Quantum annealing - Wikipedia

/Quantum_annealing

  • Quantum Computing Gets Hardware Boost With Spin Glass Breakthrough
    https://www.techrepublic.com/article/quantum-computing-d-wave-spin-glass-advantage

    One of the challenges in quantum computing is overcoming 3D spin-glass optimization limitations, which can slow down quantum simulation meant to solve real-world optimization problems. An experimental solution is D-Wave’s Advantage quantum computer, running spin-glass dynamics (essentially a sequence of magnets) on 5,000 #qubits.
    […]
    The main takeaway for enterprises is that spin-glass computing on a #quantum_annealing device may eventually be able to efficiently solve optimization problems, achieving a goal with as little energy as possible. For example, it could be a relatively efficient way to answer questions such as “Should I ship this package on this truck or the next one?” or the ‘traveling salesman problem’ (“What is the most efficient route a traveling salesperson should take to visit different cities?”), as D-Wave wrote.

    D-Wave is one of the only companies that offers enterprise #quantum_computing space with both gate and annealing programs, which now includes its 5,000 qubit, commercial-grade Advantage quantum computer. There is still some question as to how practical this technology is, but the new paper is proof that further commercial quantum computing optimization can be performed on D-Wave’s hardware.

    #recuit_quantique
    #verre_de_spin
    #ordinateur_quantique

    Quantum annealing - Wikipedia
    (pas de vf)
    https://en.wikipedia.org/wiki/Quantum_annealing

    Quantum annealing (QA) is an optimization process for finding the global minimum of a given objective function over a given set of candidate solutions (candidate states), by a process using quantum fluctuations. Quantum annealing is used mainly for problems where the search space is discrete (combinatorial optimization problems) with many local minima; such as finding the ground state of a spin glass or the traveling salesman problem.

    • Petite confusion dans l’article de techrepublic et dans l’article wikipedia, qui mentionne le problème du voyageur de commerce comme étant un problème d’optimisation. C’est faux. Le problème du voyageur de commerce est un problème de décision (un problème dont la réponse est oui ou non).

      Définition possible (empruntée à l’excellent "complexity zoo") : « Given a set of n cities, and the distance between each pair of cities, is there a route that visits each city exactly once before returning to the starting city, and has length at most T ? »
      https://complexityzoo.net/Complexity_Zoo:N#np

      Alors vous me direz : il y a bien une histoire de longueur à optimiser. Oui et non : répondre au problème ne signifie pas nécessairement exhiber une solution.

      Après ça, à chaque problème de décision on peut associer un problème d’énumération permettant d’énumérer les solutions du problème. Et dans le cas du voyageur de commerce, ça nous donne un problème d’optimisation (j’énumère en essayant de converger vers le minima d’une fonction objectif).

      Bon et sinon sur ces histoires de quantum computing, c’est vachement intéressant mais pour l’instant on reste un peu sur sa faim. Le jour où on résoudra le problème SAT en un claquement de doigt ça commencera à m’intéresser :o).

    • Et moi qui pensait naïvement que les trajets du facteur étaient « optimisés » depuis belle lurette grâce à l’informatique, je réalise que non pas du tout !