Alkuperäinen väite: Kvanttitietokone vs. miljoonan vuoden supertietokone

Maaliskuussa 2025 D-Wave julkisti tuloksia Advantage2-suprajohtavasta kvanttiannealing-prosessoristaan, järjestelmästä, jossa on noin 5 000 kubittia. Yritys raportoi, että kone simuloi monimutkaisten magneettisten materiaalien dynamiikkaa alle 20 minuutissa ja arvioi, että saman laskennan suorittaminen klassisella supertietokoneella kestäisi lähes miljoona vuotta.

Tehtävässä simuloitiin epäjärjestystä sisältävien magneettisten järjestelmien – erityisesti Isingin spin-lasimalleja – dynamiikkaa hilamuodoissa. Yrityksen ja sen yhteistyökumppaneiden mukaan olemassa olevat klassiset tekniikat eivät pystyneet skaalautumaan näin suuriin kvanttijärjestelmiin, ja he kuvasivat tulosta ”klassisen laskennan ylittäväksi” saavutukseksi.

Tällaiset väitteet kuuluvat kvanttijohtajuuden (quantum supremacy tai quantum advantage) käsitteen alle: tilanne, jossa kvanttilaite suorittaa tehtävän, jota klassiset tietokoneet eivät pysty suorittamaan missään käytännön aikarajassa.

Klassinen läpimurto

Flatiron–Boston-tutkimusryhmä tarkasteli uudelleen täsmälleen samaa fysikaalista simulointiongelmaa. Sen sijaan, että he olisivat yrittäneet seurata koko kvanttitilaa suoraan – laskenta, joka kasvaa eksponentiaalisesti kubittien määrän myötä – he hyödynsivät järjestelmän matemaattista rakennetta.

Heidän menetelmänsä yhdisti useita ideoita:

• Kaksi- ja kolmiulotteiset tensoriverkot, jotka on järjestetty vastaamaan spin-järjestelmän hilageometriaa
• Belief propagation, viestinvälitysalgoritmi, joka auttaa päivittämään verkkoa tehokkaasti
• Tensoriverkkojen pakkaustekniikoita, jotka pitävät esitysmuodon hallittavana lomittumisen kasvaessa

Kehittämällä hila-spesifisiä tensoriverkkoja ja käyttämällä belief propagation -päivityksiä simulaation aikana algoritmi pystyi seuraamaan järjestelmän dynamiikkaa ilman, että sen tarvitsi esittää koko 5 000 kubitin aaltofunktiota. Tämä vähensi dramaattisesti laskennallista kustannusta samalla, kun tarkkuus säilyi korkeana.

Tutkijoiden mukaan menetelmä pystyy tarkasti ja tehokkaasti simuloimaan samaa kvanttiannealing-dynamiikkaa, jonka aiemmin väitettiin olevan klassisen laskennan ulottumattomissa.

Miksi osa simulaatioista toimi kannettavalla tietokoneella

Tensoriverkot toimivat pakkaamalla kvanttitiloja. Sen sijaan, että ne tallentaisivat jokaisen eksponentiaalisesti suuren aaltofunktion amplitudin, ne sieppaavat vain ne korrelaatiot, joita järjestelmässä todella esiintyy.

Monissa fysikaalisissa järjestelmissä – erityisesti niissä, joissa on rakenteellisia hilavuorovaikutuksia – lomittumisen määrä kasvaa tavalla, jota voidaan edelleen arvioida kompaktisti. Kun näin tapahtuu, tensoriverkkoesitykset voivat seurata järjestelmää paljon pienemmällä määrällä parametreja kuin raa'an voiman simulaatio vaatisi.

Flatironin tutkimuksessa tensoriverkkoesitysten yhdistäminen belief propagation -algoritmiin teki simulaatiosta niin tehokkaan, että joitain tapauksia pystyttiin ajamaan tavallisilla henkilökohtaisilla tietokoneilla massiivisten supertietokoneiden sijaan.

Mitä tämä tarkoittaa ”kvanttiedulle”

Tulos ei todista, että kvanttitietokoneilla ei olisi etuja. Sen sijaan se korostaa alan tärkeää todellisuutta: mittatikku liikkuu jatkuvasti.

Kvanttietua koskevat väitteet vertaavat tyypillisesti kvanttilaitteistoa silloin tunnettuihin parhaisiin klassisiin algoritmeihin. Klassiset menetelmät – erityisesti tensoriverkot, Monte Carlo -menetelmät ja muut likimääräistekniikat – kehittyvät kuitenkin edelleen nopeasti.

Tämä tarkoittaa, että tehtävä, joka vaikuttaa mahdottomalta klassisille koneille tänään, voi tulla mahdolliseksi huomenna, jos joku keksii paremman algoritmin. Flatironin työ osoittaa juuri tämän dynamiikan: pullonkaula ei ollut perustavanlaatuiset laskennalliset rajoitukset, vaan vertailussa käytettyjen klassisten algoritmien tila.

Jatkuva kilpavarustelu

Tämän seurauksena kvanttiedun osoittamisen vaatimukset tiukkenevat. Tutkijat etsivät yhä enemmän ongelmia, joissa:

• klassisten algoritmien on epätodennäköistä parantua dramaattisesti
• kvanttilaitteisto tarjoaa selkeän skaalautumisedun
• tulokset voidaan varmistaa itsenäisesti

Tapaus havainnollistaa laajempaa laskennallisen tieteen kaavaa: edistys syntyy usein sekä laitteistosta että algoritmeista. Kvanttiprosessorit paranevat, mutta klassiset algoritmit kehittyvät yhtä nopeasti.

Toistaiseksi kilpailu näiden kahden välillä on edelleen aktiivinen kilpavarustelu – ja jokaisen uuden kvanttietua koskevan väitteen on kestettävä seuraava klassisen laskennan läpimurto.

Alkuperäinen väite: Kvanttitietokone vs. miljoonan vuoden supertietokone

Maaliskuussa 2025 D-Wave julkisti tuloksia Advantage2-suprajohtavasta kvanttiannealing-prosessoristaan, järjestelmästä, jossa on noin 5 000 kubittia. Yritys raportoi, että kone simuloi monimutkaisten magneettisten materiaalien dynamiikkaa alle 20 minuutissa ja arvioi, että saman laskennan suorittaminen klassisella supertietokoneella kestäisi lähes miljoona vuotta.

Tehtävässä simuloitiin epäjärjestystä sisältävien magneettisten järjestelmien – erityisesti Isingin spin-lasimalleja – dynamiikkaa hilamuodoissa. Yrityksen ja sen yhteistyökumppaneiden mukaan olemassa olevat klassiset tekniikat eivät pystyneet skaalautumaan näin suuriin kvanttijärjestelmiin, ja he kuvasivat tulosta ”klassisen laskennan ylittäväksi” saavutukseksi.

Tällaiset väitteet kuuluvat kvanttijohtajuuden (quantum supremacy tai quantum advantage) käsitteen alle: tilanne, jossa kvanttilaite suorittaa tehtävän, jota klassiset tietokoneet eivät pysty suorittamaan missään käytännön aikarajassa.

Klassinen läpimurto

Flatiron–Boston-tutkimusryhmä tarkasteli uudelleen täsmälleen samaa fysikaalista simulointiongelmaa. Sen sijaan, että he olisivat yrittäneet seurata koko kvanttitilaa suoraan – laskenta, joka kasvaa eksponentiaalisesti kubittien määrän myötä – he hyödynsivät järjestelmän matemaattista rakennetta.

Heidän menetelmänsä yhdisti useita ideoita:

• Kaksi- ja kolmiulotteiset tensoriverkot, jotka on järjestetty vastaamaan spin-järjestelmän hilageometriaa
• Belief propagation, viestinvälitysalgoritmi, joka auttaa päivittämään verkkoa tehokkaasti
• Tensoriverkkojen pakkaustekniikoita, jotka pitävät esitysmuodon hallittavana lomittumisen kasvaessa

Kehittämällä hila-spesifisiä tensoriverkkoja ja käyttämällä belief propagation -päivityksiä simulaation aikana algoritmi pystyi seuraamaan järjestelmän dynamiikkaa ilman, että sen tarvitsi esittää koko 5 000 kubitin aaltofunktiota. Tämä vähensi dramaattisesti laskennallista kustannusta samalla, kun tarkkuus säilyi korkeana.

Tutkijoiden mukaan menetelmä pystyy tarkasti ja tehokkaasti simuloimaan samaa kvanttiannealing-dynamiikkaa, jonka aiemmin väitettiin olevan klassisen laskennan ulottumattomissa.

Miksi osa simulaatioista toimi kannettavalla tietokoneella

Tensoriverkot toimivat pakkaamalla kvanttitiloja. Sen sijaan, että ne tallentaisivat jokaisen eksponentiaalisesti suuren aaltofunktion amplitudin, ne sieppaavat vain ne korrelaatiot, joita järjestelmässä todella esiintyy.

Monissa fysikaalisissa järjestelmissä – erityisesti niissä, joissa on rakenteellisia hilavuorovaikutuksia – lomittumisen määrä kasvaa tavalla, jota voidaan edelleen arvioida kompaktisti. Kun näin tapahtuu, tensoriverkkoesitykset voivat seurata järjestelmää paljon pienemmällä määrällä parametreja kuin raa'an voiman simulaatio vaatisi.

Flatironin tutkimuksessa tensoriverkkoesitysten yhdistäminen belief propagation -algoritmiin teki simulaatiosta niin tehokkaan, että joitain tapauksia pystyttiin ajamaan tavallisilla henkilökohtaisilla tietokoneilla massiivisten supertietokoneiden sijaan.

Mitä tämä tarkoittaa ”kvanttiedulle”

Tulos ei todista, että kvanttitietokoneilla ei olisi etuja. Sen sijaan se korostaa alan tärkeää todellisuutta: mittatikku liikkuu jatkuvasti.

Kvanttietua koskevat väitteet vertaavat tyypillisesti kvanttilaitteistoa silloin tunnettuihin parhaisiin klassisiin algoritmeihin. Klassiset menetelmät – erityisesti tensoriverkot, Monte Carlo -menetelmät ja muut likimääräistekniikat – kehittyvät kuitenkin edelleen nopeasti.

Tämä tarkoittaa, että tehtävä, joka vaikuttaa mahdottomalta klassisille koneille tänään, voi tulla mahdolliseksi huomenna, jos joku keksii paremman algoritmin. Flatironin työ osoittaa juuri tämän dynamiikan: pullonkaula ei ollut perustavanlaatuiset laskennalliset rajoitukset, vaan vertailussa käytettyjen klassisten algoritmien tila.

Jatkuva kilpavarustelu

Tämän seurauksena kvanttiedun osoittamisen vaatimukset tiukkenevat. Tutkijat etsivät yhä enemmän ongelmia, joissa:

• klassisten algoritmien on epätodennäköistä parantua dramaattisesti
• kvanttilaitteisto tarjoaa selkeän skaalautumisedun
• tulokset voidaan varmistaa itsenäisesti

Tapaus havainnollistaa laajempaa laskennallisen tieteen kaavaa: edistys syntyy usein sekä laitteistosta että algoritmeista. Kvanttiprosessorit paranevat, mutta klassiset algoritmit kehittyvät yhtä nopeasti.

Toistaiseksi kilpailu näiden kahden välillä on edelleen aktiivinen kilpavarustelu – ja jokaisen uuden kvanttietua koskevan väitteen on kestettävä seuraava klassisen laskennan läpimurto.