哈佛大学与QuEra计算、麻省理工学院、因斯布鲁克大学和其他机构的科学家合作，展示了中性原子量子处理器在解决实际应用问题方面的突破性应用。
这项研究是由哈佛大学乔治·瓦斯默·莱弗里特物理学教授、哈佛量子计划联席主任米哈伊尔·卢金、麻省理工学院乔治·瓦斯默·莱弗里特物理学教授马库斯·格雷纳和莱斯特·沃尔夫物理学教授弗拉丹·乌莱蒂克共同领导的。这项名为“利用里德伯格原子阵列对最大独立集进行量子优化”的研究发表在5月5日的《科学》杂志上。
此前，中性原子量子处理器已经被提出，以有效地编码一些复杂的组合优化问题。在这个里程碑式的出版物中，作者不仅部署了在真实的量子计算机上的高效量子优化的第一个实现，而且还展示了前所未有的量子硬件能力。
计算是在哈佛大学289个量子位的量子处理器上进行的，在模拟模式下工作，有效电路深度高达32。与之前的量子优化例子不同，在这项工作中使用的大系统规模和电路深度，使其不可能使用经典模拟来预优化控制参数。量子经典混合算法必须部署在一个闭环中，并向量子处理器提供直接的自动反馈。
系统大小、电路深度和出色的量子控制的结合带来了一个量子飞跃:与经典启发式算法相比，在量子处理器上发现的问题实例的性能优于预期。该团队用“硬度参数”描述了优化问题实例的难度，确定了一些对传统计算机构成挑战，但使用中性原子量子处理器可以更有效地解决的案例。与一类一般经典算法相比，发现了一种超线性量子加速。QuEra的开源软件包GenericTensorNetworks。杰和Bloqade。Jl在发现硬实例和理解量子性能方面发挥了重要作用。
“对量子算法的基础物理以及经典算法的基本限制的深入理解，使我们能够实现量子机器实现加速的方法，”哈佛研究生、主要作者之一玛德琳·凯恩(Madelyn Cain)说。
问题和量子硬件之间匹配的重要性是这项工作的核心:“在不久的将来，为了提取尽可能多的量子能量，关键是要确定可以原生映射到特定量子体系结构的问题，而且几乎没有开销。”QuEra计算公司的高级科学家、这项工作中使用的量子算法的共同发明人之一王圣涛说，“我们在这次演示中实现了这一点。”
由团队解决的“最大独立集”问题是计算机科学中的一个典型难题，在物流、网络设计、金融等领域有着广泛的应用。使用量子加速解决方案识别经典的挑战性问题实例，为应用量子计算来满足现实世界的工业和社会需求铺平了道路。
“这些结果代表了将有用的量子优势带到与多个行业相关的困难优化问题的第一步，”QuEra计算公司首席执行官Alex Keesling补充说，他也是发表作品的合著者。“我们非常高兴地看到，量子计算开始达到必要的成熟水平，硬件可以告知算法的发展，超出传统计算方法可以提前预测的范围。此外，对于困难的问题，量子加速的存在是非常令人鼓舞的。这些结果帮助我们开发出更好的算法和更先进的硬件，以解决一些最困难、最相关的计算问题。”
文章旨在传播新闻信息，原文请查看https://news.harvard.edu/gazette/story/newsplus/harvard-quera-computing-observe-quantum-speed-up-in-optimization-problems/