Forskare från Caltech och AWS har utvecklat en ny kvantalgoritm som är särskilt bra på att hitta lokala minima i system med många kvantobjekt (partiklar) som interagerar med varandra.
För att förstå detta kan vi tänka på ett berglandskap med många toppar och dalar. Det globala minimum är den allra lägsta punkten i hela landskapet (grundtillståndet), medan lokala minima är dalar som inte är den allra lägsta punkten men ändå lägre än områdena runt omkring. När ett kvantsystem ”kyls ned” fastnar det ofta i en sådan lokal dal istället för att nå den absolut lägsta punkten.
Forskarna har visat att:
- Vanliga (klassiska) datorer har mycket svårt att hitta dessa lokala minima
- Kvantdatorer kan lösa detta problem mycket effektivare
- Deras nya algoritm härmar naturliga nedkylningsprocesser för att hitta dessa punkter
Detta är viktigt eftersom:
- Det ger ett konkret exempel på när kvantdatorer kan vara mycket bättre än klassiska datorer
- Det kan leda till nya upptäckter inom fysik, kemi och materialvetenskap
- Det utmanar det traditionella fokuset på enbart grundtillstånd (globala minima) och visar att lokala minima också är viktiga att studera
Forskarna planerar nu att testa sin algoritm på fler system och eventuellt använda den på klassiska optimeringsproblem också.
Källa:
https://phys.org/news/2025-03-quantum-algorithm-excels-local-minima.html
