L’ottimizzazione non è solo una parola d’ordine. È la spina dorsale della logistica, della finanza e dell’imaging medico. Ogni settore deve trovare la migliore opzione in un mare di miliardi di possibilità. Entrano in ricottura quantistica. I dispositivi D-Wave Systems sono costruiti appositamente per questo tipo di sollevamento pesante.
Ma c’è un problema. Uno testardo, persistente.
I qubit sono fragili. Fanno errori.
Quando un ricottore quantistico esegue i calcoli, alcuni qubit collassano nello stato sbagliato. Sembra minore. Non lo è. Il tasso di errore aumenta in modo esponenziale. Man mano che le dimensioni del problema crescono, il tempo necessario per trovare la risposta corretta sfugge al controllo. La ricottura quantistica non assistita diventa praticamente inutile per compiti di grandi dimensioni nel mondo reale. L’hardware non riesce a tenere il passo con il proprio rumore.
I ricercatori del CSIRO, l’agenzia scientifica nazionale australiana, hanno risolto questo collo di bottiglia. Non hanno costruito un nuovo processore quantistico. Hanno scritto nuovo software. Il loro metodo, chiamato SEMO, è una tecnica di mitigazione dell’errore di spin per l’ottimizzazione. Elabora i risultati al termine del calcolo quantistico.
Il risultato è sconcertante. SEMO offre un miglioramento di un milione di volte nella rapidità con cui un sistema trova la soluzione ottimale a livello globale per i problemi di ottimizzazione combinatoria.
Perché la post-elaborazione batte la correzione degli errori quantistici
La maggior parte delle persone ritiene che la mitigazione degli errori significhi Correzione quantistica degli errori (QEC). Questo è il Santo Graal dell’informatica quantistica. È anche incredibilmente costoso in termini di sovraccarico hardware. QEC tenta di proteggere i qubit durante il calcolo codificando un qubit logico su dozzine o centinaia di qubit fisici.
Ciò riduce drasticamente il numero di qubit utilizzabili effettivamente disponibili.
Se sei già a corto di qubit, questo è un rompicapo. SEMO salta questa penalità. Funziona sul lato classico, dopo aver effettuato la ricottura.
La logica è semplice ma efficace. Gli errori qubit sono scarsi. Non si diffondono uniformemente nel sistema. Invece, formano cluster isolati. Solo una piccola parte dei giri finisce male. SEMO li dà la caccia.
L’algoritmo funziona in modo iterativo. Seleziona una rotazione di riferimento casuale. Genera cluster di spin vicini. Verifica se l’inversione di questi giri riduce la funzione obiettivo, ovvero il punteggio matematico che la macchina sta cercando di minimizzare. Se capovolgere aiuta, gira. Se fa male, lo lascia stare.
Lo ripete finché ogni giro non è stato esaminato due volte.
Le spese generali? Modesto. L’intero processo viene eseguito su un computer classico in millisecondi. Questo è trascurabile rispetto ai secondi o ai minuti risparmiati sul lato quantistico.
Test SEMO sulla segmentazione delle immagini 3D
La teoria va bene. La prova è meglio.
Il team CSIRO ha testato SEMO su un problema di segmentazione di immagini 3D correlato derivante dalla scienza dei materiali. Nello specifico, hanno utilizzato la tomografia computerizzata a raggi X (scansioni TC) delle microstrutture dei materiali. L’obiettivo? Distinguere tra fasi a bassa densità e fasi ad alta densità su migliaia di voxel.
Questo è un problema di ottimizzazione binaria quadratica non vincolata, o problema QUBO. Il linguaggio nativo dei ricottori quantistici.
Senza SEMO, il ricottore D-Wave Advantage aveva difficoltà. Man mano che il problema passava da 1 variabile di giro a 512, il tempo medio per la soluzione corretta è passato da 0,1 millisecondi a oltre 100 secondi. Si tratta di un rallentamento di un milione di volte. Il rumore stava uccidendo l’efficienza.
Con SEMO applicato, la curva si è appiattita. Quasi interamente.
Il tempo per la soluzione ottimale si aggirava intorno a 0,1 millisecondi. La dimensione del problema contava a malapena.
“Le dimostrazioni quantitative hanno mostrato il potenziale della ricottura quantistica con errori nella risoluzione di complessi problemi di ottimizzazione combinatoria.” — YS Yang
Anche la precisione era superiore. SEMO ha tenuto conto delle correlazioni tra voxel vicini. I metodi classici di discesa del gradiente spesso rimangono bloccati in minimi locali non ottimali. Non riescono a vedere il quadro generale. I risultati corretti dal SEMO hanno fornito una mappa binaria pulita del materiale. Ha separato le fasi compositive con una precisione che i metodi classici semplicemente non possono eguagliare.
Questa precisione è importante. Una mappa materiale affidabile è la base per modellare il comportamento del materiale in condizioni di stress, calore o condizioni reali.
battendo i concorrenti con un ampio margine
Come si confronta SEMO con i metodi esistenti?
I ricercatori hanno eseguito confronti con il Greedy Solver di D-Wave e la tecnica Single-QubitCorrection. La differenza era netta. I metodi concorrenti hanno raggiunto percentuali di successo pari solo a pochi punti percentuali nel trovare l’ottimale globale.
SEMO ha raggiunto percentuali di successo comprese tra l’82% e il 100%.
Non ha solo migliorato le tecniche esistenti. Li ha cancellati.
Ed ecco la svolta: SEMO non si limita all’hardware quantistico.
Poiché funziona su hardware classico, può perfezionare i risultati della ricottura simulata. Il team lo ha testato anche lì. Greedy Solver e Single-QubitCorrection non hanno prodotto miglioramenti misurabili nei contesti di ricottura simulata. SEMO ha migliorato significativamente questi risultati. È uno strumento universale per chiunque ottimizzi sistemi complessi.
Dove è importante dopo
L’applicabilità si estende ben oltre l’imaging 3D.
SEMO opera a livello delle formulazioni Ising spin-glass e QUBQ. Queste sono le strutture matematiche dietro innumerevoli problemi. Percorsi logistici. Bilanciamento del portafoglio finanziario. Crittografia. Progettazione dei materiali. Se può essere lanciato come QUBO, SEMO probabilmente può aiutare.
“Il metodo riguarderà applicazioni cruciali in termini di tempo, come l’ottimizzazione in tempo reale negli scenari dell’industria e della difesa.”
L’ottimizzazione in tempo reale non è un lusso. È un requisito. Se hai bisogno di reindirizzare una flotta di droni o riequilibrare un algoritmo di trading in millisecondi, non hai tempo perché il rumore possa corrompere il risultato. SEMO mantiene il segnale pulito.
Il soffitto dell’hardware
C’è un problema. Limiti hardware.
Gli attuali ricottori quantistici arrivano a circa 5.000 qubit fisici. Ciò limita la dimensione dei problemi che possono essere incorporati. Non puoi risolvere un grafico da 100.000 vertici se la tua macchina contiene solo 5.000 nodi.
Ma le cose stanno cambiando.
D-Wave sta lanciando il sistema Advantage III. Conterrà 100,00qubit. Questa espansione allargherebbe sostanzialmente la gamma dei problemi affrontabili dalla SEMO.
Per ora il metodo è un bridge. Rende la ricottura quantistica praticamente utile per compiti complessi nel mondo reale. Non richiede una rivoluzione quantistica nell’hardware. È necessario essere più intelligenti riguardo al classico strato che avvolge il processore quantistico.
I maggiori miglioramenti spesso provengono dai bordi, non dal nucleo.
