Ноутбук против квантового отжигателя: почему классические алгоритмы смогли повторить результат D‑Wave

Такие системы считаются сложными для симуляции, потому что размер квантового пространства состояний растёт экспоненциально с числом взаимодействующих спинов.

Используя сверхпроводящий квантовый отжигатель Advantage2, исследователи D‑Wave получили выборки состояний, которые хорошо согласуются с решениями уравнения Шрёдингера для этой системы.

По их утверждению:

• квантовый процессор выполнял симуляцию за минуты;
• классические методы потребовали бы огромных ресурсов суперкомпьютеров и крайне долгого времени.

На этом основании результат был представлен как демонстрация квантового вычислительного преимущества при моделировании сложных материалов.

Классический «ответ» с помощью тензорных сетей

Исследователи из Flatiron Institute и Бостонского университета решили проверить ту же задачу, используя методы tensor networks — семейство алгоритмов, которые представляют квантовые состояния в сжатом математическом виде.

В их работе показано, что двумерные и трёхмерные тензорные сети могут точно и эффективно моделировать динамику квантового отжига в спин‑стеклах Изинга на разных типах решёток.

Ключевые элементы метода:

• эволюция состояния через структуру тензорной сети, привязанной к геометрии решётки;
• использование алгоритмов belief propagation для отслеживания роста квантовой запутанности;
• извлечение наблюдаемых величин из компактного представления состояния.

Такой подход позволяет удерживать описание квантового состояния сильно сжатым, избегая экспоненциального роста вычислений. Благодаря этому моделирование оказалось возможным даже на относительно скромных вычислительных ресурсах.

Почему тензорные сети оказались эффективными

Главная причина связана со структурой квантовой запутанности.

В анализе D‑Wave сообщалось, что в изучаемой динамике спин‑стекол запутанность подчиняется так называемому “закону площади” (area law).

Это важный фактор сложности симуляции:

• запутанность растёт пропорционально границе области, а не её объёму;
• квантовое состояние остаётся относительно компрессируемым;
• тензорные сети могут эффективно хранить и эволюционировать такое состояние.

Алгоритмы тензорных сетей как раз специально разработаны для использования этой структуры, что делает классическую симуляцию некоторых квантовых систем вполне практичной.

Что это означает для «квантового превосходства»

Этот результат не говорит, что классические компьютеры способны эффективно моделировать любые квантовые процессы. Но он показывает важную вещь: само по себе большое число кубитов ещё не гарантирует недостижимость задачи для классических алгоритмов.

Настоящая граница проходит глубже:

• если квантовая система создаёт очень сложную, объёмную (volume‑law) запутанность, классическая симуляция становится чрезвычайно трудной;
• если же запутанность остаётся структурированной и ограниченной — например, подчиняется закону площади — тензорные сети могут справляться с задачей довольно эффективно.

Проще говоря, вычислительное преимущество квантовых устройств определяется не только числом кубитов, но и структурой квантового состояния, которое они генерируют.

Более широкий урок для квантовых вычислений

История с D‑Wave — типичный пример динамики в этой области науки. Когда появляется заявление о квантовом преимуществе, оно часто стимулирует развитие новых классических алгоритмов, которые пытаются воспроизвести тот же результат.

Такое соперничество на самом деле полезно для науки. Оно помогает точнее определить, где именно квантовые компьютеры действительно превосходят классические методы.

По мере развития квантового оборудования исследователи, вероятно, будут всё чаще искать режимы, где методы сжатия вроде тензорных сетей перестают работать. Именно там может проявиться по‑настоящему неоспоримое квантовое преимущество.