D-Wave 量子退火炉解决了经典算法难以解决的问题

快速阅读: 据《Ars Technica》最新报道，研究比较了三种经典算法与量子计算的性能，发现矩阵乘积态（MPS）在复杂系统中更具优势，但即便如此，经典计算在处理大规模问题时仍远逊于量子计算。这凸显了经典与量子计算的巨大差距，为未来研究提供重要参考。

测试了三种不同的经典方法。其中两种涉及张量网络结构，一种称为矩阵乘积态（MPS，Matrix Product State），另一种称为投影纠缠对态（PEPS，Projected Entangled Pair States）。他们还尝试了一种神经网络，因为许多这样的网络已被成功用于预测薛定谔方程在不同系统中的输出。

这些方法首先在一个简单的8×8物体网格上进行测试，该网格被卷成圆柱形，并通过移除两条边来提升连通性。对于这个在短时间内演化的简单系统，经典方法与量子硬件给出的答案实际上无法区分。然而，其中两种经典算法相对容易被排除在外。神经网络在短时间模拟中表现良好，但系统一旦演化更长时间，就开始迅速偏离预期结果。而PEPS通过关注局部纠缠，在纠缠扩展到更大系统时也失败了。这使得MPS成为更复杂几何形状长时间运行的经典方法代表。

通过确定MPS何时开始失效，研究人员可以估计需要多少经典硬件才能让算法跟上超导量子计算硬件（如Advantage 2）在最复杂系统上的性能。而在不久的将来，这是完全不可行的。“在最大问题上，MPS在前沿超级计算机（Frontier）上每次输入都需要数百万年才能达到与量子硬件相当的质量。内存需求将超出其700PB的存储容量，电力需求也将超过全球年度总耗电量。”相比之下，在D-Wave量子退火机上仅需几分钟即可完成。

这项研究不仅揭示了经典计算与量子计算之间的巨大差距，也为未来的研究提供了重要参考。它表明，尽管经典算法在某些特定条件下能够取得一定成效，但在处理复杂且动态变化的问题时，量子计算的优势愈发明显。

(以上内容均由Ai生成)