Las computadoras cuánticas son una tecnología revolucionaria que aprovecha los principios de la mecánica cuántica para realizar cálculos que serían inviables para las computadoras clásicas. Evaluar el rendimiento de las computadoras cuánticas ha sido una tarea desafiante debido a su sensibilidad al ruido, la complejidad de los algoritmos cuánticos y la disponibilidad limitada de hardware cuántico potente. La decoherencia y los errores introducidos por el ruido pueden afectar significativamente la precisión de los cálculos cuánticos. Los investigadores han realizado varios intentos de analizar cómo el ruido afecta la capacidad de las computadoras cuánticas para realizar cálculos útiles.
Los investigadores de Google abordan el desafío de evaluar el rendimiento de las computadoras cuánticas en la ruidosa era cuántica de escala intermedia (NISQ), donde los procesadores cuánticos son altamente susceptibles al ruido. El problema fundamental es determinar si los sistemas cuánticos, a pesar de sus limitaciones de ruido, pueden superar a los superordenadores clásicos en tareas computacionales específicas. La investigación se centra en comprender cómo se comportan las computadoras cuánticas bajo ruido y si aún pueden demostrar una ventaja cuántica, un hito clave en la computación cuántica.
El muestreo de circuitos aleatorios (RCS) se ha convertido en un método líder para evaluar procesadores cuánticos y se introdujo en 2019. Las tareas de RCS son computacionalmente difíciles para las computadoras clásicas debido al crecimiento exponencial de la información a medida que escalan los circuitos cuánticos. El problema clave es que las computadoras clásicas luchan por simular o tomar muestras de la distribución de salida de un circuito cuántico a medida que aumenta el volumen del circuito. RCS mide el volumen del circuito cuántico, un indicador clave del rendimiento, que ayuda a identificar cuándo los sistemas cuánticos pueden superar a las supercomputadoras clásicas, incluso en presencia de ruido. La investigación de Google mostró un aumento del doble en el volumen del circuito manteniendo la misma fidelidad que los puntos de referencia anteriores. Estos avances sugieren que los sistemas cuánticos ruidosos todavía pueden ofrecer valor práctico al realizar tareas más allá de las capacidades clásicas.
El método propuesto implica comparar dispositivos cuánticos utilizando RCS para estimar la fidelidad, midiendo qué tan cerca el ruidoso procesador cuántico imita un sistema ideal sin ruido. Los investigadores introdujeron la evaluación comparativa de entropía cruzada de parches (XEB), una técnica para verificar la fidelidad dividiendo el procesador cuántico completo en parches más pequeños. Los cálculos XEB para estos parches proporcionan una forma factible de estimar la fidelidad para circuitos más grandes. El estudio confirma que, a pesar del ruido, los procesadores cuánticos actuales como Sycamore son capaces de lograr resultados más allá de los clásicos, duplicando el volumen del circuito en comparación con experimentos anteriores manteniendo la fidelidad. También identifica transiciones de fase en el comportamiento de RCS en función de la intensidad del ruido y la profundidad del circuito, lo que valida aún más la confiabilidad de RCS para evaluar computadoras cuánticas.
Además del impacto del ruido en los procesadores cuánticos, los investigadores de Google descubrieron dos transiciones de fase distintas inducidas por el ruido. En condiciones de poco ruido, las computadoras cuánticas pueden alcanzar plena potencia computacional. Sin embargo, los altos niveles de ruido pueden crear subsistemas no correlacionados, lo que facilita que las computadoras clásicas simulen sus resultados. Esta transición de fase ayuda a determinar si las computadoras cuánticas realmente están superando a las computadoras clásicas. El procesador Sycamore funciona en un régimen de bajo ruido, lo que confirma su ventaja cuántica.
En conclusión, los investigadores de Google dan un paso significativo hacia la computación cuántica tolerante a fallos al demostrar cómo el muestreo aleatorio de circuitos puede medir eficazmente el rendimiento cuántico en presencia de ruido. El descubrimiento de las transiciones de fase inducidas por el ruido ofrece una nueva forma de comprender el comportamiento de los procesadores cuánticos en diferentes condiciones.
Mira el Papel y Detalles aquí. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo y únete a nuestro Canal de telegramas y LinkedIn Grarriba. Si te gusta nuestro trabajo, te encantará nuestro hoja informativa.. No olvides unirte a nuestro SubReddit de más de 50.000 ml.
[Upcoming Live Webinar- Oct 29, 2024] La mejor plataforma para ofrecer modelos optimizados: motor de inferencia Predibase (promocionado)
Pragati Jhunjhunwala es pasante de consultoría en MarktechPost. Actualmente está cursando su B.Tech en el Instituto Indio de Tecnología (IIT), Kharagpur. Es una entusiasta de la tecnología y tiene un gran interés en el alcance del software y las aplicaciones de ciencia de datos. Siempre está leyendo sobre los avances en diferentes campos de la IA y el ML.
