Квантовые вычисления были признаны технологией, способной превзойти классические вычисления как по скорости, так и по использованию памяти, открывая потенциально новые возможности для предсказания физических явлений, ранее недоступных.
Многие видят в появлении квантовых вычислений перелом в традиционной парадигме вычислений. В то время как обычные компьютеры используют цифровые биты (0 и 1) для обработки информации, квантовые компьютеры оперируют квантовыми битами (кубитами), которые могут хранить квантовую информацию в значениях от 0 до 1. При определенных условиях эта способность к обработке и хранению информации в кубитах может привести к разработке квантовых алгоритмов, значительно опережающих свои классические аналоги. Однако квантовые компьютеры имеют тенденцию терять информацию и затрудняют ее преобразование в классическую форму, что необходимо для полезных вычислений.
В отличие от этого, классические компьютеры не сталкиваются с подобными проблемами. Более того, искусно разработанные классические алгоритмы могут использовать двойную проблему потери и преобразования информации для эмуляции квантовых вычислений с меньшими ресурсами, чем ожидалось ранее, как показано в недавней научной статье в журнале PRX Quantum.
Этот прорыв достигнут благодаря алгоритму, который сохраняет только часть информации в квантовом состоянии — достаточно для точного вычисления конечного результата.
Ученые из Фонда Саймонса сосредоточились на тензорных сетях, которые точно отображают взаимодействие между кубитами, и разработали инструменты для оптимизации этих сетей с использованием статистических методов.
Этот алгоритм сравнивается с методом сжатия изображений в формате JPEG, который позволяет хранить большие изображения, занимая меньше места при сохранении качества.
Выбор различных структур тензорных сетей подобен выбору различных методов сжатия изображений. Мы создали инструменты для работы с различными типами тензорных сетей и с уверенностью говорим, что вскоре сможем увеличить эффективность квантовых вычислений.
