W marcu 2025 roku D-Wave ogłosiło wyniki uzyskane na swoim kwantowym annealerze Advantage2, systemie z około 5000 kubitów. Firma poinformowała, że maszyna zasymulowała dynamikę złożonych materiałów magnetycznych w niecałe 20 minut, szacując, że wykonanie tych samych obliczeń na klasycznym superkomputerze zajęłoby blisko miliona lat.

Zadanie polegało na symulacji dynamiki nieuporządkowanych układów magnetycznych – konkretnie modeli szkła spinowego Isinga na strukturach sieciowych. Według firmy i jej współpracowników istniejące techniki klasyczne nie radziły sobie ze skalowaniem do tak dużych układów kwantowych, co skłoniło ich do opisania wyniku jako demonstracji obliczeń „ponadklasycznych”.

Tego typu twierdzenia mieszczą się w koncepcji supremacji kwantowej (lub przewagi kwantowej): momentu, w którym urządzenie kwantowe wykonuje zadanie, którego komputery klasyczne nie są w stanie ukończyć w żadnym praktycznym czasie.

Klasyczny przełom

Zespół z Flatiron Institute i Boston University ponownie przeanalizował ten sam problem fizycznej symulacji. Zamiast próbować śledzić pełny stan kwantowy wprost – obliczenie, które rośnie wykładniczo z liczbą kubitów – wykorzystali matematyczną strukturę układu.

Ich metoda łączyła kilka pomysłów:

• Dwuwymiarowe i trójwymiarowe sieci tensorowe ułożone tak, by odzwierciedlały geometrię sieci układu spinowego
• Propagację wiary (belief propagation), algorytm przekazywania wiadomości, który efektywnie aktualizuje sieć
• Techniki kompresji sieci tensorowych, które utrzymują reprezentację w zarządzalnych rozmiarach w miarę wzrostu splątania

Ewoluując sieci tensorowe dopasowane do konkretnej sieci i stosując podczas symulacji aktualizacje oparte na propagacji wiary, algorytm mógł śledzić dynamikę układu bez jawnego reprezentowania pełnej funkcji falowej 5000 kubitów. To drastycznie obniżyło koszt obliczeniowy, zachowując przy tym wysoką dokładność.

Według naukowców podejście to może dokładnie i wydajnie symulować tę samą dynamikę wyżarzania kwantowego, która wcześniej uznawana była za nieosiągalną dla klasycznych komputerów.

Dlaczego niektóre symulacje mogły działać na laptopie

Sieci tensorowe działają poprzez kompresję stanów kwantowych. Zamiast przechowywać każdą amplitudę wykładniczo dużej funkcji falowej, przechwytują tylko te korelacje, które faktycznie pojawiają się w układzie.

Dla wielu układów fizycznych – zwłaszcza tych ze strukturalnymi oddziaływaniami sieciowymi – ilość splątania rośnie w sposób, który wciąż można w przybliżeniu zwartać. Kiedy tak się dzieje, reprezentacje oparte na sieciach tensorowych mogą śledzić układ przy użyciu znacznie mniejszej liczby parametrów niż wymagałaby tego symulacja brute force.

W badaniu Flatiron połączenie tych reprezentacji sieci tensorowych z propagacją wiary sprawiło, że symulacja stała się na tyle wydajna, że niektóre przypadki mogły działać na zwykłych komputerach osobistych, a nie na ogromnych superkomputerach.

Co to oznacza dla „przewagi kwantowej”

Wynik ten nie dowodzi, że komputery kwantowe nie mają żadnych zalet. Zamiast tego podkreśla ważną rzeczywistość w tej dziedzinie: poprzeczka wciąż się przesuwa.

Twierdzenia o przewadze kwantowej zwykle porównują sprzęt kwantowy z najlepszymi znanymi w danym momencie algorytmami klasycznymi. Ale metody klasyczne – zwłaszcza sieci tensorowe, podejścia Monte Carlo i inne techniki przybliżone – wciąż szybko się rozwijają.

Oznacza to, że zadanie, które dziś wydaje się niemożliwe dla klasycznych maszyn, może stać się wykonalne jutro, jeśli ktoś znajdzie lepszy algorytm. Praca Flatiron pokazuje dokładnie tę dynamikę: wąskim gardłem nie były fundamentalne ograniczenia obliczeniowe, ale stan algorytmów klasycznych użytych do porównania.

Trwający wyścig zbrojeń

W rezultacie standardy demonstrowania przewagi kwantowej stają się coraz bardziej rygorystyczne. Naukowcy coraz częściej szukają problemów, w których:

• klasyczne algorytmy raczej nie ulegną drastycznej poprawie
• sprzęt kwantowy oferuje wyraźną korzyść skalowania
• wyniki można niezależnie zweryfikować

Ta historia ilustruje szerszy wzorzec w naukach obliczeniowych: postęp często pochodzi zarówno ze sprzętu, jak i algorytmów. Procesory kwantowe się poprawiają, ale algorytmy klasyczne ewoluują równie szybko.

Na razie rywalizacja między nimi pozostaje aktywnym wyścigiem zbrojeń – a każde nowe twierdzenie o przewadze kwantowej musi przetrwać kolejny przełom w obliczeniach klasycznych.

W marcu 2025 roku D-Wave ogłosiło wyniki uzyskane na swoim kwantowym annealerze Advantage2, systemie z około 5000 kubitów. Firma poinformowała, że maszyna zasymulowała dynamikę złożonych materiałów magnetycznych w niecałe 20 minut, szacując, że wykonanie tych samych obliczeń na klasycznym superkomputerze zajęłoby blisko miliona lat.

Zadanie polegało na symulacji dynamiki nieuporządkowanych układów magnetycznych – konkretnie modeli szkła spinowego Isinga na strukturach sieciowych. Według firmy i jej współpracowników istniejące techniki klasyczne nie radziły sobie ze skalowaniem do tak dużych układów kwantowych, co skłoniło ich do opisania wyniku jako demonstracji obliczeń „ponadklasycznych”.

Tego typu twierdzenia mieszczą się w koncepcji supremacji kwantowej (lub przewagi kwantowej): momentu, w którym urządzenie kwantowe wykonuje zadanie, którego komputery klasyczne nie są w stanie ukończyć w żadnym praktycznym czasie.

Klasyczny przełom

Zespół z Flatiron Institute i Boston University ponownie przeanalizował ten sam problem fizycznej symulacji. Zamiast próbować śledzić pełny stan kwantowy wprost – obliczenie, które rośnie wykładniczo z liczbą kubitów – wykorzystali matematyczną strukturę układu.

Ich metoda łączyła kilka pomysłów:

• Dwuwymiarowe i trójwymiarowe sieci tensorowe ułożone tak, by odzwierciedlały geometrię sieci układu spinowego
• Propagację wiary (belief propagation), algorytm przekazywania wiadomości, który efektywnie aktualizuje sieć
• Techniki kompresji sieci tensorowych, które utrzymują reprezentację w zarządzalnych rozmiarach w miarę wzrostu splątania

Ewoluując sieci tensorowe dopasowane do konkretnej sieci i stosując podczas symulacji aktualizacje oparte na propagacji wiary, algorytm mógł śledzić dynamikę układu bez jawnego reprezentowania pełnej funkcji falowej 5000 kubitów. To drastycznie obniżyło koszt obliczeniowy, zachowując przy tym wysoką dokładność.

Według naukowców podejście to może dokładnie i wydajnie symulować tę samą dynamikę wyżarzania kwantowego, która wcześniej uznawana była za nieosiągalną dla klasycznych komputerów.

Dlaczego niektóre symulacje mogły działać na laptopie

Sieci tensorowe działają poprzez kompresję stanów kwantowych. Zamiast przechowywać każdą amplitudę wykładniczo dużej funkcji falowej, przechwytują tylko te korelacje, które faktycznie pojawiają się w układzie.

Dla wielu układów fizycznych – zwłaszcza tych ze strukturalnymi oddziaływaniami sieciowymi – ilość splątania rośnie w sposób, który wciąż można w przybliżeniu zwartać. Kiedy tak się dzieje, reprezentacje oparte na sieciach tensorowych mogą śledzić układ przy użyciu znacznie mniejszej liczby parametrów niż wymagałaby tego symulacja brute force.

W badaniu Flatiron połączenie tych reprezentacji sieci tensorowych z propagacją wiary sprawiło, że symulacja stała się na tyle wydajna, że niektóre przypadki mogły działać na zwykłych komputerach osobistych, a nie na ogromnych superkomputerach.

Co to oznacza dla „przewagi kwantowej”

Wynik ten nie dowodzi, że komputery kwantowe nie mają żadnych zalet. Zamiast tego podkreśla ważną rzeczywistość w tej dziedzinie: poprzeczka wciąż się przesuwa.

Twierdzenia o przewadze kwantowej zwykle porównują sprzęt kwantowy z najlepszymi znanymi w danym momencie algorytmami klasycznymi. Ale metody klasyczne – zwłaszcza sieci tensorowe, podejścia Monte Carlo i inne techniki przybliżone – wciąż szybko się rozwijają.

Oznacza to, że zadanie, które dziś wydaje się niemożliwe dla klasycznych maszyn, może stać się wykonalne jutro, jeśli ktoś znajdzie lepszy algorytm. Praca Flatiron pokazuje dokładnie tę dynamikę: wąskim gardłem nie były fundamentalne ograniczenia obliczeniowe, ale stan algorytmów klasycznych użytych do porównania.

Trwający wyścig zbrojeń

W rezultacie standardy demonstrowania przewagi kwantowej stają się coraz bardziej rygorystyczne. Naukowcy coraz częściej szukają problemów, w których:

• klasyczne algorytmy raczej nie ulegną drastycznej poprawie
• sprzęt kwantowy oferuje wyraźną korzyść skalowania
• wyniki można niezależnie zweryfikować

Ta historia ilustruje szerszy wzorzec w naukach obliczeniowych: postęp często pochodzi zarówno ze sprzętu, jak i algorytmów. Procesory kwantowe się poprawiają, ale algorytmy klasyczne ewoluują równie szybko.

Na razie rywalizacja między nimi pozostaje aktywnym wyścigiem zbrojeń – a każde nowe twierdzenie o przewadze kwantowej musi przetrwać kolejny przełom w obliczeniach klasycznych.