در سال‌های اخیر، گرایش به کامپیوترهای کوانتومی با هدف انجام عملیات محاسباتی با سرعت بسیار بالاتر از کامپیوترهای کلاسیک، تقویت شده است. با این حال، ساخت یک کامپیوتر کوانتومی کار بسیار دشواری است، و سال‌ها با ساخت کامپیوترهای کوانتومی که بتوانند محاسبات را بدون نویز انجام دهند، فاصله وجود دارد. با این وجود، اخیراً پیشرفت‌های تجربی چشمگیری در سخت‌افزارهای کوانتومی صورت گرفته است که دسترسی به کامپیوترهای کوانتومی کوچک نویزدار که به اختصار NISQ (Noisy Intermediate-Scale Quantum) نامیده می‌شوند را آسان‌تر نموده است. در حالی که این کامپیوترها به پدیده‌ی درهمتنیدگی کوانتومی برای انجام محاسبات نیاز دارند، این موضوع در برخی موارد می‌تواند عاملی در جهت کاهش دقت آنها باشد. یکی از تحقیقات اخیر بر این موضوع صحه می‌گذارد.

تجهیزات موسوم به NISQ کامپیوترهای کوانتومی کاملی نیستند، چرا که سطح نویز قابل توجهی دارند و از تعداد کمی کیوبیت برخوردار هستند. با این وجود، برخی بر این باورند که این دستگاه‌ها از قابلیت‌هایی فراتر از رایانه‌های کلاسیک برای انجام برخی وظایف خاص برخوردار هستند. برای نمونه می‌توان به موضوع نمونه‌برداری از برخی توزیع‌های احتمال اشاره نمود. با این حال، یک سوال بزرگ باقی می‌ماند: آیا آنها می‌توانند در مسائل عملی مطرح در شیمی، هوش مصنوعی یا سیستم‌های مالی از کامپیوترهای کلاسیک بهتر عمل کنند؟ این سؤال از آن جایی مهم است که سطح نویز این دستگاه‌ها محدودیت‌های جدی در نتایج آنها ایجاد می‌کند.

سوال بزرگ باقی می‌ماند: آیا آنها می‌توانند در مسائل عملی مطرح در شیمی، هوش مصنوعی یا سیستم‌های مالی از کامپیوترهای کلاسیک بهتر عمل کنند؟ این سؤال از آن جایی مهم است که سطح نویز این دستگاه‌ها محدودیت‌های جدی در نتایج آنها ایجاد می‌کند.

کاربرد این دستگاه‌ها در مواردی مانند بهینه‌سازی، شبیه‌سازی کوانتومی یا یادگیری ماشینی در حال مطالعه است. به طور مشخص، می‌توان مسائل بهینه‌سازی کلاسیک را مورد توجه قرار داد که به طور مشابهی مورد توجه صنعت و دانشگاه هستند. این مسائل که به صورت معمول در موقعیت‌های واقعی مطرح می‌شوند، صورت‌بندی بسیار دشواری دارند، منابع محاسباتی قابل توجهی را مصرف می‌کنند و در بسیاری موارد در عمل غیرقابل حل هستند؛ چرا که یافتن راه حل آنها بسیار زمان‌بر خواهد بود. برای نمونه می‌توان به مسئله‌ی یافتن سریع‌ترین مسیر برای پیک‌هایی که بسته‌ها را تحویل می‌دهند، یا برخی دیگر از مسائل بهینه سازی عملی در حوزه‌ی مهندسی، اقتصاد یا علوم کامپیوتر اشاره نمود. این امیدواری وجود دارد که کامپیوترهای NISQ راهکاری برای افزایش سرعت حل این مسائل ارائه دهند. اگر چه تاکنون، شواهدی مبنی بر عملکرد بهتر این تجهیزات برای حل مسائل بهینه‌سازی کلاسیک در مقایسه با کامپیوترهای کلاسیک دیده نشده است و مشخص نیست که آیا در آینده این چنین خواهد شد یا نه.

در تحقیقی که اخیراً در مجله PRX Quantum منتشر شده است ، گیلرمو گونزالس و راهول تریودی، به عنوان اعضای تیمی به سرپرستی ایگناسیو سیراک از موسسه کوانتوم اپتیک ماکس پلانک، به تحلیل نظری تأثیر نویز بر کیفیت راه‌حل‌های به دست آمده از دستگاه‌های NISQ پرداختند. یافته‌های آنها نشان می‌دهد که خطای دستگاه‌های NISQ ممکن است برای محاسبات بهینه سازی کلاسیک از آنچه قبلاً انگاشته شده بود، مضرتر باشد.

همان‌طور که پیش از این اشاره شد، این موضوع در اثر درهمتنیدگی رخ می‌دهد. هنگامی که دو کیوبیت در همتنیده می‌شوند، یک همبستگی قوی بین آنها ایجاد می‌شود و تغییر وضعیت یکی از کیوبیت‌ها فوراً بر دیگری اثر می‌گذارد. بدون پدیده‌ی درهمتنیدگی، محاسبات کوانتومی غیر ممکن خواهد بود. با این حال، این محققان دریافته‌اند که درهمتنیدگی کوانتومی ممکن است یک شمشیر دو لبه باشد: در حالی که برای استفاده از ظرفیت محاسباتی رایانه‌های کوانتومی ضروری است، مکانیسم‌های مربوط به آن در یک مدار کوانتومی می‌توانند به انتشار خطای دستگاه‌های NISQ منجر شود. این گروه در تحقیق خود، مدلی را بر اساس «مدارهای تصادفی» پیشنهاد می‌کند که نشان می‌دهد در زمان درهمتنیدگی، یک خطا در یک کیوبیت می‌تواند به سرعت به سایرین منتقل شود. بر این اساس، مدارهای کوانتومی به احتمال زیاد مزیت خود را در مقایسه با الگوریتم‌های کلاسیک از دست می‌دهند. در نتیجه، تلاش برای محدود کردن انتشار خطاها، درک بهتر موقعیت‌هایی که انتشار سریع خطاها را به دنبال دارند و شناسایی مشخصات مدارهایی که از انتشار خطای کمتری برخوردار هستند، مهم خواهد بود.

به طور خلاصه، این گروه دریافتند که پدیده‌ی «انتشار خطا» که در اثر درهمتنیدگی رخ می‌دهد، می‌تواند مشکل بزرگی برای کامپیوترهای NISQ ایجاد کند. نتایج این تحقیق نشان می‌دهد که پدیده‌ی انتشار خطا باید در هنگام طراحی الگوریتم‌های کوانتومی برای این کامپیوترها در نظر گرفته شود تا طراحی مدارهای بهتر با در نظر گرفتن محدودیت‌های سخت افزاری فعلی ممکن شود.