Kvantedatabehandling kan gi kapasitet til å løse problemer på dager innen felt som finans, matematikk og biologiske systemer, som er for kompliserte til at det vil ta hundrevis av år for en klassisk datamaskin å beregne.
Det er imidlertid fortsatt et stykke frem for dette, og støy er en stor grunn til det.
Nøkkelbarrieren for kvanteberegning er støy i enheten, som er et maskinvareproblem som forårsaker datafeil. Min forskning er på algoritmenivå. Og målet mitt er, gitt den støyen i enheten, hva kan vi gjøre med det når vi implementerer kvantealgoritmer?
Xiu Yang, assisterende professor, industri- og systemteknikk, PC Rossin College of Engineering and Applied Science, Lehigh University
Nylig tjente Yang midler fra National Science Foundations Faculty Early Career Development (CAREER)-program – et stipend på 400 000 dollar i fem år – for sitt forslag om å bygge metoder for å modellere feilutbredelsen i kvanteberegningsalgoritmer og filtrere følgestøyen i resultatene.
Den anerkjente NSF CAREER-prisen deles ut til juniorfakultetsmedlemmer hvert år over hele USA som illustrerer rollen som lærer-stipendiater via eksepsjonell forskning, fremragende utdanning og inkorporering av disse to sysselsettingene.
Yang vil bruke avanserte matematiske og statistiske metoder for å måle usikkerheten forårsaket av støyen fra enheten i kvanteberegningsalgoritmer. Forskningen hans kan bidra til å presse kvantedatabehandling mot praktisk implementering på mange områder, som porteføljeoptimalisering, medikamentutvikling og datakryptering, der teknologien oppfattes som en mulig gamechanger.
Xiu Yang sier:Folk i matematikk- og statistikkmiljøet begynner nå å bli interessert i kvanteberegning. De innser at dette er et veldig viktig område, og vi kan bidra.”
Mitt første mål er å modellere støyakkumulering. Så hvis jeg for eksempel kjører en såkalt iterativ algoritme, vil støyen eller feilen fra enheten akkumuleres gjennom hver iterasjon. Det er mulig at for noen algoritmer vil feilen være så stor at utfallet av algoritmen er ubrukelig. Men i andre tilfeller er det kanskje ikke så viktig.
Xiu Yang, assisterende professor, industri- og systemteknikk, PC Rossin College of Engineering and Applied Science, Lehigh University
Støyen som påvirker resultatet kan filtreres bort i slike tilfeller.
“Så jeg må først se hvordan feilen forplanter seg, og så, hvis jeg vet hvor mye den forurenset resultatet, kan jeg finne ut om resultatene er ubrukelige, eller om støyen kan filtreres ut for å få ønsket resultat,” sier han.
For det formål vil flere typer algoritmer bli undersøkt av Yang for å finne hvordan de påvirkes, og om redesign er nødvendig eller et filter må utvikles i stedet.
“I utgangspunktet analyserer jeg egnetheten til kvantealgoritmer på kvantedatamaskiner. Så dette er en kvantenumerisk analyse fra et sannsynlighetsperspektiv,” han legger til.
Det endelige målet er å tillate kvantedatabehandling å oppnå løftet om uovertruffen hastighet for å svare på svært komplekse problemer, for eksempel de fysiske og kjemiske systemene med interaksjoner mellom millioner av molekyler.
La oss si at et farmasøytisk selskap ønsker å designe et nytt medikament eller vaksine. De trenger å forstå samspillet mellom alle disse partiklene. Hvis jeg skulle bruke en klassisk datamaskin, ville den prosessen vært veldig treg. Men med en kvantedatamaskin ville det vært veldig, veldig raskt.
Xiu Yang, assisterende professor, industri- og systemteknikk, PC Rossin College of Engineering and Applied Science, Lehigh University
Yang uttaler at prisen ikke bare gagner feltet hans ved å komme et skritt nærmere denne virkeligheten, men viser også en erkjennelse utenfor forskningsmiljøet hans om at potensialet til kvantedatabehandling er investeringsverdig.
“Denne prisen er fra både NSFs avdeling for databehandling og kommunikasjonsstiftelser og dens avdeling for matematiske vitenskaper. Noe som betyr at folk i matematikk- og statistikkmiljøet nå begynner å bli interessert i kvanteberegning. De innser at dette er et veldig viktig område, og vi kan bidra,” avslutter han.
Kilde: https://www1.lehigh.edu/home