但並非所有有關量子系統的問題都更容易使用量子演算法來回答。有些對於在普通電腦上運行的經典演算法來說同樣容易,而有些對於經典演算法和量子演算法來說都很難。
為了了解量子演算法和運行它們的電腦可能在哪些方面提供優勢,研究人員經常分析稱為自旋系統的數學模型,該模型捕捉相互作用原子陣列的基本行為。然後他們可能會問:當你將自旋系統置於給定溫度下時,它會做什麼?它所處的狀態被稱為熱平衡狀態,決定了它的許多其他特性,因此研究人員長期以來一直在尋求開發尋找平衡狀態的演算法。
這些演算法是否真正受益於量子本質取決於所討論的自旋系統的溫度。在非常高的溫度下,已知的經典演算法可以輕鬆完成這項工作。隨著溫度降低和量子現象變得更強,這個問題變得更加困難。在某些系統中,即使是量子電腦也很難在合理的時間內解決這個問題。但這一切的細節仍然撲朔迷離。
「你什麼時候去需要量子的空間,什麼時候去量子對你沒有幫助的空間?”新研究結果的作者之一、加州大學柏克萊分校研究員 Ewin Tang 說。 “知道的不多。”
今年二月,Tang 和 Moitra 開始與麻省理工學院的另外兩位電腦科學家一起思考熱平衡問題:博士後研究員 Ainesh Bakshi 和 Moitra 的研究生 Allen Liu。 2023 年,他們合作開發了一種突破性的量子演算法,用於涉及自旋系統的不同任務,並且他們正在尋找新的挑戰。
「當我們一起工作時,事情就會順利進行,」巴克希說。 “太棒了。”
在 2023 年取得突破之前,麻省理工學院的三位研究人員從未研究過量子演算法。他們的背景是學習理論,這是電腦科學的一個子領域,專注於統計分析演算法。但就像世界各地雄心勃勃的新貴一樣,他們將自己的相對天真視為一種優勢,一種以新的眼光看待問題的方式。 「我們的優勢之一是我們對量子了解不多,」莫伊特拉說。 “我們唯一知道的量子是尤文教給我們的量子。”
團隊決定將重點放在相對較高的溫度上,研究人員懷疑在這些溫度下可能存在快速量子演算法,儘管沒有人能夠證明這一點。很快,他們找到了一種方法,將舊技術從學習理論轉變為新的快速演算法。但當他們撰寫論文時,另一個團隊也得出了類似的結果:證明前一年開發的一種有前景的演算法可以在高溫下正常運作。他們被挖走了。
猝死重生
唐和她的合作者對自己獲得第二名感到有點沮喪,於是開始與馬德里理論物理研究所的物理學家阿爾瓦羅·阿罕布拉(Álvaro Alhambra)通信,他也是競爭對手論文的作者之一。他們想要找出他們獨立取得的結果之間的差異。但當阿罕布拉讀完四位研究人員證明的初稿時,他驚訝地發現他們在中間步驟中證明了其他東西:在任何處於熱平衡的自旋系統中,糾纏在高於某個溫度時完全消失。 「我告訴他們,『哦,這非常非常重要,』」阿罕布拉說。