Forskare utvecklar metod för att mäta kvantdatorer

Forskare vid University of Waterloo har utvecklat en metod för att mäta prestandan hos kvantdatorer, och det kan hjälpa till att etablera universella standarder för maskinerna. 

Den nya metoden kallas cycled benchmarking, och forskare använder den för att bedöma potentialen för skalbarhet. Metoden används också för att jämföra olika kvantplattformar med varandra. 

Joel Wallman är biträdande professor vid Waterloos matematiska fakultet och Institute for Quantum Computing.

“Denna upptäckt kan gå långt mot att etablera standarder för prestanda och stärka ansträngningarna att bygga en stor, praktisk kvantdator”, sa Wallman. “En konsekvent metod för att karakterisera och korrigera fel i kvantsystem tillhandahåller standardisering för hur en kvantprocessor utvärderas, vilket möjliggör att framsteg i olika arkitekturer kan jämföras på ett rättvist sätt.”

Cycle Benchmarking hjälper kvantdatoranvändare att jämföra konkurrerande hårdvaruplattformar och öka förmågan hos varje plattform att komma med lösningar för vad de arbetar med.

För närvarande är kvantdatorracet på väg att bli tydligt över hela världen. Antalet molnbaserade kvantdatorplattformar och erbjudanden ökar, och stora företag som Microsoft, IBM och Google utvecklar ständigt ny teknik. 

Cycle benchmarking-metoden fungerar genom att bestämma den totala felprobabiliteten under någon given kvantdatorapplikation. Detta sker när applikationen implementeras genom slumpmässig sammanställning. Cycle benchmarking tillhandahåller det första plattformsoberoende sättet att mäta och jämföra förmågan hos kvantprocessorer, och det anpassas beroende på de applikationer som användarna arbetar med. 

Joseph Emerson är en fakultetsmedlem vid IQC.

“Tack vare Googles nyliga prestation av kvantsupremati, är vi nu i gryningen av vad jag kallar `kvantupptäckteran'”, sa Emerson. “Detta betyder att felbenägna kvantdatorer kommer att leverera lösningar till intressanta beräkningsproblem, men kvaliteten på deras lösningar kan inte längre verifieras av högpresterande datorer.

“Vi är entusiastiska eftersom cycle benchmarking tillhandahåller en mycket behövlig lösning för att förbättra och validera kvantdatorslösningar i denna nya era av kvantupptäckt.”

Emerson och Wallman grundade Quantum Benchmark Inc., ett IQC-spin-off. Det licensierade tekniken till världsledande företag inom kvantdatorområdet, inklusive Googles Quantum AI-insats.

Kvantmekanik har gjort kvantdatorer till extremt kraftfulla maskiner för beräkningar. Kvantdatorer kan lösa komplexa problem mer effektivt än traditionella eller digitala datorer. 

Kubiter är den grundläggande bearbetningsenheten i en kvantdator, men de är extremt sköra. Någon form av ofullkomlighet eller källa till brus i systemet kan leda till vissa fel som orsakar felaktiga lösningar under en kvantberäkning.

Det första steget för att gå vidare med kvantdatorer är att få kontroll över en liten kvantdator med en eller två kubiter. En större kvantdator kunde utföra mer komplexa uppgifter som maskinlärning eller komplex system simulering, vilket kunde leda till framsteg som upptäckten av nya läkemedel. Problemet är att konstruera en större kvantdator är mer utmanande, och möjligheten till fel är större när kubiter läggs till och det kvantsystemet skalar. 

En profil av brus och fel produceras när ett kvantsystem karakteriseras. Det indikerar om processorn utför de beräkningar som den begärs att göra. Alla betydande fel måste karakteriseras för att förstå prestandan hos en kvantdator eller för att skala upp. 

Wallman, Emerson och en grupp forskare vid University of Innsbruck kom fram till en metod för att bedöma alla felrater som påverkar en kvantdator. Den nya tekniken implementerades för jonfälla-kvantdatorn vid University of Innsbruck, och den fann att felraterna inte ökar när storleken på den kvantdatorn skalar upp. 

“Cycle benchmarking är den första metoden för att tillförlitligt kontrollera om du är på rätt spår för att skala upp den övergripande designen av din kvantdator”, sa Wallman. “Dessa resultat är betydande eftersom de tillhandahåller en omfattande metod för att karakterisera fel över alla kvantdatorplattformar.”