas para minimizar una función de costo, que es una expresión matemática que mide qué tan bien se ha desempeñado el algoritmo.la tarea. El problema se resuelve cuando la función de costo alcanza su valor más bajo posible.
En una función iterativa en el algoritmo cuántico variacional, la computadora cuántica estima la función de costo, luego pasa ese resultado a la computadora clásica. La computadora clásica luego ajusta los parámetros de entrada y los envía a la computadora cuántica, que ejecuta la optimizaciónde nuevo.
El artículo de revisión pretende ser una introducción integral y una referencia pedagógica para las investigaciones que comienzan en este campo incipiente. En él, los autores discuten todas las aplicaciones de los algoritmos y cómo funcionan, así como también cubren desafíos, trampas y cómoFinalmente, mira hacia el futuro, considerando las mejores oportunidades para lograr una ventaja cuántica en las computadoras que estarán disponibles en los próximos años.
Fuente de la historia :
Materiales proporcionado por DOE / Laboratorio Nacional de Los Alamos . Nota: el contenido se puede editar por estilo y longitud.
Los científicos espaciales revelan el secreto detrás de la 'crisis energética' de Júpiter
Hubble encuentra evidencia de vapor de agua en la luna de Júpiter, Ganímedes
Anatomía del planeta rojo: los terremotos de Marte revelan el interior
Hacer hidrógeno limpio es difícil, pero los investigadores acaban de resolver un gran obstáculo
La 'neuroprótesis' devuelve las palabras al hombre con parálisis
Tamaño del agujero negro revelado por su patrón de alimentación
Los ingenieros descubren los secretos de las aletas de pescado