Toby Cubitt: hvorfor algoritmer vil øke hastigheten på bruken av kvantedatamaskiner – Physics World

Kvantedatamaskiner viser store løfter fordi de i det minste i prinsippet kunne løse visse problemer som ikke kan knekkes selv av de kraftigste konvensjonelle superdatamaskinene. Men å bygge kvantebiter, eller qubits – og koble dem sammen for å lage praktiske kvantedatamaskiner – er en stor utfordring. Spesielt kvantedatamaskiner er utrolig støyende, noe som raskt introduserer feil i kvanteberegninger.

Det er derfor mange forskere utvikler smarte kvantealgoritmer som kan gjøre nyttige beregninger selv på dagens små, støyende kvantedatamaskiner. Et selskap som bidrar til dette arbeidet er Phasecraft, som ble skilt ut fra University College London og University of Bristol i 2019. Fysikeren Toby Cubitt, medgründer og teknologisjef i Phasecraft, snakker med Hamish Johnston om hvordan virkelige applikasjoner kan være rett rundt hjørnet.

Hvorfor satte du opprinnelig opp Phasecraft?

Vi grunnla Phasecraft fordi kvantedatabehandling nådde et punkt der kvantedatamaskinvare ikke lenger bare var et lekesystem, men flyttet grensene for hva som kunne gjøres på konvensjonelle datamaskiner. Vi ønsket å prøve å utvikle algoritmene som trengs for å bruke den tidlige maskinvaren og gjøre kvanteapplikasjoner til virkelighet. Det er en stor utfordring vitenskapelig, men en fascinerende å være involvert i.

Hvor stort er selskapet for øyeblikket?

Vi har for øyeblikket ca 20 heltidsansatte, omtrent en tredjedel av dem har bakgrunn innen kvanteberegning eller kvanteinformasjonsteori, en tredjedel innen materialvitenskap, kondensert materie og kjemi, og en tredjedel på databehandlingssiden. De har alle kunnskap om kvanteberegning, men er også veldig, veldig flinke til – og elsker – å programmere dette, implementere det og få det til å fungere på maskinvaren.

Vi sponser PhD-studenter som er på steder som University College London og University of Bristol, men som jobber direkte her på selskapets kontorer. Vi har også mange praktikanter – både studenter og doktorgradsstudenter. Vi er veldig fokusert på forskning og utvikling for øyeblikket. Men etter hvert som nyttige applikasjoner kommer på nettet, forventer jeg at ting blir mye mer kommersielle.

Vil du si at kvanteprogramvare har blitt ignorert til fordel for all hypen og spenningen ved å utvikle nye qubits og prosessorteknologier?

Maskinvare er ekstremt viktig og fortjener oppmerksomheten den har blitt gitt, og involverer samtidig fascinerende fysikk, materialvitenskap og ingeniørkunst. Men for oss på programvaresiden handler det om å komme opp med smarte matematiske ideer for å gjøre algoritmer mer effektive og fungere på dagens tidlige, småskala kvanteenheter. Faktisk er det mer sannsynlig at vi gjør fremgang gjennom bedre algoritmer enn ved å vente på forbedringer i maskinvaren.

Selv om kvantemaskinvare vokste eksponentielt, kan det gå et tiår før du kan gjøre noe nyttig med den. Å jobbe med algoritmer krever heller ikke dyre kryostater, fortynningskjøleskap, flytende helium eller chips – bare en gjeng med virkelig smarte mennesker som tenker dypt, og det er det vi har på Phasecraft. For noen år siden utviklet vi for eksempel algoritmer for å simulere tidsdynamikken til kvantesystemer som var omtrent seks størrelsesordener bedre enn de fra Google og Microsoft.

Kvanteprosessorer er støyende, noe som betyr at de raskt mister koherens og umuliggjør beregninger. Hvordan utvikler du praktiske algoritmer for å kjøre på ufullkomne enheter?

Støy og feil er banebrytelsen for alle kvanteapplikasjoner på ekte maskinvare. Det har vært noen utrolige forbedringer av maskinvaren, men vi kan ikke anta at kvantedatamaskiner er perfekte, slik vi kan med klassiske enheter. Så med alt vi gjør i Phasecraft, må vi tenke i termer av ufullkomne, støyende kvantedatamaskiner som har feil. Kjør en hvilken som helst beregning og feilene bygges opp så fort at du bare får støy – tilfeldige data – ut, og du har mistet all kvanteinformasjonen.

For å omgå dette problemet er det avgjørende å gjøre algoritmer så effektive som mulig og gjøre dem mindre følsomme eller mottakelige for støy. Det er sant det på 1990-tallet Peter Shor utviklet konseptet med kvantefeilkorreksjon og feiltolerant terskelteorem, som viser, teoretisk, at selv på støyende kvantedatamaskiner kan du kjøre vilkårlig lange kvanteberegninger. Men det krever et så stort antall qubits at vi ikke kan regne med dette som en løsning.

Fokuset vårt er derfor mer et ingeniørmessig problem, hvor vi prøver å forstå hvordan støy ser ut i detalj. Jo bedre vi kan forstå støy, jo mer kan vi designe rundt det slik at det ikke påvirker resultatet. Men det er en stor gevinst fordi hvis du kan gjøre en algoritme mindre kompleks, kan du få noe nyttig ut av disse støyende kvantedatamaskinene. Det er et spørsmål om å designe algoritmene slik at vi kan presse mer ut av dem.

Jeg sier ofte at dagens kvantedatamaskiner er der klassiske datamaskiner var på 1950-tallet. Den gang liker folk Alan Turing kom opp med virkelig smarte ideer om hvordan man kan presse litt mer ut av klumpete primitiv maskinvare og faktisk gjøre utrolige ting med den. Det er det stadiet vi er på med kvanteberegning. Faktisk er visse algoritmer noen ganger mer egnet for én type maskinvare enn en annen.

Når det gjelder maskinvare, hvilken type qubits bruker du for øyeblikket?

Hos Phasecraft er vi interessert i alle typer maskinvare. Overveiende bruker vi imidlertid superledende qubit-kretser, fordi det er den nåværende ledende maskinvareplattformen. Men vi kjører også ionefeller på maskinvare med kalde atomer, og vi tenker også på fotonisk maskinvare. Men vi er ikke bundet til en bestemt plattform.

Phasecrafts fokus er på algoritmer som beregner materialegenskaper. Hvorfor er disse applikasjonene så egnet for dagens tidlige kvantedatamaskiner?

I industrien bruker mange bedrifter mye tid og penger på å bruke klassiske datamaskiner med høy ytelse for å beregne egenskapene til materialer. Problemet er at det er veldig beregningsintensivt, så de ender opp med å prøve å forenkle problemet. Men faren er da at du kan få ting helt galt. For eksempel kan du ende opp med å forutsi at et materiale er en isolator når det faktisk er en leder. Det kan være så mye feil noen ganger.

Hos Phasecraft fokuserer vi på modellering og simulering av materialer fordi disse applikasjonene er innenfor nærmeste rekkevidde av gjeldende maskinvare. Andre applikasjoner, som for eksempel optimalisering, er mer krevende når det gjelder antall qubits og porter du trenger. Etter hvert som maskinvaren forbedres, vil kvantekjemi-simuleringer være innen rekkevidde. De er vanskeligere å simulere enn periodiske, krystallinske materialer fordi kompleksiteten til en algoritme i molekylære systemer skaleres som antall elektronorbitaler til fire.

Kan du gi oss en smakebit på noen spesifikke materialer du har sett på?

For øyeblikket er maskinvaren ennå ikke stor nok til å kunne gjøre simuleringer av ekte materialer utover det som kan gjøres klassisk. Så vi er fortsatt på stadiet der vi har algoritmene, men vi har ennå ikke helt maskinvaren å kjøre på, selv om det nærmer seg. Når det er sagt, er materialtypene som er gode mål for tidlige anvendelser av kvanteberegning, renenergirelatert - batterimaterialer, ting som metalloksider.

De er også tilfeldigvis de der klassiske algoritmer ikke fungerer veldig bra, fordi de involverer sterkt korrelert elektroner. Det samme gjelder solcelleanlegg. Faktisk har vi en samarbeid med Oxford PV, som jobber med perovskitt solceller, hvor vi igjen ser på sterkt korrelerte elektronsystemer. Dette innebærer dynamisk simulering av ting som hastigheten som partikkel-hull-par rekombinerer for å sende ut lys.

Vi har også undersøkt strontiumvanadat, som tilfeldigvis har en fin båndstruktur som betyr at den kan passe på en mindre kvantedatamaskin enn visse andre materialer. Det er ikke det minste, men det er et metalloksidsystem som er av interesse og trenger færre qubits og færre porter enn andre metalloksider.

Når tror du Phasecraft vil nå punktet med "kvantefordel" der algoritmene dine kan kjøre på en kvanteprosessor og kan beregne ting en superdatamaskin ikke kan?

Det er millionspørsmålet. Faktisk er det sannsynligvis milliardspørsmålet. Kvanteindustrien må komme til det punktet hvor den ikke bare demonstrerer leketøysproblemer, men løser virkelige problemer på kvantedatamaskiner.

Jeg håper jeg ikke høres ut som fyren som sa visstnok en gang det ville bare noen gang vært behov for tre datamaskiner i verden, men jeg tror virkelig vi kan komme dit i løpet av de neste to til tre årene. Disse tidlige spørsmålene kan være av vitenskapelig interesse snarere enn industriell interesse - industrien kan være litt utenfor det punktet. Det kommer ikke til å være et tilfelle av å slå av høyytelsesdatabehandling (HPC)-klynger over natten og flytte rett over til en kvantedatamaskin. Det er mye mer sannsynlig at det er en gradvis prosess der flere og mer nyttige ting kommer på nettet. Det er slik vitenskap fungerer: du gjør fremskritt, du treffer en hindring og gjør deretter mer fremgang. Det har en tendens til å skralde opp.

Fremgang avhenger av mye hardt arbeid fra store team av forskere som jobber flittig i mange år. Det er det som skjer innen kvanteberegning, og de første applikasjonene treffer kanskje ikke overskriftene

Når de bredere mediene rapporterer om kvantedatamaskiner, har de en tendens til å anta at massive gjennombrudd kommer ut av det blå fra ingensteds. Men det gjør de ikke. Fremgang avhenger av mye hardt arbeid fra store team av forskere som jobber flittig i mange år. Det er det som skjer innen kvanteberegning, og de første applikasjonene treffer kanskje ikke overskriftene. Men forskere vil innse når vi har passert den terskelen der du kan gjøre ting som er umulige med konvensjonelle datamaskiner. Vi er ikke langt unna.

Phasecraft mottok nylig 13 millioner pund i privat finansiering. Hva har du tenkt å gjøre med pengene?

For et kvantealgoritmeselskap som vårt går det store flertallet av finansieringen til å betale folks lønn. Våre ansatte er nøkkelen – vårt mest verdifulle aktivum er teamet vårt. For et maskinvareselskap er det veldig annerledes, fordi maskinvare er dyrt. Men vi trenger folk til å tenke og kode slik at penger vil la oss stadig utvide teamet vårt.

Vi har alltid fått flere ideer enn vi har ressurser til å forfølge, og etter hvert som vi kommer nærmere implementering av store beregninger på kvantedatamaskiner, skal vi oppskalere teamet. Det er fortsatt noen år før vi vil ha kommersielt relevante applikasjoner, men når det skjer, vil vi gå gjennom et vendepunkt og hele bransjen vil endre seg. Vi er alltid opptatt av å snakke med smarte mennesker som er begeistret for å bruke kvantemekanikk for virkelige applikasjoner.

Så hvordan vil firmaet utvikle seg?

Alt som trengs er en fantastisk, enestående idé som kan endre hele kvanteindustrien fullstendig. Vi er opptatt av å sørge for at vi gir forskningsteamet vårt rom til å gjøre den slags blåhimmeltenkning som kan endre ansiktet til hvor selskapet går. Jada, ikke alle ideer vil fungere – 20 kan mislykkes, men den 21. vil vise seg å være en betydelig ny retning som ingen andre har tenkt på. Det har skjedd et par ganger på Phasecraft allerede. Noen blir inspirert, og så åpner det seg en ny retning.

Kvantealgoritmer gjør smart bruk av støyende maskinvare

Vi er i en enormt spennende tid innen kvanteberegning. Jeg er fortsatt professor ved UCL, og det har jeg fortsatt en akademisk gruppe der, men jeg finner begge sider – anvendt og teoretisk – like intellektuelt interessante. Jeg har teoretisert om noen emner i 20 år, men har ikke hatt noen verktøy for å sette dem ut i livet. Nå kan jeg imidlertid ta den teorien og gjøre den virkelig. I stedet for bare å skrive et papir, kan jeg kjøre ideen min på maskinvare.

Jada, det kan hende det ikke fungerer i det hele tatt. Det kan vise seg at det virkelige universet sier: «Nei. Det er ikke en god idé." Men det kan likevel være et utrolig nyttig og fascinerende problem å ta tak i. Og så den anvendte siden av forskningen – å bruke denne fysikken på teknologien – synes jeg er like fascinerende og interessant som den akademiske tenkningen med blå himmel.

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
• PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
• PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
• PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
• kilde: https://physicsworld.com/a/toby-cubitt-why-algorithms-will-speed-up-applications-of-quantum-computers/