Optimasi bukan sekedar kata kunci. Ini adalah tulang punggung logistik, keuangan, dan pencitraan medis. Setiap industri perlu menemukan satu pilihan terbaik di tengah lautan miliaran kemungkinan. Masukkan anil kuantum. Perangkat dari D-Wave Systems dibuat khusus untuk jenis pengangkatan berat ini.
Tapi ada masalah. Seorang yang keras kepala dan gigih.
Qubit itu rapuh. Mereka membuat kesalahan.
Saat annealer kuantum menghitung, beberapa qubit jatuh ke kondisi yang salah. Kedengarannya kecil. Tidak. Tingkat kesalahan bertambah secara eksponensial. Seiring bertambahnya ukuran masalah, waktu untuk menemukan jawaban yang benar semakin tidak terkendali. Anil kuantum tanpa bantuan menjadi praktis tidak berguna untuk tugas-tugas besar di dunia nyata. Perangkat kerasnya tidak mampu mengimbangi kebisingannya sendiri.
Para peneliti di CSIRO, badan sains nasional Australia, telah mengatasi hambatan ini. Mereka tidak membuat prosesor kuantum baru. Mereka menulis perangkat lunak baru. Metode mereka, yang disebut SEMO, adalah teknik mitigasi kesalahan putaran untuk optimasi. Ini memproses hasil setelah komputasi kuantum selesai.
Hasilnya sungguh mencengangkan. SEMO memberikan peningkatan jutaan kali lipat dalam kecepatan suatu sistem menemukan solusi optimal secara global untuk masalah optimasi kombinatorial.
Mengapa Pasca Pemrosesan Mengalahkan Koreksi Kesalahan Quantum
Kebanyakan orang berasumsi bahwa mitigasi kesalahan berarti Koreksi Kesalahan Kuantum (QEC). Itulah cawan suci komputasi kuantum. Ini juga sangat mahal dalam hal overhead perangkat keras. QEC berupaya melindungi qubit selama komputasi dengan menyandikan satu qubit logis ke lusinan atau ratusan qubit fisik.
Ini secara drastis mengurangi jumlah qubit yang dapat digunakan yang Anda miliki.
Jika Anda sudah kekurangan qubit, ini adalah pemecah masalah. SEMO melewatkan penalti ini. Ini beroperasi pada sisi klasik, setelah anil selesai.
Logikanya sederhana namun efektif. Kesalahan qubit jarang terjadi. Mereka tidak tersebar secara merata di seluruh sistem. Sebaliknya, mereka membentuk kelompok-kelompok yang terisolasi. Hanya sebagian kecil putaran yang berakhir salah. SEMO memburu mereka.
Algoritma ini bekerja secara iteratif. Ini mengambil putaran referensi acak. Ini menghasilkan cluster putaran terdekat. Ini menguji apakah membalikkan putaran ini akan menurunkan fungsi tujuan—skor matematis yang coba diminimalkan oleh mesin. Jika membalik membantu, itu akan terbalik. Jika sakit, biarkan saja.
Ini mengulanginya sampai setiap putaran diperiksa dua kali.
Biaya overhead? Sederhana. Seluruh proses berjalan di komputer klasik dalam milidetik. Jumlah tersebut dapat diabaikan jika dibandingkan dengan detik atau menit yang dihemat pada sisi kuantum.
Menguji SEMO pada Segmentasi Gambar 3D
Teori baik-baik saja. Bukti lebih baik.
Tim CSIRO menguji SEMO pada masalah segmentasi gambar 3D yang berkorelasi dari ilmu material. Secara khusus, mereka menggunakan tomografi komputer sinar-X (CT scan) dari struktur mikro material. Tujuannya? Bedakan antara fase kepadatan rendah dan fase kepadatan tinggi di ribuan voxel.
Ini adalah masalah optimasi biner tak terbatas kuadrat, atau masalah QUBO. Bahasa asli annealer kuantum.
Tanpa SEMO, annealer D-Wave Advantage mengalami kesulitan. Saat masalah ditingkatkan dari 1 variabel putaran menjadi 512, waktu rata-rata untuk setiap solusi yang benar melonjak dari 0,1 milidetik menjadi lebih dari 100 detik. Itu berarti perlambatan jutaan kali lipat. Kebisingan mematikan efisiensi.
Dengan diterapkannya SEMO, kurva menjadi rata. Hampir seluruhnya.
Waktu per solusi optimal berkisar sekitar 0,1 milidetik. Ukuran masalah hampir tidak menjadi masalah.
“Demonstrasi kuantitatif menunjukkan potensi anil kuantum yang disebabkan oleh kesalahan dalam memecahkan masalah optimasi kombinatoratorik yang kompleks.” —YS Yang
Akurasinya juga lebih unggul. SEMO memperhitungkan korelasi antara voxel yang bertetangga. Metode penurunan gradien klasik sering kali terjebak dalam minimum lokal yang suboptimal. Mereka tidak dapat melihat gambaran besarnya. Hasil yang dikoreksi SEMO memberikan peta materi biner yang bersih. Ini memisahkan fase komposisi dengan presisi yang tidak dapat ditandingi oleh metode klasik.
Akurasi ini penting. Peta material yang andal adalah dasar untuk memodelkan bagaimana material tersebut berperilaku di bawah tekanan, panas, atau kondisi dunia nyata.
mengalahkan Pesaing dengan Margin Besar
Bagaimana SEMO dibandingkan dengan metode yang ada?
Para peneliti membandingkan dengan Greedy Solver D-Wave dan teknik Single-QubitCorrection. Perbedaannya sangat mencolok. Metode-metode yang bersaing memiliki tingkat keberhasilan hanya beberapa persen saja dalam menemukan titik optimal global.
SEMO mencapai tingkat keberhasilan antara 82% dan 100%.
Itu tidak hanya memperbaiki teknik yang sudah ada. Hal itu melenyapkan mereka.
Dan inilah twistnya: SEMO tidak terbatas pada perangkat keras kuantum.
Karena dijalankan pada perangkat keras klasik, ia dapat menyempurnakan hasil dari simulasi anil. Tim juga mengujinya di sana. Greedy Solver dan Single-QubitCorrection tidak menghasilkan peningkatan terukur dalam konteks simulasi anil. SEMO meningkatkan hasil tersebut secara signifikan. Ini adalah alat universal bagi siapa saja yang mengoptimalkan sistem yang kompleks.
Hal Ini Penting Selanjutnya
Penerapannya jauh melampaui pencitraan 3D.
SEMO beroperasi pada tingkat formulasi spin-glass Ising dan QUBQ. Ini adalah kerangka matematika di balik permasalahan yang tak terhitung jumlahnya. Rute logistik. Penyeimbangan portofolio keuangan. Kriptografi. Desain bahan. Jika dapat berperan sebagai QUBO, SEMO kemungkinan besar dapat membantu.
“Metode ini akan memberikan dampak yang sangat besar pada aplikasi-aplikasi yang sangat penting seperti optimasi real-time dalam skenario industri dan pertahanan.”
Pengoptimalan waktu nyata bukanlah suatu kemewahan. Itu adalah suatu persyaratan. Jika Anda perlu mengubah rute armada drone atau menyeimbangkan kembali algoritme perdagangan dalam hitungan milidetik, Anda tidak punya waktu untuk membiarkan kebisingan merusak hasilnya. SEMO menjaga sinyal tetap bersih.
Plafon Perangkat Keras
Ada satu kendala. Batasan perangkat keras.
Anil kuantum saat ini membatasi sekitar 5.000 qubit fisik. Hal ini membatasi besarnya masalah yang dapat ditimbulkan. Anda tidak dapat menyelesaikan grafik 100.000 titik jika mesin Anda hanya menampung 5.000 titik.
Tapi itu berubah.
D-Wave meluncurkan sistem Advantage III. Ini akan menampilkan 100,00qubit. Perluasan ini secara substansial akan memperluas jangkauan permasalahan yang dapat ditangani SEMO.
Untuk saat ini, metodenya adalah sebuah jembatan. Hal ini membuat anil kuantum praktis berguna untuk tugas-tugas kompleks di dunia nyata. Hal ini tidak memerlukan revolusi kuantum dalam perangkat keras. Hal ini membutuhkan kepintaran dalam menangani lapisan klasik yang membungkus prosesor kuantum.
Peningkatan terbesar sering kali datang dari bagian tepinya, bukan inti.
