Учёные сравнили производительность перспективной системы Advantage 2 (с улучшенной связностью кубитов и увеличенным временем когерентности) с тремя классическими методами: тензорными сетями MPS и PEPS, а также нейросетью, обученной предсказывать решения уравнения Шрёдингера. Тестирование началось с простой 8×8 цилиндрической решётки модели Изинга, где все подходы показали схожие результаты. Однако при увеличении времени эволюции системы и усложнении геометрии классические методы начали отставать.

Нейросеть давала неточности при длительном моделировании, PEPS не справлялся с масштабированием запутанности, а MPS, хотя и сохранял точность, потребовал бы «миллионов лет на суперкомпьютере Frontier для решения самых сложных задач». D-Wave выполнила расчёты за минуты.

Однако, как часто бывает в этой области, уже появились ответные работы. После публикации препринта статьи D-Wave в arXiv два новых исследования предложили оптимизированные классические алгоритмы, частично воспроизводящие её результаты. По словам Эндрю Кинга, ведущего учёного D-Wave, эти методы пока не охватывают самые сложные геометрии и требуют сокращения числа кубитов. Компания, в свою очередь, представила тестовый чип Advantage 2 с 4000 кубитов, на котором уже проводятся эксперименты с ещё более масштабными системами.

«Нашу работу стоит признать значимым прорывом», — заявил CEO D-Wave Алан Барац, отвечая на скепсис критиков. При этом в статье авторы осторожно отмечают: «Важно подтвердить, что даже с учётом ограничений классические методы не могут приблизиться к качеству решений [нашего оборудования] в разумные сроки».

Споры о «квантовом превосходстве» продолжаются, но D-Wave делает ставку на специализированные задачи. Если её аннилеры (аппаратные квантовые компьютеры) докажут устойчивое преимущество в моделировании квантовых систем, то это откроет новые возможности в материаловедении, химии и машинном обучении — областях, где модели Изинга играют ключевую роль. Пока же гонка между квантовым и классическим подходами вступает в очередной раунд.