Оптимізація – це не просто модне слово. Це основа логістики, фінансів та медичної візуалізації. Кожній галузі потрібно знайти єдине найкраще рішення серед мільярдів варіантів. На сцену виходять квантові відпалювачі. Пристрої компанії D-Wave Systems розроблені спеціально для таких складних обчислювальних завдань.
Але тут криється серйозна проблема.
Кубіти вкрай нестабільні. Вони припускаються помилок.
Коли квантовий відпалювач здійснює обчислення, деякі кубити можуть перейти в невірний стан. Це може здатися незначним. Але це негаразд. Помилки накопичуються експонентно. У міру зростання масштабу завдання час на пошук правильної відповіді збільшується неконтрольовано. Непідкріплений квантовий відпал стає практично марним для великих реальних завдань. Обладнання просто не встигає справлятися із власним шумом.
Дослідники із CSIRO, національного наукового агентства Австралії, вирішили цю проблему. Вони не створювали нового квантового процесора. Вони написали нове програмне забезпечення. Їх метод, що отримав назву SEMO, є технікою пом’якшення помилок спинової орієнтації для завдань оптимізації. Він опрацьовує результати після завершення квантових обчислень.
Результат приголомшливий: SEMO забезпечує мільйонне покращення у швидкості, з якою система знаходить глобально оптимальне рішення для комбінаторної задачі оптимізації.
Чому постобробка перевищує корекцію квантових помилок
Більшість людей вважають, що пом’якшення помилок означає використання Квантової корекції помилок (QEC). Це «святий грааль» квантових обчислень. Однак цей підхід потребує величезних апаратних ресурсів. QEC намагається захистити кубити під час обчислень, кодуючи один логічний кубит через десятки чи сотні фізичних.
Це drastically скорочує кількість доступних вам реальних кубітів.
Якщо у вас і так не вистачає кубітів, це стає критичною перешкодою. SEMO оминає це обмеження. Він працює на класичному рівні після завершення відпалу.
Логіка проста та ефективна. Помилки кубітів зустрічаються нечасто. Вони не розподіляються поступово за системою. Натомість вони утворюють ізольовані кластери. Лише крихітна частка спинів виявляється неправильною. SEMO знаходить ці помилки.
Алгоритм працює ітеративно. Він вибирає випадковий опорний спин, генерує близько кластери спинів і перевіряє, чи приведе їх інверсія до зменшення цільової функції (математичної оцінки, яку машина прагне мінімізувати). Якщо інверсія допомагає, вона виробляється. Якщо шкодить, спин залишають у спокої.
Процес повторюється, доки кожен спин не буде перевірено двічі.
Накладні витрати? Невеликі. Весь процес виконується на класичному комп’ютері за мілісекунди. Це мізерно мало в порівнянні з секундами або хвилинами, що економляться на квантовій стороні.
Тестування SEMO на сегментації 3D-зображень
Теорія хороша. Але доказ важливіший.
Команда CSIRO протестувала SEMO на завданні корельованої 3D-сегментації зображень із матеріалознавства. Саме використовувалися рентгенівські комп’ютерні томограми (КТ) мікроструктур матеріалів. Ціль? Розрізнити фази низької щільності та фази високої щільності серед тисяч вокселів.
Це завдання квадратичної необмеженої бінарної оптимізації (QUBO). Рідна мова квантових відпалювачів.
Без SEMO відпалювач D-Wave Advantage відчував труднощі. При масштабуванні завдання від 1 змінної спина до 512 середній час знаходження правильного рішення зростав з 0,1 мілісекунд до більш ніж 100 секунд. Це уповільнення у мільйон разів. Шум убивав ефективність.
При застосуванні SEMO графік згладжується. Майже повністю.
Час перебування оптимального рішення залишалося лише на рівні 0,1 мілісекунди. Розмір завдання практично не впливав на результат.
«Кількісні демонстрації показали потенціал квантового відпалу з корекцією помилок у вирішенні складних комбінаторних завдань оптимізації». – YS Yang
Точність також виявилася чудовою. SEMO враховував кореляції між сусідніми вокселями. Класичні методи градієнтного спуску часто застрягають у субоптимальних локальних мінімумах. Вони не бачать загальної картини. Результати скориговані SEMO забезпечували чітку бінарну карту матеріалу. Метод розділив композиційні фази з точністю, якої класичні методи не можуть досягти.
Ця точність має значення. Надійна карта матеріалу служить основою для моделювання того, як матеріал поведеться під навантаженням, за високих температур або в реальних умовах.
Значна перевага над конкурентами
Як SEMO співвідноситься із існуючими методами?
Дослідники провели порівняння з вирішувачем Greedy Solver від D-Wave та технікою Single-Qubit Correction. Різниця була різкою. Конкуруючі методи досягали успішності лише кілька відсотків під час пошуку глобального оптимуму.
SEMO показував успішність від 82% до 100%.
Він не просто покращив існуючі методи. Він знищив їхні переваги.
І ось несподіваний поворот: SEMO не обмежується квантовим обладнанням.
Оскільки він працює на класичному устаткуванні, може уточнювати результати імітаційного відпалу. Команда перевірила це й там. Greedy Solver та Single-Qubit Correction не дали вимірного поліпшення в контексті імітаційного відпалу. SEMO значно покращив ці результати. Це універсальний інструмент для будь-яких оптимізації складних систем.
Де це затребуване у майбутньому
Область застосування виходить далеко за межі 3D-візуалізації.
SEMO працює на рівні моделей Ізінга та формулювань QUBO. Це математичні засади незліченних проблем. Логістичні маршрути. Балансування фінансових портфелів. Криптографія. Проектування матеріалів. Якщо завдання можна звести до QUBO, SEMO швидше за все зможе допомогти.
«Метод надасть особливо значний вплив на додатках, критичних до часу, як-от оптимізація у часі у промисловості й оборонних сценаріях».
Оптимізація у реальному часі – це не розкіш. Це потреба. Якщо вам потрібно перенаправити флот дронів або перерахувати торговий алгоритм за мілісекунди, у вас немає часу чекати, поки шум спотворить результат. SEMO зберігає сигнал чистим.
Апаратна стеля
Є один аспект. Обмеження обладнання.
Сучасні квантові відпалювачі досягають межі приблизно в 5000 фізичних кубитів. Це обмежує розмір завдань, які можна вбудувати. Ви не можете вирішити завдання зі 100 000 вершин, якщо ваша машина підтримує лише 5000 вузлів.
Але ситуація змінюється.
D-Wave випускає систему Advantage III. У ній буде 100 000 кубітів. Це розширення значно розширить коло завдань, що піддаються оптимізації за допомогою SEMO.
На даний момент метод є мостом. Він робить квантове відпал практично корисним для складних реальних завдань. Для цього не потрібна революція в апаратному забезпеченні. Потрібно лише стати мудрішим у використанні класичного рівня, що оточує квантовий процесор.
Найбільші покращення часто приходять із країв, а не з ядра.
