Cientistas russos usam supercomputador para investigar os limites do processador quântico do Google

O Laboratório de Processamento de Informação Quântica do CPQM colaborou com a equipe de supercomputação “Zhores” do CDISE para emular o processador quântico do Google. Reproduzindo dados silenciosos seguindo as mesmas estatísticas dos experimentos recentes do Google, a equipe conseguiu apontar um efeito sutil oculto nos dados do Google. Este efeito, denominado déficit de acessibilidade, foi descoberto pela equipe Skoltech em seu trabalho anterior. Os números confirmaram que os dados do Google estavam à beira de uma chamada avalanche dependente da densidade, o que implica que experimentos futuros exigirão significativamente mais recursos quânticos para realizar a otimização quântica aproximada. Os resultados são publicados na principal revista da área Quântico.

Desde os primórdios da computação numérica, os sistemas quânticos pareciam extremamente difíceis de emular, embora as razões precisas para isso continuem a ser objeto de pesquisa ativa. Ainda assim, esta dificuldade aparentemente inerente a um computador clássico em emular um sistema quântico levou vários investigadores a inverter a narrativa.

Cientistas como Richard Feynman e Yuri Manin especularam no início da década de 1980 que os ingredientes desconhecidos que parecem tornar os computadores quânticos difíceis de emular usando um computador clássico poderiam eles próprios ser usados ​​como recurso computacional. Por exemplo, um processador quântico deve ser bom na simulação de sistemas quânticos, uma vez que são governados pelos mesmos princípios subjacentes.

Essas ideias iniciais levaram o Google e outros gigantes da tecnologia a criar versões de protótipos dos tão esperados processadores quânticos. Esses dispositivos modernos são propensos a erros, só podem executar os programas quânticos mais simples e cada cálculo deve ser repetido várias vezes para calcular a média dos erros e, eventualmente, formar uma aproximação.

Entre as aplicações mais estudadas desses processadores quânticos contemporâneos está o algoritmo de otimização quântica aproximada, ou QAOA (pronuncia-se “kyoo-ay-oh-AY”). Em uma série de experimentos dramáticos, o Google usou seu processador para testar o desempenho do QAOA usando 23 qubits e três etapas de programa ajustáveis.

Em poucas palavras, QAOA é uma abordagem em que se visa resolver problemas de otimização aproximadamente em uma configuração híbrida que consiste em um computador clássico e um coprocessador quântico. Processadores quânticos prototípicos, como o Sycamore do Google, estão atualmente restritos a realizar operações barulhentas e limitadas. Usando uma configuração híbrida, a esperança é aliviar algumas dessas limitações sistemáticas e ainda recuperar o comportamento quântico para aproveitar, tornando abordagens como o QAOA particularmente atraentes.

Os cientistas da Skoltech fizeram uma série de descobertas recentes relacionadas ao QAOA, por exemplo, veja o artigo aqui. Destaca-se entre eles um efeito que limita fundamentalmente a aplicabilidade do QAOA. Eles mostram que a densidade de um problema de otimização — isto é, a razão entre suas restrições e variáveis ​​— atua como uma grande barreira para alcançar soluções aproximadas. Recursos adicionais, em termos de operações executadas no coprocessador quântico, são necessários para superar esta limitação de desempenho. Essas descobertas foram feitas usando papel e caneta e emulações muito pequenas. Eles queriam ver se o efeito descoberto recentemente se manifestava no recente estudo experimental do Google.

O laboratório de algoritmos quânticos da Skoltech então abordou a equipe de supercomputação CDISE liderada por Oleg Panarin para obter os recursos computacionais significativos necessários para emular o chip quântico do Google. Membro do laboratório quântico, cientista pesquisador sênior Dr. Igor Zacharov trabalhou com vários outros para transformar o software de emulação existente em um formato que permita a computação paralela em Zhores. Depois de vários meses, a equipe conseguiu criar uma emulação que gera dados com as mesmas distribuições estatísticas do Google e mostrou uma variedade de densidades de instância nas quais o desempenho do QAOA se degrada drasticamente. Revelaram ainda que os dados da Google se situam no limite deste intervalo, para além do qual o actual estado da arte não seria suficiente para produzir qualquer vantagem.

A equipe da Skoltech descobriu originalmente que os déficits de acessibilidade — uma limitação de desempenho induzida pela relação restrição/variável de um problema — estavam presentes em um tipo de problema denominado satisfatibilidade máxima da restrição. O Google, entretanto, considerou a minimização das funções de energia gráfica. Como esses problemas estão na mesma classe de complexidade, deu à equipe esperança conceitual de que os problemas e, posteriormente, o efeito, pudessem estar relacionados. Essa intuição revelou-se correta. Os dados foram gerados e as descobertas mostraram claramente que os défices de acessibilidade criam uma espécie de efeito de avalanche, colocando os dados do Google no limite desta transição rápida, para além da qual circuitos QAOA mais longos e mais poderosos se tornam uma necessidade.

Oleg Panarin, gerente de serviços de dados e informações da Skoltech, comentou: “Estamos muito satisfeitos em ver nosso computador levado a este extremo. O projeto foi longo e desafiador e trabalhamos lado a lado com o laboratório quântico para desenvolver essa estrutura. Acreditamos que este projeto estabelece uma base para futuras demonstrações deste tipo usando Zhores.”

Igor Zacharov, pesquisador sênior da Skoltech, acrescentou: “Pegamos o código existente de Akshay Vishwanatahan, o primeiro autor deste estudo, e o transformamos em um programa que rodava em paralelo. Foi certamente um momento emocionante para todos nós quando os dados finalmente apareceram e tivemos as mesmas estatísticas do Google. Neste projeto, criamos um pacote de software que agora pode emular vários processadores quânticos de última geração, com até 36 qubits e uma dúzia de camadas de profundidade.”

Akshay Vishwanatahan, um estudante de doutorado na Skoltech, concluiu: “Ir além de alguns qubits e camadas no QAOA foi uma tarefa significativamente desafiadora na época. O software de emulação interno que desenvolvemos só poderia abordar casos de modelos de brinquedo e inicialmente senti que este projeto, embora fosse um desafio emocionante, seria quase impossível. Felizmente, eu estava no meio de um grupo de colegas otimistas e animados e isso me motivou ainda mais a seguir e reproduzir os dados silenciosos do Google. Foi certamente um momento de grande entusiasmo quando os nossos dados coincidiram com os do Google, com uma distribuição estatística semelhante, a partir da qual finalmente pudemos ver a presença do efeito.”

Referência: “Déficits de acessibilidade na otimização quântica aproximada de problemas gráficos” por V. Akshay, H. Philathong, I. Zacharov e J. Biamonte, 30 de agosto de 2021, Quântico.
DOI: 10.22331/q-2021-08-30-532