งานของ D‑Wave มุ่งศึกษา พลวัตควอนตัมของระบบสปินที่ไม่เป็นระเบียบ (disordered spin systems) โดยเฉพาะแบบจำลองที่เรียกว่า transverse‑field Ising model ซึ่งใช้ศึกษาแม่เหล็กและฟิสิกส์ของสปินกลาส
ระบบลักษณะนี้ขึ้นชื่อว่าจำลองยากมาก เพราะเมื่อจำนวนสปินเพิ่มขึ้น ขนาดของสถานะควอนตัมจะเพิ่มแบบเอ็กซ์โปเนนเชียล ทำให้การจำลองด้วยคอมพิวเตอร์คลาสสิกต้องใช้ทรัพยากรมหาศาล
ในการทดลอง D‑Wave ใช้ quantum annealer แบบตัวนำยิ่งยวด รุ่น Advantage2 เพื่อสร้างตัวอย่างของสถานะควอนตัมที่สอดคล้องกับคำตอบของสมการชโรดิงเงอร์สำหรับระบบเหล่านี้
รายงานของบริษัทสรุปว่า
ทีมวิจัยอีกกลุ่มกลับไปศึกษาระบบสปินกลาสชนิดเดียวกัน แต่ใช้วิธีที่ต่างออกไป คือ tensor‑network algorithms
Tensor networks เป็นวิธีทางคณิตศาสตร์ที่ใช้แทนสถานะควอนตัมขนาดใหญ่ด้วยโครงสร้างที่บีบอัดได้ ทำให้ไม่ต้องเก็บข้อมูลทั้งหมดแบบตรง ๆ
งานวิจัยแสดงให้เห็นว่า
เพราะสถานะควอนตัมสามารถถูกบีบอัดให้อยู่ในรูปแบบที่กะทัดรัดได้ การจำลองจึงสามารถทำบนฮาร์ดแวร์ขนาดเล็กกว่าที่คาดไว้มาก และในบางการทดลองสามารถรันบนคอมพิวเตอร์ส่วนบุคคลได้
คำตอบอยู่ที่โครงสร้างของ entanglement หรือการพัวพันควอนตัม
ในการวิเคราะห์ของ D‑Wave เองพบว่า ระบบที่ศึกษาแสดงพฤติกรรม area‑law entanglement scaling ระหว่างพลวัตของมัน
คุณสมบัตินี้สำคัญมากต่อความยากของการจำลอง
เมื่อระบบควอนตัมเป็นแบบ area law
และนี่คือสิ่งที่ tensor networks ถูกออกแบบมาเพื่อใช้ประโยชน์โดยตรง ทำให้คอมพิวเตอร์คลาสสิกสามารถจำลองระบบควอนตัมบางประเภทได้ดีกว่าที่คิด
ผลลัพธ์นี้ไม่ได้แปลว่าคอมพิวเตอร์คลาสสิกจำลองทุกอย่างได้ แต่ชี้ให้เห็นว่า
จำนวน qubit มาก ๆ เพียงอย่างเดียวไม่ได้รับประกันว่าปัญหานั้นจะเกินขีดความสามารถของคอมพิวเตอร์คลาสสิก
เส้นแบ่งจริง ๆ อาจขึ้นอยู่กับสิ่งอื่น เช่น
กล่าวอีกแบบหนึ่งคือ ความได้เปรียบของคอมพิวเตอร์ควอนตัมขึ้นอยู่กับ โครงสร้างของสถานะควอนตัมที่มันสร้างขึ้น มากกว่าจำนวน qubit เพียงอย่างเดียว
เหตุการณ์นี้สะท้อนรูปแบบที่เกิดขึ้นบ่อยในงานวิจัยควอนตัม
เมื่อมีการประกาศว่าเครื่องควอนตัมทำสิ่งที่คอมพิวเตอร์ทั่วไปทำไม่ได้ นักวิจัยฝั่งคลาสสิกก็มักพัฒนาอัลกอริทึมใหม่ ๆ ที่สามารถทำสิ่งเดียวกันได้ดีขึ้น
การแข่งขันแบบนี้ไม่ได้ทำให้วงการอ่อนแอลง ตรงกันข้าม มันช่วยให้เห็นชัดขึ้นว่า จุดไหนที่คอมพิวเตอร์ควอนตัมมีความได้เปรียบจริง ๆ
งานของ Flatiron และ Boston University จึงชี้ว่า ขอบเขตระหว่างการคำนวณแบบคลาสสิกและควอนตัมอาจ แคบกว่าและซับซ้อนกว่า การเปรียบเทียบฮาร์ดแวร์เพียงอย่างเดียวจะบอกได้
ในอนาคต นักวิจัยจึงมีแนวโน้มจะออกแบบการทดลองที่มุ่งไปยังระบบควอนตัมที่ tensor‑network compression ใช้ไม่ได้อีกต่อไป ซึ่งอาจเป็นจุดที่ quantum advantage ปรากฏอย่างชัดเจนจริง ๆ
Comments
0 comments