BlueQubit claimt voordeel bij random-circuit sampling op IBM's cloudchip Nighthawk r2
Een preprint van BlueQubit meldt random-circuit sampling met 61 qubits op IBM's ibm_phoenix in 19 seconden, wat op de supercomputer Frontier naar schatting zo'n 110 jaar zou duren.
Deze pagina is vertaald vanuit het Engels. Bedrijfs- en productnamen en bronlinks zijn ongewijzigd. Lees het origineel in het Engels
Onderzoekers van BlueQubit melden samen met medewerkers verbonden aan de EPFL en de XPRIZE Foundation een computationeel kwantumvoordeel bij random-circuit sampling op een commerciële IBM-processor die iedereen met cloudtoegang kan gebruiken. Volgens hun preprint leverde een experiment met 61 qubits op IBM's 120-qubitchip ibm_phoenix, gebouwd op de Nighthawk r2-architectuur van de tweede generatie, in 19 seconden een set samples op waarvan reproductie op de supercomputer Frontier naar schatting 110 jaar zou kosten.
Wat werd aangekondigd
Het artikel Quantum computational advantage in random-circuit sampling on IBM superconducting quantum computers verscheen op arXiv en werd op 28 oktober besproken door Quantum Computing Report. De auteurs benadrukken dat de circuits via de standaard Qiskit-cloudworkflow zijn gecompileerd en uitgevoerd, zonder kalibratie die op de benchmark was toegesneden. Voor zover zij weten, schrijven ze, is dit de eerste zulke demonstratie op een commercieel en breed toegankelijke processor die de meeste niet-deskundige gebruikers kunnen herhalen. De circuits, scripts en de volledige set van een miljoen samples staan op GitHub.
De technische details
Bij random-circuit sampling worden lagen willekeurige poorten uitgevoerd en moet de machine bitstrings uitvoeren; de uitdaging voor een klassieke computer is samples van vergelijkbare kwaliteit te produceren. Het team selecteerde op basis van de nieuwste kalibratiegegevens 61 qubits en 102 koppelaars op de chip met vierkant rooster en paste vervolgens native CZ-poorten toe in een vierkleurig baksteenpatroon.
De fideliteit werd op twee onafhankelijke manieren geschat, met mirror-benchmarking en met gepatchte cross-entropy-benchmarking (XEB), en de methoden kwamen op alle dieptes overeen. Bij de ankerdiepte van 36 cycli, met 918 CZ-poorten, bedroeg de geschatte fideliteit ongeveer 2,3 × 10⁻³. Bij die diepte stopt de kostprijs van tensornetwerksimulatie voor deze systeemgrootte met groeien naarmate de diepte toeneemt. Volgens het kostenmodel van de auteurs zou het klassiek samplen van een miljoen bitstrings zo'n 1,2 × 10²⁷ machinebewerkingen vergen, ongeveer 110 jaar op Frontier. Het hele experiment kostte ongeveer 11 minuten processortijd.
Het artikel meet ook de vooruitgang tussen IBM-chipgeneraties: de fideliteit per cyclus steeg van 0,836 op het Nighthawk r1-apparaat van de eerste generatie (ibm_miami) naar 0,872 op r2, wat bij diepe circuits oploopt tot meer dan een orde van grootte. De auteurs testten 'severing'-aanvallen die de XEB-score proberen te vervalsen door het circuit in stukken te knippen, en stelden vast dat geen ervan bij 36 cycli de experimentele score haalde; de sterkste bleef ongeveer een factor tien achter.
Waarom het ertoe doet
Omdat het experiment via gewone cloudtoegang liep en de circuits, gegevens en code openbaar zijn, kunnen andere gebruikers proberen het te reproduceren in plaats van de claim op goed vertrouwen aan te nemen. Het artikel biedt ook een concrete maatstaf voor hoeveel IBM's supergeleidende hardware tussen twee chipgeneraties is verbeterd.
Waar je op moet letten
De auteurs zijn voorzichtig over de grenzen van hun claim. Hun klassieke schatting gaat uit van onbeperkt geheugen en contracties van één amplitude, en ze merken op dat benaderende methoden, multi-amplitudemethoden, slicing en matrixproducttoestanden de klassieke kosten zouden kunnen verlagen, zoals bij eerdere voordeelexperimenten gebeurde. Het werk is een preprint, dus peerreview en pogingen van groepen voor klassieke simulatie om het gat te verkleinen zijn de volgende toetsen.
Bronnen
De feiten op deze pagina zijn afkomstig uit onderstaande bronnen, verzameld door DesignQuantum.
- 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