Klassischer Algorithmus reproduziert D‑Waves angeblich „quantenexklusive“ Simulation

Quantencomputer‑Unternehmen verkünden regelmäßig Durchbrüche, wenn ihre Hardware Probleme löst, die für klassische Computer angeblich unlösbar sind. Doch eine neue Studie von Physikern des Flatiron Institute und der Boston University zeigt, wie schnell sich diese Grenze verschieben kann.

Die Forscher entwickelten eine effizientere klassische Simulationsmethode auf Basis von Tensor‑Netzwerken und Belief Propagation. Damit konnten sie exakt das Quanten‑Dynamikproblem reproduzieren, das in D‑Waves viel beachteter Quantum‑Supremacy‑Ankündigung von 2025 verwendet wurde. In einigen Fällen lief die Simulation sogar auf relativ bescheidener Hardware – einschließlich eines gewöhnlichen Laptops.

Der ursprüngliche Anspruch: 20 Minuten statt einer Million Jahre

Im März 2025 präsentierte D‑Wave Ergebnisse mit seinem Advantage2‑Quantenannealer, einem supraleitenden System mit rund 5.000 Qubits. Laut Unternehmen konnte die Maschine eine komplexe Simulation magnetischer Materialien in weniger als etwa 20 Minuten durchführen.

Die gleiche Berechnung würde auf klassischen Supercomputern – so die damalige Schätzung – nahezu eine Million Jahre dauern.

Im Zentrum der Aufgabe stand die Simulation sogenannter Ising‑Spin‑Glass‑Modelle auf Gitterstrukturen. Solche Modelle beschreiben ungeordnete magnetische Systeme und sind wichtig für das Verständnis realer Materialien, etwa in Sensoren, Motoren oder elektronischen Bauteilen. Nach Darstellung von D‑Wave und seinen Partnern skalierten bekannte klassische Methoden für diese großen Quantensysteme nicht gut, weshalb sie das Ergebnis als Beispiel für „beyond‑classical computation“ bezeichneten.

Solche Aussagen fallen unter das Konzept der Quantum Supremacy beziehungsweise Quantum Advantage: der Punkt, an dem ein Quantencomputer eine Aufgabe schneller lösen kann, als es klassische Computer praktisch könnten.

Der neue klassische Ansatz

Das Team vom Flatiron Institute und der Boston University nahm sich genau dasselbe physikalische Problem erneut vor. Statt den vollständigen Quantenzustand direkt zu verfolgen – dessen Größe exponentiell mit der Zahl der Qubits wächst – nutzten sie die mathematische Struktur des Systems aus.

Der Ansatz kombiniert mehrere Techniken:

• Zwei‑ und dreidimensionale Tensor‑Netzwerke, die die Gitterstruktur des Spin‑Systems widerspiegeln
• Belief Propagation, ein Message‑Passing‑Verfahren zur effizienten Aktualisierung der Netzwerke
• Kompressionsmethoden für Tensor‑Netzwerke, um die Darstellung trotz wachsender Verschränkung handhabbar zu halten

Durch diese Struktur konnten die Forscher die Dynamik des Systems verfolgen, ohne die vollständige Wellenfunktion aller 5.000 Qubits explizit zu speichern. Das reduzierte den Rechenaufwand drastisch, während die Simulation dennoch hohe Genauigkeit erreichte.

Die Studie zeigt, dass sich die gleichen Quanten‑Annealing‑Dynamiken, die zuvor als jenseits klassischer Möglichkeiten dargestellt wurden, mit diesem Verfahren effizient klassisch simulieren lassen.

Warum manche Simulationen auf einem Laptop laufen

Tensor‑Netzwerke funktionieren im Kern als Kompressionsverfahren für Quantenzustände. Anstatt jede einzelne Amplitude der enorm großen Wellenfunktion zu speichern, modellieren sie nur die tatsächlich auftretenden Korrelationen zwischen Teilchen.

Bei vielen physikalischen Systemen – besonders bei solchen mit geordneten Gitterstrukturen – wächst die Quantenverschränkung in einer Form, die sich relativ kompakt approximieren lässt. In solchen Fällen benötigt ein Tensor‑Netzwerk deutlich weniger Parameter als eine brute‑force‑Simulation.

In der Flatiron‑Studie führte die Kombination aus Tensor‑Netzwerken und Belief‑Propagation‑Updates dazu, dass einige Simulationen auf gewöhnlichen Personalcomputern ausgeführt werden konnten.

Was das für „Quantum Advantage“ bedeutet

Die Ergebnisse bedeuten nicht, dass Quantencomputer keinen Vorteil haben können. Sie zeigen vielmehr ein grundlegendes Muster in der Forschung: Die Vergleichsbasis verändert sich ständig.

Behauptungen über Quantenüberlegenheit werden typischerweise gegen die besten damals bekannten klassischen Algorithmen getestet. Doch klassische Methoden – etwa Tensor‑Netzwerke, Monte‑Carlo‑Verfahren oder andere Näherungsalgorithmen – entwickeln sich ebenfalls schnell weiter.

Ein Problem, das heute für klassische Rechner unpraktisch erscheint, kann morgen lösbar sein, wenn jemand einen besseren Algorithmus findet. Genau das demonstriert die Flatiron‑Arbeit: Die ursprüngliche Grenze lag weniger in den fundamentalen Rechenlimits als im damaligen Stand der klassischen Methoden.

Ein technologisches Wettrennen

Die Folge: Die Messlatte für echte Quantum‑Advantage‑Demonstrationen wird höher. Immer häufiger suchen Forschende nach Problemen, bei denen

• klassische Algorithmen kaum noch große Verbesserungen erwarten lassen
• Quantenhardware klare Skalierungsvorteile zeigt
• Ergebnisse unabhängig überprüft werden können

Der Fall zeigt ein wiederkehrendes Muster der Informatik: Fortschritt entsteht nicht nur durch neue Hardware, sondern auch durch bessere Algorithmen. Während Quantenprozessoren leistungsfähiger werden, holen klassische Methoden gleichzeitig auf.

Der Wettbewerb zwischen beiden Ansätzen bleibt daher ein offenes Wettrennen – und jeder neue Anspruch auf Quantenüberlegenheit muss auch dem nächsten Durchbruch in der klassischen Algorithmik standhalten.