IonQ и Synopsys представили результаты совместной работы, в которой квантовый алгоритм встроили в реальный инженерный workflow для конечных элементных расчетов. По данным исследователей, гибридная схема сократила полное время симуляции на 5,9–14,6% в зависимости от задачи.
Речь идет не о полной замене классического суперкомпьютера квантовой машиной. Квантовая часть решает узкий этап — задачу разбиения графа, от которой зависит эффективность дальнейших линейных расчетов. Основная физическая симуляция по-прежнему выполняется классической инфраструктурой.
Что произошло
Исследователи интегрировали Iterative-QAOA, квантовый алгоритм оптимизации, в LS-DYNA — широко используемую систему мультифизического инженерного моделирования. Цель состояла в том, чтобы уменьшить так называемый fill-in при решении больших разреженных систем линейных уравнений и тем самым ускорить весь расчет.
Эксперименты проводились на нескольких промышленных моделях: автомобиле, компоненте промышленного сверлильного оборудования, крыльчатке и сборке реактивного двигателя. Размер расчетных сеток достигал 35 миллионов элементов. Часть экспериментов моделировалась на системах до 150 кубитов, а физическое выполнение отдельных квантовых этапов проверялось на 36-кубитном trapped-ion компьютере IonQ Forte.
В опубликованной работе авторы сообщают, что выигрыш end-to-end времени составлял не менее нескольких процентов во всех рассмотренных сценариях и достигал примерно 15% в лучших случаях. В пресс-релизе IonQ максимальное значение уточняется как 14,6%.
Важно, что измерялось не только время отдельного квантового подалгоритма, а суммарное время инженерного workflow. Это делает результат более практичным, чем сравнение отдельных математических операций вне реальной цепочки расчета.
При этом исследователи не утверждают универсального quantum advantage. Значительная часть результатов получена в гибридной схеме, а масштабные варианты до 150 кубитов выполнялись численно. Физическая проверка на реальном квантовом оборудовании проводилась на меньшем числе кубитов.
Почему это важно
Одна из главных проблем прикладного квантового компьютинга заключается в том, что ускорение отдельного шага не всегда уменьшает общее время задачи. Дополнительные затраты на подготовку данных, связь с квантовым процессором и последующую обработку могут полностью съесть выигрыш.
В работе IonQ и Synopsys оценивался именно полный цикл, поэтому результат интересен как попытка показать пользу квантового подалгоритма внутри привычного промышленного программного обеспечения.
Даже улучшение порядка 10–15% может быть заметным для инженерных симуляций, которые выполняются часами или днями и многократно повторяются при проектировании автомобилей, двигателей, энергетического оборудования и других сложных систем.
Пока это исследовательский результат, а не доказательство того, что quantum computing уже выгоднее классических методов в массовом производстве. Но направление выглядит практичным: вместо ожидания полностью fault-tolerant машин квантовый модуль используется как ускоритель одного узкого этапа внутри существующего вычислительного процесса.
