Optymalizacja to nie tylko modne hasło. Stanowi podstawę logistyki, finansów i obrazowania medycznego. Każda branża musi znaleźć jedno najlepsze rozwiązanie spośród miliardów opcji. Na scenę wkraczają wyżarzacze kwantowe. Urządzenia firmy D-Wave Systems zostały zaprojektowane specjalnie do tak złożonych zadań obliczeniowych.
Ale tu leży poważny problem.
Kubity są wyjątkowo niestabilne. Popełniają błędy.
Kiedy wyżarzacz kwantowy wykonuje obliczenia, niektóre kubity mogą znaleźć się w niewłaściwym stanie. To może wydawać się nieistotne. Ale to nieprawda. Błędy kumulują się wykładniczo. Wraz ze wzrostem skali problemu czas na znalezienie prawidłowej odpowiedzi wydłuża się w niekontrolowany sposób. Nieobsługiwane wyżarzanie kwantowe staje się praktycznie bezużyteczne w przypadku dużych problemów rzeczywistych. Sprzęt po prostu nie ma czasu poradzić sobie z własnym hałasem.
Naukowcy z CSIRO, australijskiej krajowej agencji naukowej, rozwiązali ten problem. Nie stworzyli nowego procesora kwantowego. Napisali nowe oprogramowanie. Ich metoda, zwana SEMO, jest techniką łagodzenia błędów orientacji spinu w przypadku problemów optymalizacyjnych. Przetwarza wyniki po zakończeniu obliczeń kwantowych.
Wynik jest oszałamiający: SEMO zapewnia wartą milion dolarów poprawę szybkości, z jaką system znajduje globalnie optymalne rozwiązanie problemów optymalizacji kombinatorycznej.
Dlaczego przetwarzanie końcowe jest lepsze od korekcji błędów kwantowych
Większość ludzi uważa, że ograniczanie błędów oznacza stosowanie Kwantowej korekcji błędów (QEC). To „święty Graal” obliczeń kwantowych. Jednak takie podejście wymaga ogromnych zasobów sprzętowych. QEC próbuje chronić kubity podczas obliczeń, kodując jeden kubit logiczny poprzez dziesiątki lub setki kubitów fizycznych.
To drastycznie zmniejsza liczbę dostępnych rzeczywistych kubitów.
Jeśli nie masz już wystarczającej liczby kubitów, staje się to krytyczną przeszkodą. SEMO omija to ograniczenie. Po zakończeniu wyżarzania działa na poziomie klasycznym.
Logika jest prosta i skuteczna. Błędy Qubitu są rzadkie. Nie są one równomiernie rozmieszczone w całym systemie. Zamiast tego tworzą izolowane skupiska. Tylko niewielka część spinów okazuje się błędna. SEMO znajduje te błędy.
Algorytm działa iteracyjnie. Wybiera losowy spin odniesienia, generuje pobliskie skupiska spinów i sprawdza, czy ich odwrócenie zmniejszy funkcję celu (oszacowanie matematyczne, które maszyna stara się zminimalizować). Jeśli inwersja pomaga, wykonuje się ją. Jeśli wyrządzi krzywdę, spin zostaje pozostawiony w spokoju.
Proces powtarza się, aż każde wirowanie zostanie sprawdzone dwukrotnie.
Koszty ogólne? Mały. Cały proces odbywa się na klasycznym komputerze w ciągu milisekund. Jest to znikome w porównaniu z sekundami lub minutami zaoszczędzonymi po stronie kwantowej.
Testowanie SEMO pod kątem segmentacji obrazu 3D
Teoria jest dobra. Ale dowód jest ważniejszy.
Zespół CSIRO przetestował SEMO na podstawie skorelowanej segmentacji 3D obrazów z zakresu inżynierii materiałowej. W szczególności wykorzystano skany rentgenowskiej tomografii komputerowej (CT) mikrostruktur materiałów. Cel? Rozróżnij fazy o niskiej gęstości i fazy o dużej gęstości wśród tysięcy wokseli.
Jest to problem kwadratowej nieograniczonej optymalizacji binarnej (QUBO). Język ojczysty wyżarzania kwantowego.
Bez SEMO wyżarzacz D-Wave Advantage miał trudności. Przy skalowaniu problemu od 1 zmiennej spinowej do 512 średni czas znalezienia prawidłowego rozwiązania wzrósł z 0,1 milisekundy do ponad 100 sekund. To jest milion razy wolniejsze. Hałas zabił wydajność.
Po zastosowaniu SEMO wykres został wygładzony. Prawie całkowicie.
Czas znalezienia optymalnego rozwiązania pozostał na poziomie 0,1 milisekundy. Rozmiar problemu nie miał praktycznie żadnego wpływu na wyniki.
„Demonstracje ilościowe pokazują potencjał wyżarzania kwantowego z korekcją błędów w rozwiązywaniu złożonych problemów optymalizacji kombinatorycznej.” —YS Yang
Dokładność również była doskonała. SEMO uwzględniło korelacje pomiędzy sąsiednimi wokselami. Klasyczne metody gradientowego opadania często utkną w suboptymalnych minimach lokalnych. Nie widzą szerszego obrazu. Wyniki skorygowane SEMO zapewniły wyraźną mapę binarną materiału. Metoda ta oddzieliła fazy kompozycyjne z precyzją, której klasyczne metody po prostu nie są w stanie osiągnąć.
Ta precyzja ma znaczenie. Wiarygodna mapa materiałów stanowi podstawę do modelowania zachowania materiału pod obciążeniem, w wysokich temperaturach lub w warunkach rzeczywistych.
Znacząca przewaga nad konkurencją
Jak SEMO wypada w porównaniu z istniejącymi metodami?
Naukowcy porównali to z metodą Greedy Solver firmy D-Wave i techniką korekcji pojedynczego kubitu. Różnica była wyraźna. Konkurencyjne metody osiągnęły wskaźnik sukcesu w znalezieniu globalnego maksimum na poziomie zaledwie kilku procent.
SEMO wykazało skuteczność w zakresie od 82% do 100%.
Nie tylko ulepszył istniejące metody. Zniszczył ich zalety.
I tu jest zwrot akcji: SEMO nie ogranicza się do sprzętu kwantowego.
Ponieważ działa na klasycznym sprzęcie, może udoskonalić wyniki symulowanego wyżarzania. Tam też zespół to przetestował. Greedy Solver i Single-Qubit Correction nie zapewniły żadnej wymiernej poprawy w kontekście symulowanego wyżarzania. SEMO znacząco poprawiło te wyniki. Jest to uniwersalne narzędzie do dowolnej optymalizacji złożonych systemów.
Gdzie będzie to potrzebne w przyszłości?
Zakres zastosowania wykracza daleko poza wizualizację 3D.
SEMO pracuje na poziomie modeli Ising i formuł QUBO. Są to matematyczne podstawy niezliczonych problemów. Trasy logistyczne. Bilansowanie portfeli finansowych. Kryptografia. Projektowanie materiałów. Jeśli problem uda się sprowadzić do QUBO, SEMO najprawdopodobniej będzie w stanie pomóc.
„Ta metoda będzie miała szczególnie znaczący wpływ w zastosowaniach, w których czas jest krytyczny, takich jak optymalizacja w czasie rzeczywistym w scenariuszach przemysłowych i obronnych.”
Optymalizacja w czasie rzeczywistym nie jest luksusem. Jest to konieczność. Niezależnie od tego, czy chcesz przekierować flotę dronów, czy przeliczyć algorytm handlowy w ciągu milisekund, nie masz czasu czekać, aż hałas zniekształci wyniki. SEMO utrzymuje sygnał w czystości.
Sufit sprzętowy
Jest jedno zastrzeżenie. Ograniczenia sprzętowe.
Nowoczesne wyżarzacze kwantowe osiągają limit około 5000 kubitów fizycznych. Ogranicza to rozmiar zadań, które można osadzić. Nie możesz rozwiązać problemu ze 100 000 wierzchołków, jeśli twoja maszyna obsługuje tylko 5000 węzłów.
Ale sytuacja się zmienia.
D-Wave wypuszcza system Advantage III. Będzie zawierać 100 000 kubitów. To rozszerzenie znacznie poszerzy zakres problemów, które można zoptymalizować za pomocą SEMO.
Na razie metoda ta służy jako pomost. Dzięki temu wyżarzanie kwantowe jest praktycznie przydatne w przypadku złożonych problemów rzeczywistych. Nie wymaga rewolucji sprzętowej. Pozostaje tylko mądrzej posługiwać się klasyczną warstwą otaczającą procesor kwantowy.
Największe ulepszenia często pochodzą z krawędzi, a nie z rdzenia.
