Klasik simülasyon — kuantum devreyi bilgisayarda izlemek

Klasik bir bilgisayar için bir sistemin simülasyonu, o sistemin durumunu bellekte tutmak ve zamanla nasıl değiştiğini hesaplamak demektir. Bir topun hareketini simüle ederken konum ve hız tutarsınız; bir elektrik devresini simüle ederken voltajları ve akımları tutarsınız. Kuantum devrede ise tutulması gereken şey, her olası bit dizisinin başındaki karmaşık genliktir. Birkaç kübit için bu masum görünür; kübit sayısı arttığında tablo üstel büyür.

Önceki sayfalarda kübitin tek başına iki temel durum arasında yaşadığını gördük: Qubit ve Bloch küresi sayfası bunu geometrik olarak anlattı; Kapı işlemleri sayfası bu durumun üniterlerle nasıl hareket ettiğini gösterdi; Ölçüm ve çökme sayfası da sonunda bu durumdan klasik bit çıktısının nasıl alındığını açıkladı. Klasik simülasyon sorusu, bu üç parçayı dışarıdan izleme sorusudur: “Devrenin bütün genliklerini klasik RAM içinde tutup, her kapıdan sonra güncelleyebilir miyiz?”

Klasik bit sayısı ile kuantum durum boyutu aynı şey değil

Klasik bir bilgisayarda 50 bitlik bir kayıt, o anda tek bir 50 bitlik değere sahiptir. Örneğin kayıt ya 000...0’dır ya da başka bir bit dizisidir. Bu değeri saklamak için 50 bit yeterlidir. Aynı sayıda kübit ise ölçülmeden önce bütün 50 bitlik dizilerin genliklerini aynı anda taşıyabilir. Bu, “aynı anda bütün cevapları ücretsiz hesaplıyor” anlamına gelmez; ama klasik simülatör açısından bütün bu olasılık dallarının katsayılarını takip etmek gerekir.

Bu ayrımı yanlış anlamamak önemli. Kuantum bilgisayarın üstünlüğü, “bütün olası girdileri tek seferde hesaplayıp okuyabilmek” değildir; ölçüm sonunda yalnızca bir klasik sonuç alınır. Güç, kapıların bu genlikler arasında girişim kurabilmesinden gelir: yanlış cevapların genlikleri birbirini söndürür, doğru cevap için genlikler desteklenir. Klasik simülatörün zorluğu da buradadır: bu görünmez genlik oyununu tam izlemek istiyorsa, olasılık dağılımından fazlasını saklamak zorundadır.

Simülasyon, sonucu tahmin etmekten daha fazlası olabilir

“Bir kuantum devreyi simüle etmek” cümlesi birkaç anlama gelebilir. Bazen tüm durum vektörünü isteriz: her bit dizisinin genliği nedir? Bazen yalnızca ölçüm sonuçlarından örnek almak yeterlidir: devreyi çalıştırmış gibi bir bit dizisi üret. Bazen de tek bir olasılığı sorarız: belirli bir çıktının gelme ihtimali nedir? Bu üç görev aynı zorlukta değildir. Tüm durum vektörünü yazmak en ağırıdır; örnekleme bazı özel devrelerde daha kolay olabilir; tek olasılık hesabı ise devrenin yapısına göre bazen kısa yol bulabilir, bazen tam durum vektörü kadar pahalı olabilir.

Bu yüzden “klasik bilgisayarlar kuantumu simüle edemez” cümlesi fazla kabadır. Küçük devreler simüle edilir, özel devreler çok iyi simüle edilir, düşük dolanıklıklı fizik sistemleri güçlü tekniklerle simüle edilir. Zor olan, genel ve derin kuantum devrelerin, çok sayıda kübit üzerinde yüksek dolanıklık üretmesidir. Bu durumda klasik simülatörün kullanabileceği basit sıkıştırma yolu kalmayabilir.

Bir harita benzetmesi

Durum vektörünü bir ülkenin ayrıntılı haritası gibi düşünebilirsiniz. Birkaç sokaklık küçük bir mahalle için her taşı, her lambayı gösteren harita üretmek kolaydır. Bütün bir ülkeyi aynı ayrıntı seviyesinde çizmek ise hem kâğıt hem zaman ister. Kuantum simülasyonda kübit sayısı arttıkça “haritanın çözünürlüğü” üstel büyür: 10 kübitte 1024 genlik, 30 kübitte yaklaşık bir milyar genlik, 50 kübitte ise bir katrilyondan fazla genlik vardır. Klasik bilgisayarın problemi, fiziksel cihazda doğal olarak duran bu yapıyı tek tek yazmaya çalışmasıdır.

Klasik simülasyon maliyetini anlamanın en kısa yolu, durum vektörünün boyutunu saymaktır. n kübitlik saf bir durum, hesaplama tabanındaki 2^n farklı bit dizisi için birer karmaşık genlik taşır. Her genlik gerçek ve sanal parçadan oluştuğu için, çift duyarlıklı sayılarla saklandığında genellikle 16 byte yer kaplar. Bu küçük çarpan, üstel büyüme yüzünden çok hızlı biçimde devasa belleğe dönüşür.

Basit bellek hesabı

Tam durum vektörü simülasyonunda bellek yaklaşık olarak şudur:

bellek ≈ 16 × 2^n byte.

30 kübit için bu yaklaşık 16 GB eder; güçlü bir masaüstü bilgisayarda sınırda ama mümkündür. 35 kübitte 512 GB civarına çıkarsınız; artık tek makine için zorlaşır. 40 kübit yaklaşık 16 TB ister; 50 kübit ise yaklaşık 16 PB mertebesindedir. Bu sayı yalnızca durum vektörünü tutmak içindir; ara kopyalar, paralel dağıtım, kapı uygulama tamponları ve çıktı analizi dahil değildir. Simülasyonun “hafızaya sığmama” problemi çoğu zaman zaman probleminden bile önce gelir.

Kapı uygulamak ne kadar sürer?

Tek kübitlik bir kapı, durum vektöründeki genlik çiftlerini karıştırır. Örneğin bir X ya da Hadamard kapısı, hedef kübitin 0 ve 1 olduğu genlik çiftleri üzerinde çalışır. Vektörün tamamını gezmeniz gerektiği için maliyet yaklaşık O(2^n) olur. İki kübitlik kapılar da aynı ölçekten kaçmaz; yalnızca daha büyük küçük bloklar üzerinde çalışırlar. Dolayısıyla devrede G kapı varsa, kaba tam durum vektörü maliyeti O(G · 2^n) gibi düşünülür.

Bu formül ilk bakışta moral bozucu görünür, ama pratikte çok şey donanım düzenine bağlıdır. Durum vektörü bellekte ardışık duruyorsa bazı kapılar önbelleğe iyi oturur; hedef kübit yüksek indeksliyse bellek erişimi daha düzensiz olur. GPU kullanımı büyük kazanç sağlayabilir; çünkü aynı küçük matris işlemi milyonlarca genlik çiftine paralel uygulanır. Fakat GPU da aynı bellek sınırına çarpar: hız kazandırır, üstel büyümeyi ortadan kaldırmaz.

30 kübit kolay, 50 kübit neden dev bir sıçrama?

Üstel büyümenin sezgisel tuzağı şudur: 30’dan 50’ye yalnızca 20 ek kübit varmış gibi görünür. Oysa her ek kübit, durum vektörünün boyutunu ikiye katlar. 20 ek kübit, toplam maliyeti yaklaşık bir milyon kat artırır. 30 kübitlik bir devreyi bellekte tutmak mümkünken, 50 kübitte aynı yaklaşım süperbilgisayar ölçeğine taşar.

Bu yüzden “kaç kübit?” sorusu tek başına yeterli değildir, ama yine de güçlü bir ilk göstergedir. Kübit sayısı arttıkça, tam durum simülasyonunun belleği önce RAM’i, sonra tek makineyi, sonra küme ağını zorlar. Devre derinliği arttıkça zaman maliyeti büyür. Dolanıklık arttıkça özel sıkıştırma teknikleri etkisini kaybeder. Gerçek zorluk bu üç eksenin birlikte büyümesidir.

Tam matris neden kullanılmaz?

Bazen yeni başlayanlar bütün devreyi tek bir büyük matris olarak yazmayı düşünür. Bu teorik olarak doğrudur: n kübitlik her devre, 2^n × 2^n boyutlu bir üniter matristir. Ama bu matrisin eleman sayısı 4^n olur; durum vektöründen bile çok daha hızlı büyür. 20 kübit için durum vektörü yaklaşık bir milyon genlikken, tam matris yaklaşık bir trilyon eleman içerir. Bu yüzden simülatörler genelde devreyi kapı kapı uygular; büyük matrisi hiç oluşturmadan, küçük kapıların yerel etkisini durum vektörüne işler.

Örnekleme, tüm dağılımı yazmaktan farklıdır

Bir devrenin tüm olasılık dağılımını yazmak, 2^n olasılığı tek tek vermek demektir. Oysa gerçek donanım her çalıştırmada yalnızca bir bit dizisi döndürür. Bu nedenle bazı uygulamalarda tüm dağılım yerine yalnız örnek almak yeterlidir. Ne var ki genel devrelerde doğru dağılımdan örnek almak da kolay değildir; çünkü örnek alabilmek için arka planda genliklerin nasıl girişim yaptığını doğru bilmek gerekir. “Tüm tabloyu yazmıyorum” demek her zaman “iş kolayladı” demek değildir; yalnızca hedef görevin değiştiği anlamına gelir.

Kuantum simülasyonu hakkında en sık yapılan hata, her kuantum devrenin klasik bilgisayar için otomatik olarak zor olduğunu sanmaktır. Bu doğru değildir. Bir devre kuantum kapılarından oluşsa bile özel bir yapıya sahipse klasik simülatör onu çok hızlı takip edebilir. Zorluk genellikle üç şey bir araya geldiğinde belirir: çok sayıda kübit, yeterli derinlik ve geniş dolanıklık. Bu bölüm, hangi devrelerin kolay, hangi devrelerin zor görünmeye başladığını ayırır.

Ürün durumları kolaydır

Eğer n kübitlik bir durum her zaman tek tek kübitlerin çarpımı olarak kalıyorsa, onu simüle etmek kolaydır. Çünkü ortak dev durum vektörünü saklamak yerine her kübit için küçük bir iki bileşenli vektör tutabilirsiniz. Böylece bellek 2^n yerine n ile ölçeklenir. Yalnızca tek kübit kapılarından oluşan bir devre bu sınıftadır: ne kadar çok kübit olursa olsun, kübitler birbirine bağlanmadığı sürece ortak durumun tamamını yazmaya gerek yoktur.

Buradan önemli bir ders çıkar: kuantumun klasik simülasyonu zorlaştıran tarafı tek başına süperpozisyon değildir. Her kübit kendi başına süperpozisyonda olabilir ve yine de simülasyon kolay kalabilir. Zorluğu büyüten şey, kübitlerin durumlarının birbirinden bağımsız yazılamaması, yani dolanıklık üretmesidir.

Dolanıklık sıkıştırmayı bozar

Dolanık bir durum, parçalarına ayrılarak anlatılamaz. Bell çifti bunun en küçük örneğidir: iki kübitin ortak durumu tek tek iki kübit durumunun çarpımı olarak yazılamaz. İki kübitte bu sorun küçük görünür; ama devre büyüdükçe dolanıklık farklı bölgeler arasında yayılır ve klasik simülatörün “şu kısmı ayrı, bu kısmı ayrı tutayım” diye kullanabileceği kestirme yollar azalır.

Tensor network yöntemlerinin başarısı tam olarak burada belirlenir. Eğer devrenin dolanıklığı belli kesitlerde düşük kalıyorsa, durum küçük tensörlerin ağı olarak saklanabilir. Ama dolanıklık geniş alana yayılırsa, bu ağın bağlantı boyutları büyür ve yöntem yeniden üstel maliyete yaklaşır. Yani dolanıklık “kuantum gizemi” olduğu kadar, klasik simülasyon için somut bir bellek maliyetidir.

Clifford devreler: şaşırtıcı derecede kolay

Bazı devre aileleri çok sayıda kübit ve dolanıklık içerse bile klasik olarak kolay simüle edilir. En ünlü örnek Clifford devreleridir: Hadamard, S ve CNOT gibi kapılardan oluşan devreler stabilizer formalizmiyle polinom zamanda takip edilebilir. Bu, Gottesman-Knill teoreminin söylediği şeydir. Clifford devreler Bell durumları ve hata düzeltme sendromları gibi güçlü kuantum yapılar üretebilir, ama yine de klasik bilgisayar için özel bir kısa gösterimleri vardır.

Burada güzel bir sınır çizgisi vardır: Clifford devreye T kapısı gibi Clifford dışı küçük bir kapı eklendiğinde, genel durumda simülasyon hızla zorlaşır. Hata düzeltmeli kuantum hesaplamada T kapısının pahalı sayılmasının bir sebebi de budur; yalnız fiziksel uygulanması değil, klasik simülasyon açısından da devreyi “kolay aile”nin dışına taşır.

Düşük derinlik her zaman kolay mı?

Düşük derinlikli devreler genellikle daha kolaydır, çünkü dolanıklığın devre boyunca uzağa yayılması için zaman azdır. Özellikle iki boyutlu bir ızgara üzerinde yalnız komşu kapılar kullanılıyorsa, düşük derinlik tensor network kesitlerini kontrol altında tutabilir. Fakat bu garanti değildir. Bazı düşük derinlikli örnekleme devreleri, özel amaçlı klasik yöntemlerle bir yere kadar simüle edilebilirken, parametreler büyüdüğünde klasik sınırları zorlamak için tasarlanmıştır. Kuantum üstünlüğü deneylerinde kullanılan rastgele devre örnekleme fikri tam olarak bu bölgededir.

Simülasyonun kolaylığı algoritmanın faydasını belirler mi?

Bir devrenin kolay simüle edilmesi, onun işe yaramaz olduğu anlamına gelmez. Clifford devreler kuantum hata düzeltmenin kalbinde yer alır; düşük dolanıklıklı devreler fizik modelleri için çok değerli olabilir. Ama bir algoritmanın klasik bilgisayara karşı hız avantajı iddia etmesi için, yalnız kuantum devrede çalışması yetmez; aynı işin klasik tarafta bilinen yöntemlerle kolay yapılmadığını da göstermek gerekir. Bu yüzden algoritma sayfalarında “kuantum kapı sayısı” kadar “en iyi klasik yaklaşım ne?” sorusu da önemlidir.

Tek bir “kuantum simülatörü” yoktur; hedefe ve devrenin yapısına göre farklı yöntemler kullanılır. Bazıları her şeyi eksiksiz tutar ama hızla belleğe çarpar. Bazıları özel yapıdan yararlanır ve çok daha büyük devreleri kaldırır. Bazıları gürültüyü modellemek için daha pahalı ama gerçekçi yöntemler kullanır. Aşağıdaki tablo bu sayfanın tek yoğun referansı olsun: hangi yöntem neyi iyi yapar, nerede zorlanır?

Durum vektörü simülatörü: en doğrudan yol

Eğitimde en anlaşılır simülatör türü durum vektörü simülatörüdür. Devrenin başında genellikle tüm genlikler sıfır, yalnız |00...0⟩ genliği birdir. Her kapı geldiğinde simülatör bu büyük vektörü yerel olarak günceller. Avantajı sadeliktir: devrenin tam saf durumunu her an bilirsiniz. Dezavantajı da aynı sadelikten gelir: hiçbir şeyi sıkıştırmaz, her genliği tutar. Küçük devrelerde mükemmel, büyük genel devrelerde pahalıdır.

Stabilizer simülasyon: özel yapının gücü

Stabilizer simülasyon, “tüm genlikleri yazmak zorunda değiliz; bazı durumlar daha kısa kurallarla anlatılabilir” fikrinin en güzel örneğidir. Clifford kapıları Pauli operatörlerini Pauli operatörlerine taşıdığı için, durumun tamamı birkaç stabilizer üreteciyle takip edilebilir. Bu, milyonlarca genliği tek tek yazmadan çok büyük Clifford devreleri simüle etmeyi mümkün kılar. Ancak bu kısa gösterim T kapısı gibi Clifford dışı işlemler geldiğinde bozulur; o zaman ek teknikler gerekir ve maliyet yeniden büyümeye başlar.

Tensor network: “her şeyi tablo yapma, bağlantıyı izle”

Tensor network yaklaşımı, devreyi küçük parçaların bağlantı ağı olarak görür. Her kübit, her kapı ve her ölçüm küçük bir tensör gibi düşünülür; sonuç, bu ağın uygun sırayla büzülmesiyle hesaplanır. Eğer ağın bazı kesitleri dar kalıyorsa, tam durum vektörünü hiç oluşturmadan büyük devrelerin belirli sonuçları hesaplanabilir. Bu yöntem özellikle bir boyutlu veya düşük dolanıklıklı fizik sistemlerinde çok başarılıdır. Fakat ağın geniş kesitleri varsa, büzme sırasında ara tensörler dev boyuta çıkar ve yöntem avantajını kaybeder.

Gürültülü simülasyon neden daha pahalı?

Saf durum vektörü, kapalı ve gürültüsüz bir sistem varsayar. Gerçek donanımda ise dekoherens, kapı hatası, okuma hatası ve çevreyle etkileşim vardır. Bunları eksiksiz modellemek için yoğunluk matrisi gerekir; bu da boyutu kabaca durum vektörünün karesi kadar büyütür. Bu yüzden gürültülü simülasyon daha gerçekçidir ama çok daha pahalıdır. Bazı durumlarda Monte Carlo trajectory gibi yöntemlerle gürültülü sistemi çok sayıda saf yörüngeye ayırıp yaklaşık hesaplamak mümkün olur; ama bu da istatistiksel hata ve çok tekrar anlamına gelir.

Klasik simülasyon yalnız ideal devreyi izlemek değildir. Gerçek kuantum donanımını anlamak istiyorsak gürültü, ölçüm hataları ve shot istatistiği de modele girer. Bu bölüm, simülasyon maliyetinin neden yalnız “kaç kübit var?” sorusuyla bitmediğini açıklar. Aynı devre, ideal durumda kolayca simüle edilirken gerçekçi gürültü modeliyle çok daha pahalı hâle gelebilir.

İdeal simülasyon ile deney simülasyonu farklıdır

İdeal simülasyonda kapılar kusursuzdur, ölçüm yalnız Born kuralıyla örnek verir, kübitler çevreden izole kabul edilir. Bu, algoritmanın matematiksel iskeletini anlamak için çok değerlidir. Ama gerçek donanımda her kapı küçük hata yapar; kübitler zamanla faz bilgisini kaybeder; ölçüm cihazı bazen 0 yerine 1, 1 yerine 0 raporlar. Bu etkiler küçük görünse de derin devrelerde birikir ve sonuç dağılımını belirgin biçimde değiştirir.

Bu nedenle pratikte iki tür simülasyon yapılır: önce ideal simülasyon ile algoritmanın çalışıp çalışmadığı anlaşılır; sonra gürültülü simülasyon ile donanımda beklenen davranış incelenir. Aradaki fark, algoritmanın fiziksel cihazda ne kadar kırılgan olduğunu gösterir. Eğer ideal simülasyon doğru, gürültülü simülasyon kötü sonuç veriyorsa sorun algoritmanın matematiğinde değil; devre derinliği, kapı hataları veya ölçüm gürültüsündedir.

Shot sayısı simülasyonda da maliyettir

Ölçüm sayfasında gördüğümüz gibi, gerçek donanım her çalıştırmada tek bir bit dizisi döndürür. Klasik simülatör de istenirse aynı davranışı taklit eder: teorik dağılımdan çok sayıda örnek alır ve sayım tablosu üretir. Eğer yalnız ideal olasılıkları istiyorsak, durum vektöründen tam dağılım hesaplanabilir. Ama deney gibi görünmesini istiyorsak shot örneklemesi yaparız. Bu durumda sonuçlar her çalıştırmada küçük değişiklik gösterir; bu değişiklik hata değil, örnekleme istatistiğidir.

Shot sayısı arttıkça istatistiksel belirsizlik azalır, fakat çalışma süresi ve veri hacmi artar. Özellikle varyasyonel algoritmalarda aynı devre binlerce parametre adımı boyunca farklı tabanlarda tekrar ölçülür; burada simülasyon maliyeti yalnız tek devrenin maliyeti değil, bütün optimizasyon döngüsünün maliyetidir. Bu yüzden küçük bir devre bile, çok sayıda parametre ve çok sayıda shot ile toplamda ağır bir iş hâline gelebilir.

Gürültü modeli seçimi sonucu değiştirir

Gürültülü simülasyonda hangi hata kanalını kullandığınız önemlidir. Depolarizasyon hatası, genliği sönümleme, faz sönümleme, okuma hatası, iki kübit kapı hatası gibi modeller farklı fiziksel süreçleri temsil eder. Basit bir model hızlı olabilir ama cihaz davranışını kaçırabilir; ayrıntılı bir model daha gerçekçi olabilir ama simülasyonu çok ağırlaştırır. Bu nedenle gürültülü simülasyon bir “doğru cevap makinesi” değil, seçilen varsayımların sonucudur.

Dekoherens ve derinlik ilişkisi

Devre ne kadar derinse, kübitler o kadar uzun süre çevreyle etkileşir ve hata biriktirir. Bu yüzden gerçek donanımda kısa devreler genellikle daha güvenilirdir. Klasik simülasyon açısından da derinlik önemlidir: daha fazla kapı, daha fazla güncelleme; gürültülü modelde daha fazla kanal uygulaması; ölçüm örneklemesinde daha fazla tekrar demektir. Dolayısıyla “kübit sayısı aynı” olan iki devre arasında, daha derin olan hem fiziksel olarak daha gürültülü hem klasik olarak daha pahalı olabilir.

Doğrulama paradoksu

Kuantum bilgisayar büyüdükçe ortaya ilginç bir sorun çıkar: cihazın doğru çalıştığını nasıl kontrol edeceğiz? Küçük devreleri klasik simülatörle karşılaştırabiliriz. Ama simülasyon sınırını aşan devrelerde tam doğrulama mümkün olmayabilir; bunun yerine özel testler, kesit kontrolleri, düşük derinlikli alt devreler, çapraz entropi gibi istatistiksel ölçütler kullanılır. Kuantum üstünlüğü deneylerinde tartışmanın önemli kısmı tam da buradadır: klasik bilgisayarın yetişemediği yerde, cihazın doğru dağılımdan örnek aldığını nasıl güvenle söyleriz?

Bu temel sayfanın asıl amacı, algoritma sayfalarına geçerken “klasik simülasyon” ifadesini doğru okumayı sağlamaktır. Bir algoritmanın Qiskit, Cirq veya PennyLane örneğini çalıştırdığınızda, çoğu zaman önce klasik bir simülatörde test edersiniz. Bu test gerçek kuantum donanım değildir; ama devrenin mantığını, ölçüm dağılımını ve küçük örneklerde beklenen sonucu anlamanın en güvenli yoludur.

Algoritma sayfalarında simülatör ne yapar?

Bell durumu örneğinde simülatör, iki kübitlik durum vektörünü tutar ve ölçüm dağılımını verir; bu çok kolaydır. Grover örneğinde, küçük bir arama uzayı için oracle ve diffüzörün aranan girdinin genliğini büyüttüğünü izleyebiliriz. QFT ve faz tahmininde, sayaç kayıtlarındaki olasılık tepesini görebiliriz. Varyasyonel algoritmalarda ise simülatör, parametre güncellendikçe beklenen değerin nasıl değiştiğini hesaplar. Hepsi aynı genel fikirden beslenir: kuantum devrenin klasik taklidi, seçtiğimiz yöntemin kaldırabildiği ölçekte yapılır.

Shor ve Grover kıyası

Shor algoritması gibi büyük hız avantajı iddiası taşıyan algoritmalar, küçük örneklerde klasik simülatörde çalıştırılabilir. Bu, algoritmanın gerçekten klasik bilgisayarı yendiği anlamına gelmez; çünkü simüle edilen sayı küçük tutulur. Büyük sayılarda ise hem kuantum devre çok büyür hem klasik simülasyon maliyeti hızla patlar. Grover için de benzer bir durum vardır: küçük veritabanlarında devreyi simüle etmek kolaydır, fakat arama uzayı büyüdükçe durum vektörü üstel büyür. Eğitim sayfalarındaki örnekler algoritmanın mekaniğini gösterir; gerçek ölçeklenme iddiasını küçük örnekten doğrudan çıkarmaz.

VQE ve QAOA neden simülatörde sık kullanılır?

Varyasyonel algoritmalarda klasik simülatör çok yararlıdır çünkü devrenin küçük örneklerde nasıl öğrendiğini görmemizi sağlar. QAOA’da parametreler değiştikçe ölçüm dağılımı nasıl kayıyor? VQE’de Hamiltoniyen’in beklenen değeri düşüyor mu? Bu sorular simülatörde hızlıca denenebilir. Ama sistem büyüdükçe, özellikle Hamiltoniyen çok parçalı ve ansatz geniş dolanıklıklıysa, klasik simülasyonun kendisi darboğaz olur. Bu, kuantum makine öğrenmesi ve kuantum kimyası örneklerinde sık karşılaşılan pratik sınırdır.

Klasik simülasyon neden hâlâ vazgeçilmez?

Klasik simülasyonun pahalı olması, onu gereksiz yapmaz. Tam tersine, kuantum programlama sürecinin ilk güvenlik ağıdır. Bir devreyi donanıma göndermeden önce küçük ölçekte simülatörde çalıştırır, ölçüm dağılımının beklediğiniz gibi olup olmadığını kontrol eder, kapı sırasını doğrular, endianness hatalarını yakalarsınız. Gürültülü simülasyonla devrenin fiziksel cihazda ne kadar bozulacağını tahmin edersiniz. Büyük ölçekte simüle edemeseniz bile, küçük örnekler algoritma mantığını anlamak ve kodu test etmek için vazgeçilmezdir.

Kuantum avantajını doğru okumak

Bir kuantum algoritmasının avantaj iddiası, “bu devre klasik simülatörde yavaş çalıştı” demek değildir. Doğru kıyas, belirli bir problemi çözmek için bilinen en iyi klasik algoritmalarla kuantum yaklaşımın ölçeklenmesini karşılaştırır. Bazen kuantum devre simülasyonu pahalıdır ama aynı problemin klasik çözümü yine de kolaydır; bu durumda kuantum devre kullanmanın avantajı yoktur. Bazen de klasik simülasyon ve klasik problem çözümü ikisi birden zorlaşır; kuantum algoritma burada anlam kazanır. Bu ayrım, abartılı “kuantum her şeyi hızlandırır” yorumlarından kaçınmanın en iyi yoludur.

Bu sayfadan sonra nasıl okumalı?

Algoritma sayfalarına geçtiğinizde her örnekte şu üç soruyu sorabilirsiniz: Birincisi, devre kaç kübit ve ne kadar derin? İkincisi, devre özel bir kolay aileye mi ait, yoksa geniş dolanıklık ve Clifford dışı kapılar içeriyor mu? Üçüncüsü, simülasyon sonucu tam durum vektörü mü, ölçüm sayımı mı, yoksa gürültülü deney taklidi mi? Bu üç soru, örnek kodun neden hızlı ya da yavaş çalıştığını, hangi ölçekte donanıma geçmenin anlamlı olduğunu ve klasik kıyasın nerede başladığını anlamanızı sağlar.

Hazırlık zincirini tamamlamak için önce Qubit ve Bloch küresi, sonra Kuantum kapı işlemleri ve Ölçüm ve çökme sayfalarına dönebilirsiniz. Somut algoritmalara geçmek için ana sayfadaki algoritma haritası iyi bir başlangıç noktasıdır.