เมื่ออัลกอริทึมคลาสสิกจำลองงานที่เคยถูกอ้างว่า “ทำได้เฉพาะควอนตัม”

แนวคิดนี้เชื่อมโยงกับคำว่า quantum supremacy หรือบางครั้งเรียกว่า quantum advantage หมายถึงจุดที่คอมพิวเตอร์ควอนตัมสามารถทำงานบางอย่างได้เร็วกว่าหรือมีประสิทธิภาพกว่าคอมพิวเตอร์แบบดั้งเดิมอย่างมาก

วิธีการคลาสสิกแบบใหม่

ทีมจาก Flatiron และ Boston University กลับไปศึกษา ปัญหาเดียวกัน ที่ใช้ในงานของ D‑Wave แต่แทนที่จะคำนวณสถานะควอนตัมทั้งหมดของระบบโดยตรง ซึ่งต้องใช้ทรัพยากรเพิ่มแบบเอ็กซ์โปเนนเชียลตามจำนวนคิวบิต พวกเขาใช้โครงสร้างทางคณิตศาสตร์ของระบบให้เป็นประโยชน์

วิธีที่ใช้ประกอบด้วยแนวคิดสำคัญหลายอย่าง เช่น

• การใช้ tensor networks แบบสองและสามมิติ ที่จัดโครงสร้างให้สอดคล้องกับ lattice ของระบบ
• การใช้ belief propagation ซึ่งเป็นอัลกอริทึมแบบส่งข้อความ (message‑passing) เพื่ออัปเดตเครือข่ายอย่างมีประสิทธิภาพ
• เทคนิคการ บีบอัด tensor network เพื่อลดขนาดข้อมูลเมื่อระดับการพัวพันควอนตัม (entanglement) เพิ่มขึ้น

ด้วยวิธีนี้ อัลกอริทึมสามารถติดตามพลวัตของระบบได้โดยไม่ต้องเก็บ เวฟฟังก์ชันเต็มของระบบ 5,000 คิวบิต ซึ่งจะมีขนาดมหาศาลมาก ทำให้ต้นทุนการคำนวณลดลงอย่างมาก แต่ยังคงความแม่นยำในระดับสูง

นักวิจัยรายงานว่าวิธีดังกล่าวสามารถจำลอง พลวัตของ quantum annealing แบบเดียวกับที่ใช้ในเครื่องของ D‑Wave ได้อย่างมีประสิทธิภาพด้วยคอมพิวเตอร์แบบคลาสสิก

ทำไมบางกรณีถึงรันบนแล็ปท็อปได้

หัวใจสำคัญของ tensor networks คือการ บีบอัดสถานะควอนตัม แทนที่จะเก็บค่าความน่าจะเป็นทั้งหมดของเวฟฟังก์ชันซึ่งเพิ่มขึ้นแบบทวีคูณ วิธีนี้จะเก็บเฉพาะโครงสร้างความสัมพันธ์ที่สำคัญจริง ๆ ภายในระบบ

ในระบบฟิสิกส์หลายประเภท โดยเฉพาะระบบที่มีโครงสร้าง lattice การพัวพันของควอนตัมมักเพิ่มขึ้นในรูปแบบที่ยังสามารถประมาณได้ด้วยจำนวนพารามิเตอร์ที่จำกัด

ดังนั้น เมื่อรวม tensor networks เข้ากับ belief propagation การจำลองบางกรณีจึงใช้ทรัพยากรน้อยพอที่จะ ทำงานบนคอมพิวเตอร์ส่วนบุคคลทั่วไป ได้ แทนที่จะต้องใช้ซูเปอร์คอมพิวเตอร์ขนาดใหญ่

ความหมายต่อแนวคิด “Quantum Advantage”

ผลลัพธ์นี้ไม่ได้หมายความว่าคอมพิวเตอร์ควอนตัมไม่มีข้อได้เปรียบ แต่ชี้ให้เห็นความจริงสำคัญของวงการนี้ นั่นคือ มาตรฐานการเปรียบเทียบเปลี่ยนอยู่ตลอดเวลา

การประกาศ quantum advantage มักเปรียบเทียบกับ อัลกอริทึมคลาสสิกที่ดีที่สุดที่รู้จักในช่วงเวลานั้น แต่ในทางปฏิบัติ เทคนิคคลาสสิก เช่น tensor networks หรือ Monte Carlo ก็ยังพัฒนาอย่างรวดเร็ว

ผลคือ ปัญหาที่ดูเหมือน “เป็นไปไม่ได้สำหรับคอมพิวเตอร์คลาสสิก” ในวันนี้ อาจกลายเป็นเรื่องที่ทำได้ในวันพรุ่งนี้ หากมีคนค้นพบอัลกอริทึมที่ดีกว่า งานของ Flatiron เป็นตัวอย่างชัดเจนว่าข้อจำกัดก่อนหน้านั้นไม่ได้มาจากกฎพื้นฐานของการคำนวณ แต่เป็นข้อจำกัดของอัลกอริทึมที่ใช้เปรียบเทียบในขณะนั้น

การแข่งขันที่ยังดำเนินต่อไป

เหตุการณ์นี้ทำให้เกณฑ์ในการพิสูจน์ quantum advantage เข้มงวดขึ้น นักวิจัยจำนวนมากเริ่มมองหาปัญหาที่มีคุณสมบัติ เช่น

• อัลกอริทึมคลาสสิกมีโอกาสพัฒนาเพิ่มได้ยาก
• ฮาร์ดแวร์ควอนตัมมีข้อได้เปรียบด้านการขยายขนาดอย่างชัดเจน
• ผลลัพธ์สามารถตรวจสอบซ้ำได้โดยอิสระ

ในภาพรวม เรื่องนี้สะท้อนรูปแบบที่พบได้บ่อยในวิทยาการคอมพิวเตอร์: ความก้าวหน้ามาจากทั้ง ฮาร์ดแวร์และอัลกอริทึม พร้อมกัน

คอมพิวเตอร์ควอนตัมกำลังพัฒนาอย่างต่อเนื่อง แต่ในขณะเดียวกัน อัลกอริทึมคลาสสิกก็พัฒนาเร็วไม่แพ้กัน และทุกครั้งที่มีการประกาศ quantum advantage ก็มีโอกาสที่จะถูกท้าทายโดยความก้าวหน้าใหม่ของโลกคลาสสิกในเวลาต่อมา