Otimização não é apenas uma palavra da moda. É a espinha dorsal da logística, finanças e imagens médicas. Cada setor precisa encontrar a melhor opção em um mar de bilhões de possibilidades. Digite recozimento quântico. Os dispositivos da D-Wave Systems são construídos especificamente para esse tipo de trabalho pesado.
Mas há um problema. Um teimoso e persistente.
Qubits são frágeis. Eles cometem erros.
Quando um recozimento quântico calcula, alguns qubits entram em colapso no estado errado. Parece menor. Não é. A taxa de erro aumenta exponencialmente. À medida que o tamanho do problema aumenta, o tempo para encontrar a resposta correta fica fora de controle. O recozimento quântico não assistido torna-se praticamente inútil para tarefas grandes do mundo real. O hardware não consegue acompanhar seu próprio ruído.
Pesquisadores da CSIRO, a agência científica nacional da Austrália, resolveram esse gargalo. Eles não construíram um novo processador quântico. Eles escreveram um novo software. Seu método, denominado SEMO, é uma técnica de mitigação de erros de spin para otimização. Ele processa os resultados após o término da computação quântica.
O resultado é surpreendente. SEMO oferece uma melhoria de um milhão de vezes na rapidez com que um sistema encontra a solução globalmente ideal para problemas de otimização combinatória.
Por que o pós-processamento supera a correção de erros quânticos
A maioria das pessoas presume que a mitigação de erros significa Correção Quântica de Erros (QEC). Esse é o Santo Graal da computação quântica. Também é incrivelmente caro em termos de sobrecarga de hardware. O QEC tenta proteger os qubits durante a computação, codificando um qubit lógico em dezenas ou centenas de qubits físicos.
Isso reduz drasticamente o número de qubits utilizáveis que você realmente possui.
Se você já está com poucos qubits, isso é um obstáculo. SEMO ignora esta penalidade. Opera no lado clássico, após feito o recozimento.
A lógica é simples, mas eficaz. Os erros do Qubit são esparsos. Eles não se espalham uniformemente pelo sistema. Em vez disso, formam grupos isolados. Apenas uma pequena fração dos giros acaba errada. SEMO os caça.
O algoritmo funciona iterativamente. Ele escolhe um giro de referência aleatório. Ele gera clusters de spin próximos. Ele testa se a inversão desses giros reduz a função objetivo – a pontuação matemática que a máquina está tentando minimizar. Se virar ajuda, ele vira. Se dói, deixa em paz.
Ele repete isso até que cada giro tenha sido examinado duas vezes.
A sobrecarga? Modesto. Todo o processo é executado em um computador clássico em milissegundos. Isso é insignificante em comparação com os segundos ou minutos economizados no lado quântico.
Testando SEMO na segmentação de imagens 3D
A teoria está bem. A prova é melhor.
A equipe CSIRO testou o SEMO em um problema correlacionado de segmentação de imagens 3D da ciência dos materiais. Especificamente, eles usaram tomografia computadorizada de raios X (tomografia computadorizada) de microestruturas de materiais. O objetivo? Distinguir entre fases de baixa densidade e fases de alta densidade em milhares de voxels.
Esta é uma otimização binária quadrática irrestrita, ou problema QUBO. A linguagem nativa dos recozedores quânticos.
Sem SEMO, o recozimento D-Wave Advantage teve dificuldades. À medida que o problema passou de 1 variável de spin para 512, o tempo médio por solução correta saltou de 0,1 milissegundos para mais de 100 segundos. Isso é uma desaceleração de um milhão de vezes. O barulho estava matando a eficiência.
Com o SEMO aplicado, a curva se achatou. Quase inteiramente.
O tempo por solução ideal oscilou em torno de 0,1 milissegundos. O tamanho do problema pouco importava.
“As demonstrações quantitativas mostraram o potencial do recozimento quântico com erro na resolução de problemas complexos de otimização combinatória.” -YS Yang
A precisão também foi superior. SEMO foi responsável por correlações entre voxels vizinhos. Os métodos clássicos de gradiente descendente geralmente ficam presos em mínimos locais abaixo do ideal. Eles não conseguem ver o quadro geral. Os resultados corrigidos pelo SEMO forneceram um mapa binário limpo do material. Ele separou as fases composicionais com uma precisão que os métodos clássicos simplesmente não conseguem igualar.
Essa precisão é importante. Um mapa de material confiável é a base para modelar como esse material se comporta sob tensão, calor ou condições do mundo real.
vencendo os concorrentes por uma ampla margem
Como o SEMO se compara aos métodos existentes?
Os pesquisadores fizeram comparações com o Greedy Solver da D-Wave e a técnica Single-QubitCorrection. A diferença era gritante. Os métodos concorrentes atingiram taxas de sucesso de apenas alguns por cento na descoberta do óptimo global.
SEMO atingiu taxas de sucesso entre 82% e 100%.
Não apenas melhorou as técnicas existentes. Isso os destruiu.
E aqui está a diferença: SEMO não se limita ao hardware quântico.
Como funciona em hardware clássico, ele pode refinar os resultados do recozimento simulado. A equipe testou lá também. O Greedy Solver e o Single-QubitCorrection não produziram nenhuma melhoria mensurável em contextos de recozimento simulados. SEMO melhorou significativamente esses resultados. É uma ferramenta universal para quem otimiza sistemas complexos.
Onde isso importa a seguir
A aplicabilidade vai muito além da imagem 3D.
SEMO opera ao nível das formulações Ising spin-glass e QUBQ. Estas são as estruturas matemáticas por trás de inúmeros problemas. Rotas logísticas. Balanceamento de carteira financeira. Criptografia. Projeto de materiais. Se puder ser expresso como QUBO, SEMO provavelmente poderá ajudar.
“O método terá um impacto particularmente significativo em aplicações críticas, como a otimização em tempo real em cenários industriais e de defesa.”
A otimização em tempo real não é um luxo. É um requisito. Se você precisar redirecionar uma frota de drones ou reequilibrar um algoritmo de negociação em milissegundos, não terá tempo para que o ruído corrompa o resultado. SEMO mantém o sinal limpo.
O teto de hardware
Há um problema. Limites de hardware.
Os recozimentos quânticos atuais atingem cerca de 5.000 qubits físicos. Isso restringe o tamanho dos problemas que podem ser incorporados. Você não pode resolver um gráfico de 100.000 vértices se sua máquina tiver apenas 5.000 nós.
Mas isso está mudando.
A D-Wave está lançando o sistema Advantage III. Ele contará com 100.00 qubits. Esta expansão ampliaria substancialmente a gama de problemas passíveis de SEMO.
Por enquanto, o método é uma ponte. Isso torna o recozimento quântico praticamente útil para tarefas complexas do mundo real. Não requer uma revolução quântica em hardware. É necessário ser mais inteligente em relação à camada clássica que envolve o processador quântico.
As maiores melhorias geralmente vêm das bordas, não do núcleo.
