I en banebrydende bedrift inden for kvantcomputing har forskere demonstreret feltets længe eftertragtede 'hellige gral' – en eksponentiel hastighedsforøgelse i forhold til klassiske computere, helt uden forudsætninger eller forbehold.
Det banebrydende studie, offentliggjort i Physical Review X, blev ledet af professor Daniel Lidar fra University of Southern California i samarbejde med kolleger fra USC og Johns Hopkins University. Holdet benyttede to af IBMs kraftfulde 127-qubit Eagle kvantprocessorer til at løse en variation af 'Simons problem', et matematisk puslespil, der anses for at være forløberen til Shors faktoriseringalgoritme.
"En eksponentiel hastighedsforøgelse er den mest dramatiske type hastighedsforøgelse, vi forventer at se fra kvantcomputere," forklarer Lidar, der har Viterbi-professoratet i ingeniørvidenskab ved USC. Det, der gør denne præstation særligt bemærkelsesværdig, er, at hastighedsforøgelsen er "ubetinget" – hvilket betyder, at den ikke afhænger af nogen ubeviste antagelser om klassiske algoritmer.
Forskerne overvandt kvantcomputingens største udfordring – støj eller beregningsfejl – ved at implementere sofistikerede fejlreduktionsteknikker. Disse omfattede dynamisk frakobling, transpileringsoptimering og målefejlkorrektion, hvilket gjorde det muligt for kvantprocessorerne at bevare kohærens længe nok til at gennemføre beregningerne.
Selvom Lidar påpeger, at denne specifikke demonstration ikke har umiddelbare praktiske anvendelser ud over specialiserede problemer, bekræfter den kvantcomputingens teoretiske potentiale. "Ydelsesforskellen kan ikke omgøres, fordi den eksponentielle hastighedsforøgelse, vi har demonstreret, for første gang er ubetinget," bemærker han.
Denne præstation kommer samtidig med, at IBM fortsætter med at udvikle sin kvantroadmap og for nylig har annonceret planer om at bygge en storstilet, fejltolerant kvantcomputer inden 2029. Virksomheden har udviklet en ny fejlkorrektionsmetode kaldet quantum low-density parity check (qLDPC) koder, som kan reducere de nødvendige ressourcer markant for praktisk kvantcomputing.
For AI og beregningsintensive områder signalerer dette gennembrud, at kvantcomputing er på vej fra teoretisk mulighed til praktisk virkelighed. Efterhånden som kvantsystemer fortsætter med at skalere, og fejlprocenterne falder, lover de eksponentielt hurtigere behandling af komplekse AI-modeller, optimeringsproblemer og simuleringer, der stadig er uoverkommelige for klassiske computere.