Далее следует итеративная и многоэтапная процедура калибровки однокубитных и двухкубитных квантовых логических операций — составляющих квантового алгоритма. При калибровке точности однокубитных операций сначала работают с каждым кубитом отдельно, приводя все соседние кубиты в состояние покоя. Но уже сразу после калибровки всех кубитов поодиночке оптимизируют точность однокубитных операций при одновременной работе соседних кубитов. Именно так — одновременно — кубиты должны работать в практически полезных алгоритмах, и именно эту точность необходимо учитывать при сравнении квантовых процессоров. На следующем этапе оперируют парами кубитов для калибровки двухкубитных операций. В ходе калибровки оценивается точность однокубитных и двухкубитных операций, а также точность считывания. Только проведя полную характеризацию системы, можно сказать, насколько процессор готов к настоящей работе. На процессоре НОЦ ФМН среднее время релаксации кубитов (T1) составило 47,7 микросекунды, время когерентности (T2) — 32,5 микросекунды, при длительности однокубитных операций — 40 наносекунд, двухкубитных операций (CZ) — 110 наносекунд.
Команде алгоритмистов ФГУП «ВНИИА им. Н.Л. Духова» удалось провести на квантовом процессоре симуляцию динамики системы из четырех спинов (модель Изинга в поперечном поле) для решения задач в области квантового магнетизма. В рамках эксперимента ученые опробовали собственный метод смягчения ошибок (error mitigation), основанный на нейросетевом обучении (Quantum Inf Process 21, 93 (2022). В качестве бенчмаркинга реализованные алгоритмы были опробованы на 127-кубитных процессорах IBM в облачном доступе.По итогам сравнения процессор Snowdrop 4Q показал сопоставимые по достоверности результаты алгоритмов (fidelity).
Помимо этого, на процессоре Snowdrop 4Q реализована оригинальная модификация сложного квантового алгоритма Харроу-Хассидима-Ллойда (HHL) из более 100 квантовых логических операций для численного решения системы линейных уравнений (Phys. Rev. A 107, 042408 (2023)). Этот алгоритм особенно требователен к точности операций и считывания квантовых процессоров.
Квантовый сопроцессор для задач классической физикиВ МГТУ им. Н.Э. Баумана и ВНИИА реализуется и разрабатывается ряд практически значимых квантовых алгоритмов, позволяющих значительно ускорить решение важных задач физического моделирования. Для этого используется подход, в котором квантовый чип выступает в роли сопроцессора для классического компьютера. Именно квантовый сопроцессор выполняет наиболее трудную для традиционной микроэлектроники (архитектура x86) подзадачу при моделировании физического процесса. Так, в НОЦ ФМН был реализован вариационный квантовый алгоритм для решения уравнения теплопроводности, разработанный теоретиками ФГУП «ВНИИА» (Phys. Rev. A 107, 052422 (2023)). В таком алгоритме решение ищется в виде взвешенной суммы известного большого набора пробных функций. Алгоритм подбирает оптимальный набор весов, минимизируя функцию потерь на классическом компьютере, а сама функция потерь вычисляется на квантовом сопроцессоре. Данный подход позволяет достичь экспоненциального выигрыша в скорости вычислений и обладает низкой чувствительностью к ошибкам квантовых операций. Проведенный в НОЦ ФМН эксперимент продемонстрировал помехоустойчивость алгоритма: экспериментально полученная достоверность результатов (fidelity) всего алгоритма составила 98,8%, что близко к его теоретическому пределу при решении задачи на 8 пространственных узлах (3 кубита).
«Мы достигли знакового результата, к которому шли почти три года — от разработки эффективного квантового алгоритма до его запуска на квантовом „железе“, — говорит Александр Андрияш, научный руководитель ФГУП „ВНИИА им. Н.Л. Духова“. — Убедились в том, что наш подход работает и, более того, прокладывает путь к созданию практически полезного вычислителя. В планах — дальнейшее улучшение уже серийных технологий изготовления квантовых устройств и увеличение количества кубитов с повышением точности квантовых операций».
Работа над созданием сверхпроводниковых квантовых процессоров и разработка квантовых алгоритмов проводятся командой ФГУП «ВНИИА» совместно с МГТУ им. Н.Э. Баумана в рамках программы «Приоритет 2030» и совместного проекта с Фондом перспективных исследований.
Информация и фото предоставлены НОЦ Функциональные Микро/Наносистемы МГТУ им. Н.Э. БауманаРазместила Ирина Усик#наука #изобретения
Комментарии 1