Så testades den svenska kvantdatorn med ett realistiskt problem

1 | Vad är det ni har lyckats göra?

– Vi har uppdraget att bygga en svensk kvantdator, och vi vill bygga den utifrån vilka problem som kan vara relevanta att lösa. Min kollega Göran Johansson tog kontakt med ett företag som optimerar flygrutter. De föreslog att vi skulle arbeta med problemet att på bästa sätt tilldela flygplan till flygturer.

– Det finns en algoritm som heter QAOA (Quantum Approximate Optimization Algorithm) som potentiellt skulle kunna snabba upp den här beräkningen med hjälp av en kvantdator. Vi skalade ned det verkliga beräkningsproblemet till ett mindre antal variabler, och testade algoritmen i en teoretisk simulering med 25 kvantbitar. Sedan gick vi till labbet och prövade den i ett experiment med två kvantbitar. Så kunde vi demonstrera att det är möjligt att använda en kvantdator för att hitta en riktig lösning på ett verkligt beräkningsproblem på ett effektivt sätt.

2 | Vad betyder de här resultaten för att föra fältet framåt?

– Algoritmen är av en typ där man räknar iterativt, alltså upprepar beräkningen flera gånger. Sannolikheten att få det bästa svaret ökar med antalet iterationer. I praktiken har en kvantdator något som kallas dekoherens, då den tappar sina kvantegenskaper, som gör att det finns ett visst antal iterationer som ger det bästa resultatet och sedan blir det sämre igen.

– Vi var först i världen med att visa att vi verkligen har större sannolikhet att få rätt svar när vi itererar mer än en gång. Nu har en annan forskargrupp i samma europeiska samarbete tagit vid och utökat experimentet till sju kvantbitar.

3 | Vad var svårt och utmanande med arbetet med den här algoritmen?

– För mig personligen var det väldigt annorlunda att arbeta med en så kallad heuristisk algoritm. Det betyder att vi inte har ett matematiskt bevis, men det finns anledningar att förvänta oss att den ger en fördel för en kvantdator. Resultatet blir också approximativt, och då gäller det att beskriva hur bra approximationen blir.

– Jag är van att sikta på exakta resultat och att förstå exakt vad som händer. I det här fallet vet vi inte om det kommer att fungera i slutänden, men det är något som kan prövas på dessa små kvantdatorprototyper. Fördelen är också att den är mindre känslig för fel och dekoherens än vissa andra algoritmer.