En ny studie publicerad i Physical Review Letters den 23 april 2025 visar att kvantberäkning via kvantglödgning (quantum annealing) kan överträffa klassiska superdatorer i att lösa komplexa optimeringsproblem. Forskare från University of Southern California (USC) och NASA Ames Research Center har demonstrerat detta genom att använda en D-Wave Advantage kvantglödgningsprocessor.(EurekAlert!)
Vad är kvantglödgning?
Kvantglödgning är en metod inom kvantberäkning som utnyttjar kvantmekaniska fenomen för att hitta lösningar till optimeringsproblem. Istället för att söka efter den absolut bästa lösningen fokuserar kvantglödgning på att hitta tillräckligt bra lösningar inom en acceptabel felmarginal, vilket ofta är tillräckligt i praktiska tillämpningar.
Studien i korthet
Forskarna jämförde kvantglödgning med den bästa klassiska algoritmen för liknande problem, nämligen parallell temperering med isoenergetiska klusterrörelser (PT-ICM). De fokuserade på tvådimensionella spinnglasproblem med högprecisionsinteraktioner. För att förbättra kvantglödgningens prestanda implementerade de kvantglödgningskorrigering (quantum annealing correction, QAC), vilket innebar att de använde en felkorrigeringskod för att minska påverkan av kvantbrus och andra störningar.(Physical Review Journals, EurekAlert!)
Resultaten visade att kvantglödgning med QAC kunde hitta lösningar inom 1 % av det optimala värdet snabbare än PT-ICM, vilket markerar första gången en kvantalgoritm demonstrerar en skalningsfördel i approximativ optimering.(Physical Review Journals)
Praktisk betydelse
Många verkliga problem kräver inte exakta lösningar utan nöjer sig med tillräckligt bra resultat. Exempelvis kan det i finansiella tillämpningar vara tillräckligt att en portfölj presterar bättre än ett visst index, snarare än att vara den absolut bästa möjliga. Denna studie indikerar att kvantglödgning kan vara ett kraftfullt verktyg för sådana tillämpningar, särskilt när det kombineras med felkorrigeringstekniker som QAC.(EurekAlert!)
Framtida utsikter
Forskarna planerar att utvidga sina studier till mer komplexa och högdimensionella problem samt att utforska praktiska tillämpningar inom olika industrisektorer. Vidare förbättringar av kvantmaskinvaran och felkorrigeringstekniker förväntas ytterligare förstärka kvantglödgningens fördelar över klassiska metoder.
Källor:
- Munoz-Bauza, H., & Lidar, D. (2025). Scaling Advantage in Approximate Optimization with Quantum Annealing. Physical Review Letters, 134(16), 160601. https://doi.org/10.1103/PhysRevLett.134.160601
- University of Southern California. (2025, April 30). Quantum computer outperforms supercomputers in approximate optimization tasks. EurekAlert!. https://www.eurekalert.org/news-releases/1082386
