گوگل در حال رقابت برای ساخت اولین کامپیوتر کوانتومی است که از توانایی حل مشکلی که کامپیوترهای معمولی قادر به برطرف آن نیستند، برخوردار است؛ و این مشکل، چالش ساخت این کامپیوتر کوانتومی را سخت‌تر کرده‌است.
مقاله مرتبط: یک الگوریتم کلاسیک یادگیری ماشین کوانتومی می‌شود
کسب “برتری کوانتومی” همانطور که شناخته شده‌است، شامل ساخت ابزاری است که می‌تواند یک مشکل را سریع‌تر از هر کامپیوتر غیر کوانتومی دیگری برطرف کند.
در سال ۲۰۱۶ یک تیم تحقیقاتی تحت هدایت Sergio Boixi، مطالعه‌ای در Google منتشر کرد که نشان می‌داد حتی با سوپر کامپیوترهای بسیار پیشرفته، شبیه سازی رفتار یک مدار کوانتومی با ۴۸ کوبیت (بیت‌های کوانتومی) در عمق مداری ۴۰، نشدنی است. یکی از جنبه‌های این مورد، پیچیده بودن آن است.
ولی اکنون، Boixo و همکارانش یک الگوریتم کلاسیک یا غیر کوانتومی طراحی کرده‌اند که می‌تواند یک مدار کوانتومی را با ۴۹ کوبیت در عمق ۴۸ شبیه سازی کند. به بیان دیگر، کامپیوترهای معمولی دوباره به سطح اول باز می‌گردند.
الگوریتم جدید آنها تنها پاسخ‌های تقریبی به دست می‌دهد که منجر به بروز خطاهایی می‌گردد. این مورد قابل قبول است، زیرا کامپیوترهای کوانتومی کنونی نیز خطاهای کوچکی ایجاد می‌کنند؛ بدین معنی که شما باید محاسبات را به دفعات تکرار کنید تا به پاسخ صحیح دست یابید. با تطبیق دادن اندازه این خطاها، تیم Boxio می‌تواند کامپیوترهای معمولی را در رقابت با رقبای کوانتومی‌شان، یاری کند.
Boxio و همکارانش دریافتند آنها می‌توانند خروجی یک مدار ۴۹ کوبیتی در عمق ۴۸ را با ۰.۵ درصد خطا در محاسبات، شبیه سازی کنند. آنها تخمین می‌زنند این رویکرد برای خدمات محاسباتی ابری گوگل، ۱ میلیون دلار هزینه خواهد داشت. با اینکه از نظر علمی ممکن است، گران نیز می‌باشد (arxiv.org/abs/1807.10749).
Ciaran Lee از کالج لندن اذعان دارد این رویکرد منطقی است. “قادر ساختن کامپیوترهای کلاسیک بمنظور شبیه سازی تقریبی خروجی، منصفانه بنظر می‌رسد.” در نظر گرفتن هزینه بعنوان یک فاکتور در تصمیم گیری درباره اینکه آیا یک سیستم می‌تواند برتری کوانتومی را کسب کند، رقابت را بیشتر به دنیای واقعی وارد می‌کند.
