Quantensoftware auf klassischem Computer laufen lassen
In einer in Nature Quantum Information veröffentlichten Arbeit haben EPFL-Professor Giuseppe Carleo und Matija Medvidović, Doktorand an der Columbia University und am Flatiron Institute in New York, einen Weg gefunden, einen komplexen Quantencomputer-Algorithmus auf herkömmlichen Computern anstelle von Quantencomputern auszuführen.
Die spezifische «Quantensoftware», die sie in Betracht ziehen, ist als Quantum Approximate Optimization Algorithm (QAOA) bekannt und wird zur Lösung klassischer Optimierungsprobleme in der Mathematik verwendet; es handelt sich im Wesentlichen um eine Methode, die beste Lösung für ein Problem aus einer Reihe möglicher Lösungen auszuwählen. «Es besteht ein grosses Interesse daran, zu verstehen, welche Probleme von einem Quantencomputer effizient gelöst werden können, und QAOA ist einer der prominentesten Kandidaten», sagt Carleo.
Letztendlich soll QAOA uns auf dem Weg zum berühmten «Quanten-Speedup» helfen, dem prognostizierten Anstieg der Verarbeitungsgeschwindigkeit, den wir mit Quantencomputern anstelle von herkömmlichen Computern erreichen können. Es ist verständlich, dass QAOA eine Reihe von Befürworterinnen und Befürwortern hat, darunter auch Google, das sich die Quantentechnologien und das Rechnen in naher Zukunft zum Ziel gesetzt hat: 2019 wurde Sycamore, ein 53-Qubit-Quantenprozessor, entwickelt und für eine Aufgabe eingesetzt, für die ein moderner klassischer Supercomputer schätzungsweise 10 000 Jahre benötigen würde. Sycamore erledigte die gleiche Aufgabe in 200 Sekunden.
«Aber die Grenze der ‹Quantenbeschleunigung›󠅒 ist alles andere als starr und wird durch neue Forschungen ständig neu gestaltet, auch dank der Fortschritte bei der Entwicklung effizienterer klassischer Algorithmen», so Carleo.
In ihrer Studie gehen Carleo und Medvidović auf eine wichtige offene Frage in diesem Bereich ein: Können Algorithmen, die auf aktuellen und in naher Zukunft zu erwartenden Quantencomputern laufen, bei Aufgaben von praktischem Interesse einen signifikanten Vorteil gegenüber klassischen Algorithmen bieten? «Um diese Frage zu beantworten, müssen wir zunächst die Grenzen der klassischen Datenverarbeitung bei der Simulation von Quantensystemen verstehen», sagt Carleo. Dies ist besonders wichtig, da die derzeitige Generation von Quantenprozessoren in einem Bereich arbeitet, in dem sie Fehler machen, wenn sie Quanten-«Software» ausführen, und daher nur Algorithmen von begrenzter Komplexität ausführen kann.
Mit Hilfe konventioneller Computer haben die beiden Forscher eine Methode entwickelt, mit der das Verhalten einer speziellen Klasse von Algorithmen, den so genannten Variations-Quantenalgorithmen, annähernd simuliert werden kann; dabei handelt es sich um Verfahren zur Ermittlung des niedrigsten Energiezustands oder «Grundzustands» eines Quantensystems. QAOA ist ein wichtiges Beispiel für eine solche Familie von Quantenalgorithmen, die nach Ansicht der Forscher zu den vielversprechendsten Kandidaten für einen «Quantenvorteil» in Quantencomputern der nahen Zukunft gehören.
Der Ansatz basiert auf der Idee, dass moderne maschinelle Lernwerkzeuge, wie sie z. B. beim Erlernen komplexer Spiele wie Go verwendet werden, auch zum Erlernen und Emulieren der inneren Funktionsweise eines Quantencomputers eingesetzt werden können. Das Schlüsselwerkzeug für diese Simulationen ist das Neuronale Netzwerk Quantenzustände, ein künstliches neuronales Netzwerk, das Carleo 2016 zusammen mit Matthias Troyer entwickelt hat und das nun zum ersten Mal zur Simulation von QAOA eingesetzt wurde. Die Ergebnisse gelten als das Nonplusultra des Quantencomputings und setzen einen neuen Massstab für die zukünftige Entwicklung von Quantenhardware.
«Unsere Arbeit zeigt, dass QAOA, das auf aktuellen und zukünftigen Quantencomputern ausgeführt werden kann, mit guter Genauigkeit auch auf einem klassischen Computer simuliert werden kann», sagt Carleo, «Das bedeutet jedoch nicht, dass alle nützlichen Quantenalgorithmen, die auf zukünftigen Quantenprozessoren ausgeführt werden können, auch klassisch emuliert werden können. Vielmehr hoffen wir, dass unser Ansatz als Leitfaden für die Entwicklung neuer Quantenalgorithmen dienen wird, die sowohl nützlich als auch für klassische Computer schwer zu simulieren sind.»
