LBNL fører kvantedatalagring, visualiseringsprojekt – High-Performance Computing Nyhedsanalyse | inde i HPC

Lawrence Berkeley National Laboratory har annonceret, at nationale laboratorie- og universitetsforskere for nylig har udgivet to artikler, der introducerer nye metoder til datalagring og analyse for at gøre kvanteberegning mere praktisk og udforske, hvordan visualisering hjælper med at forstå kvanteberegning.

"Dette arbejde repræsenterer betydelige fremskridt i at forstå og udnytte nuværende kvanteenheder til datakodning, -behandling og visualisering," sagde Talita Perciano, en forsker i Scientific Data Division ved Lawrence Berkeley National Laboratory og lederen af ​​denne indsats.

"Disse bidrag bygger på vores tidligere indsats at fremhæve kvanteteknologiernes igangværende udforskning og potentiale i udformningen af ​​videnskabelig dataanalyse og visualisering. Realiseringen af ​​disse projekter understreger teamarbejdets vitale rolle, da hvert medlem medbragte deres unikke ekspertise og perspektiv. Dette samarbejde er et vidnesbyrd om, at i kvanteområdet, som i mange aspekter af livet, handler fremskridt ikke kun om individuelle præstationer, men om teamets kollektive indsats og fælles vision.”

Ifølge en artikel på LBNL-webstedet af Carol Pott omfatter bidragydere til dette projekt - sammen med Perciano - forskere fra Scientific Data Division, Applied Mathematics & Computational Research Division og National Energy Research Scientific Computing Center (NERSC), i samarbejde med hold fra San Francisco State University (SFSU) og Case Western Reserve University.

Balancering mellem klassisk og kvante

Samarbejdet: (Top Row, Left to Right) Talita Perciano, Jan Balewski, Daan Camps. (nederste række, venstre mod højre) Roel Van Beeumen, Mercy G. Amankwah, E. Wes Bethel

Holdets fokus på kodning af klassiske data til brug af kvantealgoritmer er et springbræt i retning af fremskridt med at udnytte kvanteinformationsvidenskab og -teknologi (QIST) metoder som en del af grafik og visualisering, som begge er historisk beregningsmæssigt dyre. "At finde den rette balance mellem QIST's og klassiske databehandlings muligheder er en stor forskningsudfordring. På den ene side kan kvantesystemer håndtere eksponentielt større problemer, efterhånden som vi tilføjer flere qubits. På den anden side har klassiske systemer og HPC-platforme årtiers solid forskning og infrastruktur, men de rammer teknologiske grænser i skalering,” sagde Bethel. "En sandsynlig vej er ideen om hybrid klassisk-kvanteberegning, der blander klassiske CPU'er med kvantebehandlingsenheder (QPU'er). Denne tilgang kombinerer det bedste fra begge verdener og tilbyder spændende muligheder for specifikke videnskabelige applikationer."

Det første papir, for nylig offentliggjort i Nature Scientific Reports, udforsker, hvordan man koder og lagrer klassiske data i kvantesystemer for at forbedre analytiske muligheder og dækker de to nye metoder, og hvordan de fungerer. QCrank fungerer ved at indkode sæt af reelle tal til kontinuerlige rotationer af udvalgte qubits, hvilket muliggør repræsentation af flere data, der bruger mindre plads. QBArt repræsenterer på den anden side direkte binære data som en serie af nuller og enere, der er kortlagt til rene nul- og en qubit-tilstande, hvilket gør det nemmere at lave beregninger på dataene.

I det andet papir, holdet dykkede ned i interaktionen mellem visualisering og kvanteberegning og viste, hvordan visualisering har bidraget til kvanteberegning ved at muliggøre repræsentationen af ​​komplekse kvantetilstande grafisk og udforske de potentielle fordele og udfordringer ved at integrere kvanteberegning i området for udforskning og analyse af visuelle data . I videnskabelig udforskning giver visualisering forskere mulighed for at udforske det ukendte og "se det usynlige", og effektivt overføre abstrakt information til let forståelige billeder.

Holdet testede deres metoder på NISQ kvantehardware ved hjælp af flere typer databehandlingsopgaver, såsom at matche mønstre i DNA, beregne afstanden mellem sekvenser af heltal, manipulere en sekvens af komplekse tal og skrive og hente billeder lavet af binære pixels. Holdet kørte disse tests ved hjælp af en kvanteprocessor kaldet Quantinuum H1-1, såvel som på andre kvanteprocessorer, der er tilgængelige via IBMQ og IonQ. Ofte udfører kvantealgoritmer, der behandler så store dataprøver som et enkelt kredsløb på NISQ-enheder, meget dårligt eller giver fuldstændigt tilfældigt output. Forfatterne demonstrerede, at deres nye metoder opnåede bemærkelsesværdigt nøjagtige resultater, når de brugte sådan hardware.

Beskæftiger sig med datakodning og krydstale

Når man designer og implementerer kvantealgoritmer, der behandler klassiske data, opstår der en væsentlig udfordring kendt som datakodningsproblemet, som er, hvordan man konverterer klassiske data til en form, som en kvantecomputer kan arbejde med. Under kodningsprocessen er der en afvejning mellem at bruge kvanteressourcer effektivt og at holde algoritmernes beregningsmæssige kompleksitet enkel nok til at administrere.

"Fokus var på at afbalancere de nuværende kvantehardware-begrænsninger. Nogle matematisk solide kodningsmetoder bruger så mange trin, eller kvanteporte, at kvantesystemet mister den indledende information, før det overhovedet når den endelige port. Dette efterlader ingen mulighed for korrekt at beregne de kodede data,” sagde Jan Balewski, konsulent ved NERSC og førsteforfatter af Scientific Reports-papiret. "For at løse dette kom vi op med ordningen med at opdele en lang sekvens i mange parallelle kodningsstrømme."

Desværre førte denne metode til et nyt problem, krydstale blandt vandløb, som forvrængede den lagrede information. “Det er som at prøve at lytte til flere samtaler i et fyldt rum; Når de overlapper hinanden, bliver det en udfordring at forstå hvert budskab. I datasystemer forvrænger crosstalk information, hvilket gør indsigt mindre præcis,” sagde Balewski. "Vi tacklede krydstale på to måder: For QCrank introducerede vi et kalibreringstrin; for QBArt forenklede vi sproget, der blev brugt i meddelelserne. At reducere antallet af brugte tokens er som at skifte fra det latinske alfabet til morsekode – langsommere at sende, men mindre påvirket af forvrængninger."

Denne forskning introducerer to væsentlige fremskridt, hvilket gør kodning og analyse af kvantedata mere praktisk. For det første reducerer parallelle ensartet kontrollerede rotation (pUCR) kredsløb drastisk kompleksiteten af ​​kvantekredsløb sammenlignet med tidligere metoder. Disse kredsløb giver mulighed for, at flere operationer kan forekomme samtidigt, hvilket gør dem velegnede til kvanteprocessorer, såsom H1-1-enheden fra Quantinuum, med høj tilslutningsmuligheder og understøttelse af parallel gate-udførelse. For det andet introducerer undersøgelsen QCrank og QBArt, de to datakodningsteknikker, der anvender pUCR-kredsløb: QCrank koder kontinuerlige reelle data som rotationsvinkler, og QBArt koder heltalsdata i binær form. Forskningen præsenterer også en række eksperimenter udført ved hjælp af IonQ- og IBMQ-kvanteprocessorer, der viser vellykket kodning og analyse af kvantedata i større skala end tidligere opnået. Disse eksperimenter inkorporerer også nye fejlreduktionsstrategier for at korrigere støjende hardwareresultater, hvilket øger pålideligheden af ​​beregningerne.

Eksperimenterne udført med QCrank viser lovende resultater, idet de med succes indkoder og henter 384 sort-hvide pixels på 12 qubits med et højt niveau af nøjagtighed ved gendannelse af informationen (figur 1). Navnlig repræsenterer dette billede det største billede, der nogensinde er kodet med succes på en kvanteenhed, hvilket markerer det som en banebrydende præstation. At gemme det samme billede på en klassisk computer ville kræve 384 bit, hvilket gør det 30 gange mindre effektivt sammenlignet med en kvantecomputer. Da kvantesystemets kapacitet vokser eksponentielt med antallet af qubits, kunne blot 35 qubits på en ideel kvantecomputer for eksempel rumme hele 150 gigabyte DNA-information, der findes i det menneskelige genom.

Eksperimenter udført med QBArt viste dets bemærkelsesværdige dygtighed til at kode og behandle forskellige sekvenser af data, fra indviklede DNA-sekvenser (figur 2) til komplekse tal, med næsten perfekt troskab. Derudover dykker undersøgelsen ned i ydeevneevalueringen af ​​forskellige kvanteprocessorer i kodning af binære data, og afslører de exceptionelle muligheder for ionfælde-baserede processorer til opgaver, der er afhængige af pUCR-kredsløbene. Disse resultater sætter ikke kun scenen for dybere undersøgelser af anvendelserne af kompakte, parallelle kredsløb på tværs af forskellige kvantealgoritmer og hybride kvante-klassiske algoritmer; de baner også vejen for spændende fremskridt inden for fremtidige kvantemaskinelærings- og databehandlingsopgaver.

"Ved at navigere i forkant med kvantecomputere undersøger vores team, drevet af nye talenter, teoretiske fremskridt ved at udnytte vores datakodningsmetoder til at tackle en bred vifte af analyseopgaver. Disse nye tilgange rummer løftet om at frigøre analytiske evner i en skala, vi ikke har set før med NISQ-enheder,” sagde Perciano. "Ved at udnytte både HPC og kvantehardware sigter vi mod at udvide horisonten for kvantecomputerforskning og forestiller os, hvordan kvante kan revolutionere problemløsningsmetoder på tværs af forskellige videnskabelige domæner. Efterhånden som kvantehardware udvikler sig, tror vi alle i forskerholdet på dets potentiale for praktisk og anvendelighed som et kraftfuldt værktøj til storskala videnskabelig dataanalyse og visualisering."

Med den nylige opfordring til at opbygge og uddanne en kvantearbejdsstyrke søger mange organisationer, herunder det amerikanske energiministerium (DOE), efter måder at hjælpe med at fremme forskning og udvikle nye algoritmer, systemer og softwaremiljøer til QIST. Til det formål udnytter Berkeley Labs løbende samarbejde med SFSU, en minoritetstjenende institution, laboratoriets indsats i QIST og udvider SFSU's eksisterende læseplaner til at omfatte nye QIST-fokuserede kurser og træningsmuligheder. Tidligere en Berkeley Lab Senior Computer Scientist, SFSU-lektor Wes Bethel ledede anklagen mod at producere en ny generation af dimitterende SFSU Computing Science Master-studerende, mange fra underrepræsenterede grupper, med afhandlinger med fokus på QIST-emner.

Mercy Amankwah, en ph.d. studerende ved Case Western University, har været en del af dette samarbejde siden juni 2021, og dedikerer 12 uger af sine sommerferier årligt til at deltage i Sustainable Research Pathways-programmet, et partnerskab mellem Berkeley Lab og Sustainable Horizons Institute. Amankwah udnyttede sin ekspertise inden for lineær algebra til at innovere designet og manipulationen af ​​kvantekredsløb for at opnå den effektivitet, holdet håbede på i to nye metoder, QCrank og ABArt. Metoderne bruger holdets innovative teknikker til at indkode data til kvantecomputere. "Det arbejde, vi udfører, er virkelig fængslende," sagde Amankwah. "Det er en rejse, der konstant presser os til at overveje de næste store gennembrud. Jeg ser spændt frem til at yde mere virkningsfulde bidrag til dette felt, når jeg træder ind i min post-Ph.D. karriereeventyr.”

Denne forskning blev støttet af US Department of Energy (DOE) Office of Advanced Scientific Computing Research (ASCR) Exploratory Research for Extreme-Scale Science, Sustainable Horizons Institute og Berkeley Labs Lab Directed Research and Development Program og brugte computerressourcer på NERSC og Oak Ridge Leadership Computing Facility.

• 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://insidehpc.com/2024/04/lbnl-leads-quantum-data-storage-visualization-project/