Neue Wege auf der Suche nach Quantenrechnungsüberlegenheit

Quantencomputer nutzen die Gesetze der Quantenphysik, um Rechenaufgaben zu lösen. Dies unterscheidet sich von herkömmlichen digitalen Computern (also im Wesentlichen allen Computern, die in der aktuellen Technologie verwendet werden), die nur die Gesetze der klassischen Physik verwenden. Es besteht die Hoffnung, dass Quantencomputer bei der Lösung bestimmter Rechenaufgaben wesentlich leistungsfähiger sein können als Digitalcomputer, und in den letzten Jahren sind das Interesse und die Investitionen in Quantencomputer gestiegen. Sowohl Start-up-Unternehmen als auch Technologiegiganten (u.a. IBM, Google und Microsoft) verfolgen mittlerweile die Möglichkeit, skalierbare Quantencomputer zu entwickeln, obwohl die Technologie noch in den Kinderschuhen steckt. Theoretiker, die auf dem Gebiet des Quantencomputings arbeiten, haben zwei Herausforderungen: (i) Wege zu finden, diese Quantencomputer zu verwenden, um nützliche Rechenprobleme zu lösen, die über die Fähigkeiten digitaler Computer hinausgehen; und (ii) mathematische Beweise zu konstruieren, die die Überlegenheit von Quantencomputern für diese Aufgaben bestätigen. Diese Forschung nimmt sich diesen beiden Herausforderungen an. In Bezug auf (i) liegt der Fokus auf einer Art von Quantenalgorithmus, die als variational quantum algorithm bezeichnet wird. Die Arten von Quantencomputern, auf denen diese Algorithmen ausgeführt werden, werden oft als quantum neural networks bezeichnet, da zur Lösung des Rechenproblems die Steuerungen der Quantencomputer analog zur Optimierung der Gewichte eines neuronalen Netzes optimiert werden. Daher haben variational quantum algorithms auch starke Verbindungen zu Techniken im noch jungen Feld des quantum machine learning. Im Gegensatz zu neuronalen Netzen, für die viele Optimierungstechniken bekannt sind, ist jedoch nur sehr wenig darüber bekannt, wie quantenneurale Netze am besten optimiert werden können. Dieser Vorschlag macht Fortschritte bei dieser Herausforderung, indem eine Reihe neuer Techniken zu diesem Zweck untersucht werden. Dies beinhaltet die Nutzung von Ideen aus der klassischen Optimierung (siehe graduated optimisation) sowie die Entwicklung neuer Techniken, die die Quantennatur des Problems ausnutzen. Die für Punkt (ii) benötigten mathematischen Beweise zu finden, ist bekanntermaßen schwierig, und Theoretiker müssen sich fast immer auf unbewiesene (aber weithin als wahr geglaubte) Vermutungen stützen, um zu einem Beweis zu gelangen. Eine Ausnahme von dieser Regel wurde kürzlich gezeigt (siehe zum Beispiel https://science.sciencemag.org/content/362/6412/308). Hier zeigen die Autoren, dass ein Effekt namens Bell nonlocality es Quantencomputern ermöglicht, digitale Computer bei einigen Aufgaben ohne weitere Annahmen zu übertreffen. Dieser Teil des Projekts wird die Expertise der Hauptforscher in Bell nonlocality nutzen, um diese Verbindung zu stärken und zu klären und neue Beispiele für Quantencomputervorteile zu finden, die aus diesem Phänomen hervorgehen. Letztendlich wird dies neue Erkenntnisse darüber bringen, warum Quantencomputer stärker sind als ihre klassischen digitalen Gegenstücke.