A computação quântica tem sido aclamada como uma tecnologia que pode superar a computação clássica tanto em velocidade quanto em uso de memória, abrindo potencialmente o caminho para fazer previsões de fenômenos físicos que antes não eram possíveis.



Muitos veem o advento da computação quântica como um marco de uma mudança de paradigma da computação clássica ou convencional. Os computadores convencionais processam informações na forma de bits digitais (0s e 1s), enquanto os computadores quânticos implantam bits quânticos (qubits) para armazenar informações quânticas em valores entre 0 e 1.

Sob certas condições, esta capacidade de processar e armazenar informações em qubits pode ser usada para projetar algoritmos quânticos que superam drasticamente seus equivalentes clássicos. Notavelmente, a capacidade do quantum de armazenar informações em valores entre 0 e 1 torna difícil para os computadores clássicos emularem perfeitamente os quânticos.

No entanto, os computadores quânticos são meticulosos e tendem a perder informações. Além disso, mesmo que a perda de informação possa ser evitada, é difícil traduzi-la em informação clássica – o que é necessário para produzir um cálculo útil.

Os computadores clássicos não sofrem de nenhum desses dois problemas. Além disso, algoritmos clássicos inteligentemente concebidos podem explorar ainda mais os desafios gêmeos da perda e tradução de informações para imitar um computador quântico com muito menos recursos do que se pensava anteriormente – como relatado recentemente em um artigo de pesquisa publicado na revista PRX Quantum. .

Os resultados dos cientistas mostram que a computação clássica pode ser reconfigurada para realizar cálculos mais rápidos e precisos do que os computadores quânticos de última geração.

Essa inovação foi alcançada com um algoritmo que mantém apenas parte da informação armazenada no estado quântico – e apenas o suficiente para poder calcular com precisão o resultado final.

“Este trabalho mostra que existem muitos caminhos potenciais para melhorar os cálculos, abrangendo abordagens clássicas e quânticas”, explica Dries Sels, professor assistente do Departamento de Física da Universidade de Nova Iorque e um dos autores do artigo. “Além disso, nosso trabalho destaca como é difícil obter vantagem quântica com um computador quântico sujeito a erros”.

Ao buscar maneiras de otimizar a computação clássica, Sels e seus colegas da Fundação Simons se concentraram em um tipo de rede tensorial que representa fielmente as interações entre os qubits. Esses tipos de redes têm sido notoriamente difíceis de lidar, mas os avanços recentes na área permitem agora que estas redes sejam otimizadas com ferramentas emprestadas da inferência estatística.

Os autores comparam o trabalho do algoritmo à compactação de uma imagem em um arquivo JPEG, que permite armazenar imagens grandes em menos espaço, eliminando informações com perda quase imperceptível na qualidade da imagem.

“Escolher diferentes estruturas para a rede tensorial corresponde a escolher diferentes formas de compressão, como diferentes formatos para a sua imagem”, diz Joseph Tindall, do Flatiron Institute, que liderou o projeto. "Estamos desenvolvendo com sucesso ferramentas para trabalhar com uma ampla gama de diferentes redes de tensores. Este trabalho reflete isso, e estamos confiantes de que em breve estaremos elevando ainda mais o nível da computação quântica."

Mais informações: Joseph Tindall et al, Simulação eficiente de rede de tensores do experimento Eagle Kicked Ising da IBM, PRX Quantum (2024). DOI:10.1103/PRXQuantum.5.010308
Informações do diário: PRX Quantum

Fornecido pela Universidade de Nova York