Effektiv syntese af massive kvantekredsløb - et overblik over Classiq-systemet - inde i kvanteteknologien

Classiq-platformen tilbyder enkle måder at syntetisere massive kvantekredsløb til komplekse algoritmer. Faktisk kan du hurtigt og nemt syntetisere kredsløb så massive, at din målkvantecomputer vil returnere en fejl. Den returnerer måske ikke engang "støj" fra at køre kredsløb så dybt, men fejl indikerer, at disse kredsløb slet ikke kan køre.

Problemet har tre niveauer. Selv med små kvantekredsløb introducerer hver operation en chance for fejl. Efterhånden som fejl ophobes, bliver resultaterne hurtigt ubrugelige. Efterhånden som kredsløbene bliver større, risikerer du at nå grænserne for, hvor længe kvanteinformation kan opretholdes, hvilket betyder, at en algoritme ikke har tid til at fuldføre. Forestil dig, at du vil se en 20-minutters YouTube-video med kun 5 minutters batterilevetid; du kan ikke gøre det. Du kan ikke tilslutte kvantecomputeren, og du kan heller ikke genoplade og fortsætte; du kan simpelthen ikke køre hele algoritmen i tide. Og da kredsløbene bliver direkte massive, er der ofte en førnævnte fejlmeddelelse, der indikerer, at kontrolsystemet ikke engang vil forsøge at udføre algoritmen.

Classiq-teamet ser nu ud til at foreslå, at platformen ikke kun syntetiserer massive kredsløb, men at den gør det mere effektivt end Qiskit, den mest populære kvantecomputerramme. Denne påstand er vigtig af fire grunde: 1) mindre kredsløb udføres hurtigere end dybere kredsløb, 2) hurtigere kørselstider kan spare betydeligt på omkostningerne, når fakturering er baseret på kørselstid, 3) færre operationer betyder færre fejl, der kræver korrektion, og 4) som kvantecomputere modne og kan køre større algoritmer, vil de mindre kredsløb blive nyttige først.

Der er en classiq notesbog der sammenligner Classiq-platformen med Qiskit ved hjælp af HHL-algoritmen. Hvis vi ønsker at se forskelle i effektivitet, er HHL-algoritmen massiv nok til at fremhæve disse forskelle.

HHL-algoritmen

Harrow-Hassidim-Lloyd-algoritmen, eller HHL-algoritmen, lover at løse systemer af lineære ligninger med en eksponentiel fremskyndelse i forhold til de bedst kendte klassiske algoritmer. Disse ligninger har udbredt anvendelighed inden for videnskab og teknik.

Problemet er, at HHL-kredsløb, selv med de mindste legetøjsproblemer, er utroligt dybe. Hvis du vil demonstrere kredsløb, der returnerer fejl i stedet for resultater på nuværende kvantecomputere, er dette algoritmen til at forsøge det med. 

Classiq Notebook

Vi ser på de tre nøglemålinger: troskab, kredsløbsdybde og CX-antal. Fidelity er, hvor tæt resultatet er på en nøjagtig løsning; på grund af størrelsen af ​​kredsløbene skal alt beregnes klassisk. Kredsløbsdybde angiver, hvor mange tidstrin der er nødvendige for at implementere alle operationer, skubbe eller overskride grænserne for nuværende kvantecomputere. CX-tal angiver antallet af multi-qubit-operationer, da disse er usædvanligt fejltilbøjelige.

Classiq-kredsløbet viser bedre pålidelighed med langt mindre kredsløbsdybde og langt færre CX-operationer. Selvom det stadig er for massivt til at køre, er det langt tættere på at være nyttigt end Qiskits kredsløb. Det er vigtigt, at den klassisk beregnede troskab fremhæver, at Classiqs kredsløb ikke bare er mindre, men at det faktisk stadig er designet til at løse det valgte problem i denne reducerede størrelse. 

Naturlig skepsis

Problemet med at stole på Classiqs notesbog er, at Classiq-teamet ikke kun leverer deres egen løsning, men de leverer også Qiskits løsning. De ønsker naturligvis, at Classiq-platformen skal se godt ud, så det er vigtigt at verificere deres krav mod en implementering af HHL, der bruger Qiskit, men som ikke er udviklet af Classiq-teamet. 

Qiskits notesbog

Den nemmeste at finde implementering er Qiskits HHL tutorial, som gør det muligt at løse Classiqs problem ved hjælp af Qiskit-teamets kode. Denne notesbog indeholder to tilgange, en der genererer større kredsløb, men er mere nøjagtig, og en der genererer mindre kredsløb ved at ofre nøjagtigheden. 

Ikke alene er Classiq-kredsløbet væsentligt mindre end alle tre Qiskit-kredsløb, men det kræver også en qubit færre end Qiskits Naive- og Tridi-kredsløb. 

På grund af deres høje kvalitet er Classiqs Qiskit-implementering bedre sammenlignet med Qiskit Naive-implementeringen end Qiskit Tridi-implementeringen. Selvom CX-tallet er 25 % højere, er kredsløbsdybden 70 % lavere ved at bruge en qubit mindre. Hvis vi havde fejlkorrigerede kvantecomputere i dag, betyder det, at Classiqs Qiskit-implementering ville køre hurtigere og medføre lavere hardwareadgangsomkostninger end Qiskits egen high-fidelity-implementering.

Konklusion: Classiq holder op

I det mindste for dette specifikke tilfælde holder Classiqs påstand stik. Ikke alene er HHL nem at implementere, men forskellen i kredsløbsstørrelse er betydelig. Classiqs kredsløb vil ikke kun køre hurtigere end tre Qiskit-alternativer, det vil koste mindre gennem IBM Quantum. Og efterhånden som quantum computing hardware forbedres, vil Classiqs implementering være den første af de fire her, der bliver nyttig.

Brian N. Siegelwax er en uafhængig Quantum Algoritme Designer og freelance skribent for Inde i Quantum Technology. Han er kendt for sine bidrag til kvanteberegningsområdet, især inden for design af kvantealgoritmer. Han har evalueret adskillige kvanteberegningsrammer, platforme og hjælpeprogrammer og har delt sin indsigt og resultater gennem sine skrifter. Siegelwax er også forfatter og har skrevet bøger som "Dungeons & Qubits" og "Choose Your Own Quantum Adventure". Han skriver jævnligt på Medium om forskellige emner relateret til quantum computing. Hans arbejde omfatter praktiske anvendelser af kvantedatabehandling, anmeldelser af kvantedatabehandlingsprodukter og diskussioner om kvantedatabehandlingskoncepter.

Kategorier:
fotonik, quantum computing

tags:
Brian Siegelwax, classiq, Qiskit, qubits

• SEO Powered Content & PR Distribution. Bliv forstærket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk dig selv. Adgang her.
• PlatoAiStream. Web3 intelligens. Viden forstærket. Adgang her.
• PlatoESG. Kulstof, CleanTech, Energi, Miljø, Solenergi, Affaldshåndtering. Adgang her.
• PlatoHealth. Bioteknologiske og kliniske forsøgs intelligens. Adgang her.
• Kilde: https://www.insidequantumtechnology.com/news-archive/efficient-synthesis-of-massive-quantum-circuits-an-overview-of-the-classiq-system/