Исследователи из Университета Южной Калифорнии (USC) под руководством профессора Даниэля Лидара представили первое в мире доказательство масштабируемого преимущества квантового компьютера над классическими суперкомпьютерами в задачах приближенной оптимизации. Используя процессор D-Wave Advantage и метод квантовой отжиговой коррекции (QAC), команда создала более 1300 логических кубитов с подавлением ошибок, что позволило обойти самый эффективный классический алгоритм — параллельное темперирование с изоэнергетическими кластерными перемещениями (PT-ICM).

Квантовый отжиг — это специализированный вид квантовых вычислений, использующий принципы квантовой физики для поиска оптимальных или близких к оптимальным решений сложных задач. В отличие от традиционных методов, требующих точных решений, квантовый отжиг фокусируется на результатах, отклоняющихся от идеала не более чем на 1%. «Квантовый отжиг ищет низкоэнергетические состояния в квантовых системах, которые соответствуют лучшим решениям задач», — объясняет Лидар. Такой подход идеально подходит для практических задач, например, для выбора акций в инвестиционных портфелях, где достаточно превзойти рыночный индекс.

Эксперимент проводился на квантовом процессоре D-Wave Advantage, установленном в Институте информационных наук USC. Главной проблемой квантовых компьютеров остается шум, который снижает их эффективность. Команда USC внедрила метод QAC, включающий код коррекции ошибок с энергетическими штрафами, что позволило создать более 1300 устойчивых логических кубитов. Это обеспечило преимущество над PT-ICM в задачах оптимизации на двумерных моделях спинового стекла с высокоточной взаимодействием спинов.

Квантовые вычисления обещают революцию в областях, где важны быстрые и близкие к оптимальным решения. Например, в финансовом секторе они могут оптимизировать портфели, в логистике — маршруты доставки, а в науке — моделирование материалов. Эксперимент показал, что квантовый компьютер с QAC превосходит PT-ICM в выборке низкоэнергетических состояний с оптимальным разрывом не менее 1%. «Это первый случай, когда квантовый алгоритм продемонстрировал масштабируемое ускорение в приближенной оптимизации», — подчеркивает Лидар.

Ученые планируют расширить исследования на более сложные задачи и многомерные проблемы, а также улучшить квантовое оборудование для усиления преимущества. «Мы только начинаем раскрывать потенциал квантовых алгоритмов», — говорит Лидар.