Plánovací problém, ktorý nedokáže zvládnuť žiadny klasický počítač

Práve teraz obieha okolo Zeme viac než 10 000 aktívnych satelitov. Do roku 2030 toto číslo prekročí 50 000. Každý satelit má svoje úlohy -- snímanie cieľov, sprostredkovanie komunikácie, zber vedeckých údajov -- a každá úloha podlieha celej sieti obmedzení: orbitálnym oknám, energetickým rozpočtom, tepelným limitom, kapacite prenosu údajov na Zem, dostupnosti pozemných staníc a prioritným konfliktom s ostatnými úlohami na tej istej kozmickej lodi aj naprieč celou konšteláciou.

Problém optimálneho naplánovania týchto úloh nie je len ťažký. Patrí do triedy matematických problémov, kde počet možných rozvrhov rastie rýchlejšie, než dokáže prehľadať akýkoľvek klasický počítač. A na rozdiel od mnohých teoretických výsledkov v oblasti zložitosti má tento bezprostredné a vyčísliteľné dôsledky. Zlepšenie efektívnosti plánovania o 3 % naprieč konšteláciou s 10 000 satelitmi sa premieta do stoviek miliónov dolárov dodatočného príjmu a kapacity ročne.

Kombinatorická explózia

Aby sme pochopili, prečo satellite scheduling rozbíja klasické výpočty, uvažujme zjednodušenú verziu problému. Máte N satelitov, z ktorých každý má M možných úloh, ktoré možno naplánovať do ktoréhokoľvek z T časových slotov. Obmedzenia sú, že úlohy na rovnakom satelite sa nesmú prekrývať, úlohy vyžadujúce rovnakú pozemnú stanicu nemožno prenášať na Zem súčasne a musia sa dodržať prioritné pravidlá.

Počet možných rozvrhov je približne T^(N*M). Pre skromnú konšteláciu so 100 satelitmi, 50 úlohami na satelit a 100 časovými slotmi je to 100^5000 -- číslo s 10 000 ciframi. Pozorovateľný vesmír obsahuje približne 10^80 atómov. Priestor riešení tohto plánovacieho problému prevyšuje toto číslo o faktor, ktorý sám má tisíce cifier.

Žiadny klasický algoritmus nedokáže tieto možnosti vymenovať. V praxi klasické prístupy používajú heuristiky -- pažravé algoritmy, genetické algoritmy, šírenie obmedzení a metódy vetvenia a ohraničenia (branch-and-bound) -- ktoré nachádzajú „dostatočne dobré" riešenia bez záruky optimality. Najlepšou klasickou aproximáciou pre základný problém grafovej optimalizácie (maximálny vážený rez, na ktorý sa satellite scheduling redukuje) je Goemansov-Williamsonov algoritmus, ktorý zaručuje riešenie dosahujúce aspoň 87,8 % optima.

Táto záruka 87,8 % platí už tri desaťročia. Ide o matematický strop, nie o inžiniersku limitáciu. Žiadny klasický algoritmus s polynomiálnym časom ho nedokáže preukázateľne prekročiť za predpokladu, že P sa nerovná NP. Pre prevádzkovateľa konštelácie to znamená, že približne 12 % potenciálnej hodnoty plánovania je prostredníctvom klasických výpočtov natrvalo nedostupných.

Prečo má tento strop každým rokom väčší význam

Tá 12 % medzera medzi Goemansovou-Williamsonovou zárukou a optimom by bola len zaujímavosťou, keby si problém zachoval rovnakú veľkosť. Lenže to tak nie je. Každý satelit pridaný do konštelácie zvyšuje zložitosť problému nadlineárne. Interakčné členy -- konflikty pozemných staníc, obmedzenia zdieľania spektra, požiadavky na predchádzanie kolíziám -- rastú s veľkosťou konštelácie kvadraticky.

To znamená, že absolútna hodnota uzamknutá za klasickým stropom sa každým rokom zvyšuje. Keď mala konštelácia 100 satelitov, 12 % medzera mohla predstavovať 20 miliónov dolárov v neefektívnosti plánovania. Pri 10 000 satelitoch predstavuje miliardy. Ekonomika vesmírnych operácií mení teoretický výsledok o zložitosti na praktické obchodné obmedzenie.

Prevádzkovatelia na to reagovali tým, že na problém nasadili viac klasického výpočtového výkonu. Plánovacie nástroje vo firmách SpaceX, Planet a Maxar bežia na obrovských výpočtových klastroch, spaľujúc milióny CPU-hodín, aby zo stále sofistikovanejších heuristík vyžmýkali okrajové zlepšenia. Zlepšenia sú však logaritmické -- každé zdvojnásobenie výpočtového rozpočtu prináša klesajúce výnosy. Strop sa neposúva.

QAOA: prielom na úrovni 90,7 %

Kvantový aproximačný optimalizačný algoritmus (QAOA) pristupuje k plánovaciemu problému zásadne odlišným smerom. Namiesto prehľadávania klasického priestoru riešení zakóduje QAOA problém ako kvantový hamiltonián a vyvíja kvantový stav, ktorý sústreďuje amplitúdu pravdepodobnosti na vysokokvalitné riešenia.

Mechanika je presná. Plánovacie obmedzenia sú zakódované v „problémovom hamiltoniáne", ktorého základný stav zodpovedá optimálnemu rozvrhu. „Miešací hamiltonián" poháňa prechody medzi kandidátskymi riešeniami. QAOA strieda aplikovanie týchto dvoch hamiltoniánov počas p kôl, pričom uhly optimalizuje klasická vonkajšia slučka. Výsledný kvantový stav sa odmeria, čím vznikne kandidátsky rozvrh.

Na referenčných plánovacích problémoch, ktoré sa redukujú na Max-Cut, QAOA preukázala aproximačné pomery 90,7 % -- merateľné a významné zlepšenie oproti klasickému stropu 87,8 %. Nejde o teoretickú projekciu. Je to nameraný výsledok na kvantovom hardvéri, dosiahnutý pomocou relatívne plytkých obvodov (p = 3 až 5 kôl).

Tri vlastnosti tohto výsledku si zaslúžia pozornosť:

• Zlepšenie je nad preukázaným klasickým stropom. Nejde o porovnanie s konkrétnym klasickým algoritmom, ktorý by sa dal vylepšiť. Hranica 87,8 % platí pre všetky klasické algoritmy s polynomiálnym časom. QAOA pôsobí na území, ktoré je za štandardných predpokladov o zložitosti klasicky nedostupné.
• Zlepšenie sa škáluje s veľkosťou problému. Pri malých inštanciách (20 – 30 premenných) je výhoda mierna. So zväčšovaním problému na 50 – 100 premenných a viac sa medzera medzi výkonom QAOA a klasickým stropom rozširuje. Práve táto škálovacia vlastnosť robí výsledok relevantným pre reálne konštelácie.
• Obvody sú dostatočne plytké pre súčasný hardvér. Na rozdiel od chybovo odolných kvantových algoritmov, ktoré vyžadujú milióny kvantových bitov s opravou chýb, QAOA s p = 3 – 5 beží na dnešnom šumovom kvantovom hardvéri so strednou škálou (NISQ). Techniky zmierňovania chýb zlepšujú výsledky ešte viac bez nutnosti úplnej opravy chýb.

Význam pomeru 90,7 % oproti 87,8 % nespočíva v tých 2,9 percentuálnych bodoch. Spočíva v tom, že to zlepšenie vôbec existuje nad stropom, ktorý klasické výpočty nedokážu prelomiť. Tá medzera je dôkazom konceptu kvantovej výhody pri probléme s priamym priemyselným významom.

Prečo sa kvantová výhoda škáluje s veľkosťou problému

Škálovací argument je najsilnejším dôvodom pre kvantovú optimalizáciu plánovania a zaslúži si dôkladné vysvetlenie. Klasické heuristiky pre kombinatorickú optimalizáciu fungujú tak, že prehľadávajú priestor riešení prostredníctvom lokálnych ťahov -- preklopenia jedného priradenia, výmeny dvoch úloh alebo prehľadávania okolia s obmedzenou hĺbkou. Každý lokálny ťah vyhodnotí konštantný alebo polynomiálny počet alternatív.

QAOA naproti tomu prehľadáva priestor riešení prostredníctvom kvantovej superpozície. Keď sa kvantový stav vyvíja pod problémovým hamiltoniánom, súčasne vyhodnocuje cenu exponenciálneho počtu kandidátskych riešení. Miešací hamiltonián potom prerozdeľuje amplitúdu pravdepodobnosti od slabých riešení k dobrým. Nejde o paralelné prehľadávanie -- je to zásadne odlišný výpočtový mechanizmus, ktorý využíva konštruktívnu a deštruktívnu kvantovú interferenciu.

Ako problém rastie, počet lokálnych optím v klasickej krajine prehľadávania rastie exponenciálne. Klasické heuristiky míňajú stále väčšiu časť svojho výpočtového rozpočtu na vyšplhanie sa z týchto lokálnych pascí. Kvantové tunelovanie QAOA jej umožňuje prechádzať medzi oblasťami riešení oddelenými vysokoenergetickými bariérami -- prechody, ktoré sú v klasickom prehľadávaní exponenciálne potlačené.

Praktickým dôsledkom je, že medzera medzi QAOA a klasickými heuristikami nie je konštantná. Rastie s veľkosťou problému. Pre satelitné konštelácie, ktoré každý rok pridávajú stovky nových prostriedkov, to znamená, že kvantová výhoda sa s každou generáciou konštelácie stáva hodnotnejšou.

Plánovací problém nie je ojedinelý

Satellite scheduling je najkonkrétnejším príkladom širšieho vzorca. Akákoľvek prevádzková oblasť s nasledujúcimi vlastnosťami čelí rovnakému klasickému stropu:

1. Kombinatorická štruktúra: Rozhodovacie premenné sú diskrétne (priraď túto úlohu do tohto slotu, alebo nie).
2. Husté obmedzenia: Každé rozhodnutie interaguje s mnohými ďalšími prostredníctvom zdieľaných zdrojov, časového usporiadania alebo kapacitných limitov.
3. Tlak škálovania: Počet rozhodovacích premenných sa s rozširovaním prevádzky v čase zvyšuje.
4. Ekonomická citlivosť: Medzera medzi dobrým a optimálnym riešením má významný finančný dopad.

Riadenie letovej prevádzky, logistika dodávateľského reťazca, smerovanie v sieťach, plánovanie pracovných síl a plánovanie vojenských operácií -- to všetko zdieľa túto štruktúru. Satellite scheduling je len oblasťou, kde sú čísla najjasnejšie vyčíslené a trajektória rastu najpredvídateľnejšia. Argument o kvantovej výhode však platí pre celú túto triedu.

Obchodné dôvody konať teraz

Štandardná námietka voči investíciám do kvantových počítačov znie, že hardvér „ešte nie je pripravený". Pri satellite scheduling táto námietka zlyháva z dvoch dôvodov.

Po prvé, hardvér už dnes prináša výsledky nad klasickým stropom. Údaj 90,7 % je nameraný výsledok, nie projekcia. Otázkou nie je, či kvantové plánovanie funguje, ale ako rýchlo sa toto zlepšenie bude škálovať so zlepšovaním hardvéru.

Po druhé, náklady na integráciu nie sú zanedbateľné a s odkladom rastú. Vybudovanie kvantového plánovacieho potrubia si vyžaduje preformulovanie existujúcich plánovacích problémov na inštancie QUBO, vývoj hybridných klasicko-kvantových riešiacich pracovných postupov, integráciu s existujúcimi systémami plánovania misií a školenie prevádzkových tímov. Organizácie, ktoré s touto prácou začnú teraz, budú mať produkčne odladené systémy v čase, keď zlepšenia hardvéru urobia túto výhodu rozhodujúcou. Organizácie, ktoré budú čakať, čelia niekoľkoročnému integračnému úsiliu, zatiaľ čo konkurenti už budú fungovať s vyššou efektívnosťou.

Matematika je jednoznačná: klasické plánovanie narazilo na preukázateľný strop. Kvantová optimalizácia preukázala, že dokáže pôsobiť nad týmto stropom. Medzera medzi nimi rastie s veľkosťou konštelácie. Pre akúkoľvek organizáciu pôsobiacu vo veľkom rozsahu vo vesmíre alebo v príbuzných oblastiach sa náklady na nečinnosť každý štvrťrok kumulujú.