Klasična računala mogu nadmašiti kvantne pandane
Američki fizičari osmislili su inovativnu metodu povećanja brzine i točnosti tradicionalnog računalstva
Kvantno računalstvo hvaljena je tehnologija budućnosti koja nudi veliki napredak u brzini i učinkovitosti obrade. Da bi se do toga doista i došlo trebat će savladati brojne izazove, a gubitak informacija svakako je jedan od njih. No, nedavno istraživanje američkih fizičara pokazalo je da optimizirani klasični algoritmi mogu učinkovito oponašati kvantno računalstvo. A to znači, kažu, da se jaz može premostiti poboljšanjima u klasičnom računalstvu.
Izazovi i rješenja
Kvantna računala su izbirljiva i imaju tendenciju gubitka informacija. Štoviše, čak i ako se gubitak podataka može izbjeći, teško ga je prevesti u klasičnu informaciju što je neophodno za dobivanje korisnog izračuna. S druge strane, klasična računala nemaju takve problema.
Štoviše, pametno osmišljeni klasični algoritmi mogu oponašati kvantno računalo s mnogo manje resursa nego što se dosad mislilo, pokazao je istraživački rad objavljen u časopisu PRX Quantum.
Tenzorske mreže
Rezultati istraživanja kojeg su proveli istraživači Odsjeka za fiziku Sveučilišta New York i Instituta Flatiron pokazuju da se klasično računalstvo može rekonfigurirati za izvođenje bržih i preciznijih izračuna od najsuvremenijih kvantnih računala. To je postignuto algoritmom koji čuva samo dio informacija pohranjenih u kvantnom stanju, i to tek toliko da se može točno izračunati konačni ishod.
Nova klasična metoda koristi tenzorske mreže, nizove nizova podataka povezanih vezama. Fizičari već dugo koriste tenzorske mreže za proučavanje kvantnih sustava više tijela, kao što su elektroni u supravodiču ili atomi u molekuli. Mreže im omogućuju komprimiranje ogromnih količina informacija sadržanih u potpunom opisu valne funkcije takvog sustava.
Kompresija podataka
Istraživači su dizajnirali su "zip datoteku" koja simulira 127 qubita u IBM-ovom računalu. Za potpuni prikaz valne funkcije ovih kubita bilo bi potrebno 2127 ≈ 1038 brojeva, što bi u bajtovima bilo trilijune i trilijune puta više podataka nego što je pohranjeno na svim računalima na svijetu. Istraživači su smanjili količinu potrebnih podataka na manje od milijardu brojeva pretpostavkom da se neke od informacija valne funkcije, točnije neke od informacija o kvantnoj isprepletenosti između kubita, mogu zanemariti.
Autori rad algoritma uspoređuju s kompresijom slike u JPEG datoteku, što omogućuje pohranu velikih slika koristeći manje prostora eliminirajući informacije uz jedva primjetan gubitak kvalitete slike.
"Odabir različitih struktura za tenzorsku mrežu odgovara odabiru različitih oblika kompresije, poput različitih formata slike", objašnjavaju istraživači koji razvijaju alate za rad sa širokim rasponom različitih tenzorskih mreža.
