E.ON, Qoro und NQCC verteilen ein 1.710-Qubit-Netzproblem auf IBM-Heron-Prozessoren

Der Energiekonzern E.ON, das britische Software-Start-up Qoro Quantum und das britische National Quantum Computing Centre (NQCC) haben gezeigt, wie sich ein Optimierungsproblem, das 1.710 Qubits erfordern würde, in Teile zerlegen lässt, die klein genug für heutige IBM-Prozessoren sind, und parallel ausführen lässt. Beschrieben wird die Arbeit im Preprint Scaling Quantum Optimization to the Thousand-Qubit Scale with Distributed Quantum Sampling; zu den Autoren zählen die Qoro-Mitgründer Dan Holme und Stephen DiAdamo.

Was angekündigt wurde

Das Team befasste sich mit der minimalen Birkhoff-Zerlegung, die den Bedarf eines Netzes als dünn besetzte gewichtete Summe von Matchings ausdrücken will, also von Kantenmengen ohne gemeinsamen Knoten. Als Anwendungen nennt das Paper Netzplanung und Energiehandel. Testfall war PEGASE-1354, ein Benchmark, der ein Übertragungsnetz mit 1.354 Knoten und 1.710 Leitungen abbildet; bei direkter Kodierung wird jede Leitung zu einem Qubit.

Laut Quantum Computing Report lief das Projekt im SparQ-Programm des NQCC, das Machbarkeitsstudien zu Quantenanwendungen fördert, unter technischer Aufsicht des STFC Hartree Centre.

Den DesignQuantum-Newsletter abonnieren

Kostenlose Nachrichten und Erklärstücke zum Quantencomputing, jede Aussage mit Quelle verlinkt. Täglich, wöchentlich oder monatlich, ganz nach Wahl.

Website

E-Mail-Adresse HäufigkeitTäglichWöchentlichMonatlich SpracheEnglishEspañol简体中文हिन्दीالعربيةPortuguês (Brasil)FrançaisDeutsch日本語Русский한국어Bahasa IndonesiaTürkçeItalianoTiếng ViệtPolskiNederlandsไทยفارسیУкраїнськаবাংলাاردوKiswahiliBahasa Melayuעברית Kostenlos abonnieren

Kostenlos. Jederzeit mit einem Klick abbestellbar. Datenschutzerklärung

Die technischen Details

Die Pipeline kombiniert einlagiges QAOA-Sampling mit einem klassischen Extended-Fully-Corrective-Frank-Wolfe-Optimierer. Spektrale Graphpartitionierung zerlegt das Problem in Teilprobleme; QCR berichtet von 41 Teilgraphen mit jeweils höchstens 50 Qubits, ausgeführt auf IBM-Heron-Prozessoren mit 156 Qubits. Die Stichproben der Teile werden zusammengesetzt, und ein klassischer Greedy-Reparaturschritt entfernt widersprüchliche Kanten, sodass jeder Kandidat ein gültiges Matching ist.

„Räumliches Schaltkreis-Packing“, bei dem mehrere unabhängige Schaltkreise nebeneinander auf einem Chip laufen, verkürzte die Hardware-Laufzeit laut Paper etwa um den Faktor drei. QCR zufolge wurden vier unabhängige Schaltkreise mit insgesamt 144 Qubits auf einem einzigen 156-Qubit-Gerät platziert. Im Benchmark erreichten die reparierten QAOA-Stichproben nach Angaben der Autoren einen geringeren Restfehler der Zerlegung als Simulated Annealing und gleichverteiltes Zufallssampling.

Die Autoren prüften auch, ob der Quantenschritt echte Arbeit leistet. Partitionen von nur 20 Qubits verschlechterten die Konvergenz, und in Matrix-Product-State-Simulationen, laut QCR mit Qoros Maestro-Engine ausgeführt, senkte das Abschneiden von Quantenkorrelationen die Qualität der Kandidaten. Sie folgern, dass bei wachsender Problemgröße in jeder Partition eine substanzielle Quanten-Sampling-Aufgabe erhalten bleiben sollte.

Warum es wichtig ist

Viele Optimierungsprobleme im Maßstab von Versorgern sind weit größer als jeder einzelne Quantenprozessor. Die Studie liefert ein konkretes Rezept – partitionieren, packen, reparieren –, um beschränkte Probleme mit Tausenden Variablen auf heutiger Hardware zu rechnen, und einen Benchmark auf Basis eines realen europäischen Netzmodells.

Worauf zu achten ist

Simulated Annealing mit demselben Reparaturschritt zu schlagen ist nicht dasselbe, wie die besten klassischen Löser zu übertreffen, und das Paper beansprucht keinen Quantenvorteil. QCR merkt an, dass die Netzkonnektivität ein dichtes Qubit-Routing erzwang, mit Zwei-Qubit-Tiefen von bis zu 169 selbst bei 50-Qubit-Teilen – das Hardware-Rauschen bleibt also der begrenzende Faktor.