BlueQubit beansprucht Vorteil beim Random-Circuit-Sampling auf IBMs Cloud-Chip Nighthawk r2
Ein Preprint von BlueQubit berichtet über Random-Circuit-Sampling mit 61 Qubits auf IBMs ibm_phoenix in 19 Sekunden, was auf dem Supercomputer Frontier rund 110 Jahre dauern würde.
Diese Seite wurde aus dem Englischen übersetzt. Unternehmens- und Produktnamen sowie Quellenlinks bleiben unverändert. Original auf Englisch lesen
Forschende von BlueQubit berichten gemeinsam mit Partnern, die mit der EPFL und der XPRIZE Foundation verbunden sind, von einem rechnerischen Quantenvorteil beim Random-Circuit-Sampling auf einem kommerziellen IBM-Prozessor, den jeder mit Cloud-Zugang nutzen kann. Laut ihrem Preprint erzeugte ein 61-Qubit-Experiment auf IBMs 120-Qubit-Chip ibm_phoenix, der auf der Nighthawk-r2-Architektur der zweiten Generation basiert, in 19 Sekunden einen Stichprobensatz, dessen Reproduktion auf dem Supercomputer Frontier schätzungsweise 110 Jahre dauern würde.
Was angekündigt wurde
Die Arbeit Quantum computational advantage in random-circuit sampling on IBM superconducting quantum computers erschien auf arXiv und wurde am 28. Oktober von Quantum Computing Report aufgegriffen. Die Autoren betonen, dass die Schaltkreise über den standardmäßigen Qiskit-Cloud-Workflow kompiliert und ausgeführt wurden, ohne auf den Benchmark zugeschnittene Kalibrierung. Nach ihrem Wissen sei dies die erste solche Demonstration auf einem kommerziell und breit zugänglichen Prozessor, die die meisten Nicht-Experten nachvollziehen könnten. Schaltkreise, Skripte und der vollständige Satz von einer Million Stichproben sind auf GitHub veröffentlicht.
Die technischen Details
Beim Random-Circuit-Sampling werden Schichten zufälliger Gatter ausgeführt, und die Maschine soll Bitstrings ausgeben; die Herausforderung für einen klassischen Rechner besteht darin, Stichproben vergleichbarer Qualität zu erzeugen. Das Team wählte anhand der neuesten Kalibrierdaten 61 Qubits und 102 Koppler auf dem Chip mit quadratischem Gitter aus und wendete native CZ-Gatter in einem vierfarbigen Ziegelmuster an.
Die Fidelität wurde auf zwei unabhängige Arten geschätzt, per Mirror-Benchmarking und per gepatchtem Cross-Entropy-Benchmarking (XEB), und beide Methoden stimmten über alle Tiefen überein. Bei der Ankertiefe von 36 Zyklen mit 918 CZ-Gattern lag die geschätzte Fidelität bei etwa 2,3 × 10⁻³. Bei dieser Tiefe wachsen die Kosten der Tensornetzwerk-Simulation für diese Systemgröße nicht mehr mit der Tiefe. Nach dem Kostenmodell der Autoren würde das klassische Sampling von einer Million Bitstrings etwa 1,2 × 10²⁷ Maschinenoperationen erfordern, rund 110 Jahre auf Frontier. Das gesamte Experiment benötigte etwa 11 Minuten Prozessorzeit.
Die Arbeit misst auch den Fortschritt zwischen IBM-Chipgenerationen: Die Fidelität pro Zyklus stieg von 0,836 auf dem Nighthawk-r1-Bauelement der ersten Generation (ibm_miami) auf 0,872 bei r2, was sich bei tiefen Schaltkreisen auf mehr als eine Größenordnung summiert. Die Autoren testeten „Severing“-Angriffe, die den XEB-Wert durch Zerschneiden des Schaltkreises fälschen wollen, und stellten fest, dass keiner bei 36 Zyklen den experimentellen Wert erreichte; der stärkste lag etwa um den Faktor zehn darunter.
Warum es wichtig ist
Da das Experiment über gewöhnlichen Cloud-Zugang lief und Schaltkreise, Daten und Code öffentlich sind, können andere Nutzer versuchen, es zu reproduzieren, statt der Behauptung einfach zu vertrauen. Die Arbeit liefert zudem einen konkreten Maßstab dafür, wie stark sich IBMs supraleitende Hardware zwischen zwei Chipgenerationen verbessert hat.
Worauf zu achten ist
Die Autoren äußern sich vorsichtig zu den Grenzen ihrer Aussage. Ihre klassische Schätzung setzt unbegrenzten Speicher und Kontraktionen einzelner Amplituden voraus, und sie merken an, dass approximative Methoden, Multi-Amplituden-Verfahren, Slicing und Matrixproduktzustände die klassischen Kosten senken könnten, wie es bei früheren Vorteilsexperimenten geschah. Die Arbeit ist ein Preprint; Peer-Review und Versuche klassischer Simulationsgruppen, den Abstand zu verringern, sind die nächsten Prüfsteine.
Quellen
Die Informationen auf dieser Seite stammen aus den unten aufgeführten Quellen und wurden von DesignQuantum abgerufen.
- Quantum computational advantage in random-circuit sampling on IBM superconducting quantum computers (arXiv preprint) arxiv.org
- rcs-nighthawk: circuits, data and code (GitHub) github.com
- BlueQubit Benchmarks Quantum Computational Advantage in Random-Circuit Sampling on IBM Nighthawk r2 Hardware (Quantum Computing Report) quantumcomputingreport.com