Turbulencja w cieczy lub powietrzu to zjawisko niezwykle dynamiczne, gdzie wiele wzajemnie oddziałujących wirów tworzy chaotyczne wzorce, które są niemożliwe do dokładnego symulowania nawet dla najbardziej zaawansowanych superkomputerów. Choć komputery kwantowe oferują potencjalnie skuteczne rozwiązania, ich obecne możliwości są ograniczone do podstawowych demonstracji.
Aby uprościć symulacje turbulencji, naukowcy od dawna stosują przybliżone modele oparte na prawdopodobieństwie. Jednak nawet takie podejście wiąże się z gigantycznym obciążeniem dla tradycyjnych systemów obliczeniowych, sprawiając, że problem staje się trudny do rozwiązania w praktyce. W tym miejscu pojawiają się algorytmy inspirowane komputerami kwantowymi.
Zespół badaczy z Uniwersytetu Oksfordzkiego, kierowany przez Nikitę Gourianova, opracował nowatorskie podejście wykorzystujące sieci tensorowe – narzędzie wywodzące się z fizyki. Sieci tensorowe umożliwiają efektywne przedstawienie rozkładów prawdopodobieństwa związanych z turbulencją. Dzięki temu klasyczne komputery mogą wykorzystywać algorytmy inspirowane mechaniką kwantową, by osiągać wyniki znacznie szybciej.
Algorytmy te wykorzystują sposób myślenia znany z symulacji kwantowych, co pozwala na radykalne przyspieszenie obliczeń zarówno w teorii, jak i w praktyce. Przykładowo, zespół badawczy przeprowadził symulację na standardowym laptopie w zaledwie kilka godzin. Zadanie to wcześniej wymagało kilku dni pracy superkomputera, jednocześnie zmniejszając zapotrzebowanie na moc obliczeniową aż 1000-krotnie oraz pamięć operacyjną 1 000 000-krotnie.
Jak wyjaśnia Gunnar Möller z Uniwersytetu Kent, problem turbulencji, który obejmuje dane w pięciu wymiarach, jest wręcz „koszmarem obliczeniowym”. Nawet z wykorzystaniem superkomputera obliczenia te mogą zająć miesiące pracy. Wprowadzenie sieci tensorowych pozwala na drastyczne uproszczenie ilości danych koniecznych do wykonania symulacji, co znacząco redukuje wymagania sprzętowe. W praktyce naukowcy mogą kontrolować poziom precyzji poprzez dostosowywanie zakresu redukcji danych.
Sieci tensorowe odgrywały już kluczową rolę w rywalizacji między twórcami komputerów kwantowych a badaczami klasycznych systemów obliczeniowych. W 2019 roku Google ogłosiło osiągnięcie tzw. „kwantowej supremacji” dzięki komputerowi Sycamore, jednak później okazało się, że klasyczne obliczenia oparte na sieciach tensorowych są w stanie wykonać to samo zadanie w zaledwie 14 sekund. Chociaż Google ponownie przejęło prowadzenie dzięki najnowszemu komputerowi Willow, narzędzia takie jak tensorowe algorytmy pokazują, że klasyczne podejścia wciąż mogą mieć ogromne znaczenie.
Choć pełnowymiarowe kwantowe komputery, zdolne do precyzyjnego działania na dużą skalę, pozostają poza naszym zasięgiem, już teraz możemy osiągać niesamowite rezultaty dzięki inteligentnym algorytmom na tradycyjnych maszynach. Jak zauważa Möller, „Jeśli użyjemy tego algorytmu na superkomputerze, osiągniemy poziomy obliczeniowe, które dotychczas były poza naszym zasięgiem”. To oznacza, że nie musimy czekać kolejnych dziesięciu lat na perfekcyjne komputery kwantowe, aby cieszyć się znacznymi korzyściami wynikającymi z nowoczesnych technik.
