fakta
Om kvanteinspirerede algoritmer
Kvanteinspirerede algoritmer er baseret på matematik, som fysikere har introduceret for at kunne simulere komplekse kvantesystemer. De involverer ofte meget komplekse konstruktioner , der effektivt kan repræsentere korrelationer mellem variable.
I modsætning til egentlige kvantealgoritmer, så kan kvanteinspirerede algoritmer køre på sædvanlige computere, men kan også tilpasses, så de kan køre på fremtidens kvantecomputere. Dette vil fremskynde sammenkoblingen mellem high performance computing og kvantecomputere.
En af de udbredte anvendelser af kvanteinspirerede algoritmer er i modeller til risikoanalyse inden for finanssektoren. Modellerne kræver typisk omfattende såkaldte Monte Carlo-simuleringer for at behandle et enormt antal scenarier, og det kræver meget computerkraft at få det nødvendige indblik hurtigt og præcist. En hurtig eksekvering af modellerne er vigtig for at kunne træffe kritiske beslutninger, som påvirker, hvordan en finansiel institution opererer.
Senest er kvanteinspirerede algoritmer blevet brugt til at løse optimeringsproblemer, herunder særligt kvanteinspirerede generative modeller. I et nyligt projekt med BMW demonstrerede Zapata fordelene ved sådanne modeller ved at anvende dem på et planlægningsproblem i produktionen. I projektets forskningsfase genererede en kvanteinspireret generativ model nye løsninger, der i 71% af tilfældene var bedre end eller mindst lige så gode som løsninger opnået med traditionelle optimeringsalgoritmer.
Denne tilgang fungerede særligt godt for problemer med det bredeste udvalg af løsningsmuligheder, hvilket tyder på, at kvanteinspirerede algoritmer kan være et effektivt værktøj til mere komplekse optimeringsproblemer.