北京时间5月6日消息（余予）哈佛大学与QuEra Computing、麻省理工学院、因斯布鲁克大学和其他机构的科学家之间进行合作，展示了中性原子量子处理器在解决实际使用问题方面的突破性应用。这项名为“使用里德堡原子阵列的最大独立集进行量子优化（Quantum Optimization of Maximum Independent Set using Rydberg Atom Arrays）”的工作由哈佛大学Mikhail Lukin和Markus Greiner教授以及麻省理工学院Vladan Vuletic教授领导，并于2022年5月5日在《科学》杂志上发表。
在此之前，有关中性原子量子处理器有效地编码某些硬组合优化问题就已经被提出。在这本里程碑式的出版物中，作者不仅在真正的量子计算机上部署了高效量子优化并首次实现，而且还展示了前所未有的量子硬件能力。
计算是在哈佛大学的289个量子位量子处理器上进行的，以模拟模式运行，有效电路深度高达32。与之前的量子优化示例不同，这项工作中使用的大系统规模和电路深度，使其不可能使用经典的模拟来预先优化控制参数。量子经典混合算法必须部署在一个闭环中，并直接自动反馈给量子处理器。
系统规模、电路深度和出色的量子控制的组合带来了一次量子飞跃：与经典启发式算法相比，在量子处理器上发现问题实例的性能优于预期。该团队用“硬度参数”来描述优化问题实例的难度，确定了一些具有挑战性的经典计算机的案例，使用中性原子量子处理器可以更有效地解决这些案例。与一类通用经典算法相比，发现了一种超线性量子加速。QuEra的开源包GenericTensorNetworks.jl和 Bloqade.jl在发现硬实例和理解量子性能方面发挥了重要作用。
“对量子算法的基础物理及其经典算法的基本限制的深刻理解，使我们能够实现量子机器实现加速的方法，”哈佛大学研究生和主要作者之一Madelyn Cain表示。
问题和量子硬件之间匹配的重要性是这项工作的核心。“在不久的将来，为了尽可能多地提取量子能量，确定可以本地映射到特定量子架构的问题至关重要，而且几乎没有开销，”QuEra Computing高级科学家、这项工作中使用的量子算法的共同发明者之一王盛涛（Shengtao Wang）表示，“我们在这次演示中实现了这一点。”
由团队解决的“最大独立集”问题是计算机科学中的一个典型难题，在物流、网络设计、金融等领域具有广泛的应用。使用量子加速解决方案识别具有经典挑战性的问题实例为应用量子计算满足现实世界的工业和社会需求铺平了道路。
“这些结果代表了将有用的量子优势带到与多个行业相关的硬优化问题的第一步。”QuEra Computing首席执行官兼已发表作品的合著者Alex Keesling补充道，“我们很高兴看到量子计算开始达到必要的成熟度，硬件可以为算法开发提供信息，这超出了经典计算方法可以提前预测的范围。此外，对于困难的问题，量子加速存在是非常令人鼓舞的。这些结果帮助我们开发更好的算法和更先进的硬件，从而解决一些最困难、最相关的计算问题。”
这项工作得到了DARPA、NSF、DOE、ARO、QuEra Computing和AWS的支持。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
