Quantennahe Optimierung des langreichenden Ising-Modells mit einem gefangenen-Ionen-Quantensimulator

Quantencomputer und Simulatoren können signifikante Vorteile gegenüber ihren klassischen Gegenstücken bieten, indem sie Einblicke in quantenmechanische Viele-Teilchen-Systeme geben und möglicherweise die Leistung bei der Lösung exponentiell schwieriger Probleme, wie Optimierung und Erfüllbarkeit, verbessern. Hier berichten wir über die Implementierung eines weitreichenden Quantum Approximate Optimization Algorithmus (QAOA) mit einem analogen Quantensimulator. Wir schätzen die Grundzustandsenergie des Transversalen Feld-Ising-Modells mit langreichenden Wechselwirkungen und einstellbarem Bereich und optimieren das entsprechende kombinatorische klassische Problem, indem wir die QAOA-Ausgabe mit hochgenauen, einmaligen, individuellen Qubit-Messungen abtasten. Wir führen den Algorithmus sowohl mit einer exhaustiven Suche als auch mit einer geschlossenen Optimierung der variationalen Parameter aus, wobei wir die Grundzustandsenergie mit bis zu 40 gefangenen Ionen-Qubits approximieren. Wir bewerten das Experiment mit Bootstrapping-heursitischen Methoden, die polynomiell mit der Systemgröße skalieren. Wir beobachten, in Übereinstimmung mit numerischen Berechnungen, dass sich die QAOA-Leistung nicht signifikant verschlechtert, wenn wir die Systemgröße erhöhen, und dass die Laufzeit ungefähr unabhängig von der Anzahl der Qubits ist. Schließlich geben wir eine umfassende Analyse der Fehler in unserem System, einen entscheidenden Schritt auf dem Weg zur Anwendung des QAOA auf allgemeinere Probleminstanzen.