Hacer la computación cuántica más barata y más cara: revisión del ópalo de fuego de Q-CTRL: por Brian Siegelwax

Reeditado por Platón

seguidores: 0

Un gráfico de la plataforma Fire Opal de Q-CTRL y su afirmación de hacer que la computación cuántica sea más barata de usar.

By Autor Invitado publicado el 21 de febrero de 2024

Este artículo comenzó con la intención de demostrar cómo usar Q-CTRL Ópalo de fuego solicitud en línea. puede ahorrarle dinero en el acceso al hardware de una computadora cuántica. Y comenzará a hacer eso. Pero como suele ocurrir con la experimentación, se descubrió un giro inesperado en el camino.

Un gráfico de cómo funciona Fire Opal de Q-CTRL para encontrar soluciones innovadoras. (PC Q-CTRL)

Primero: ahorrar una cantidad considerable de dinero

Q-CTRL ha publicado un artículo titulado "Reducir los costos de computación cuántica 2,500 veces con Fire Opal” en el que afirman que “las estimaciones pasaron de $ 89,205 proyectados para una sola ejecución de un algoritmo QAOA a solo $ 32” utilizando el solucionador QAOA de Fire Opal.

Sin entrar en detalles técnicos, QAOA utiliza un circuito cuántico parametrizado. Adivinamos los parámetros y luego ejecutamos el circuito. Según los resultados, ajustamos iterativamente los parámetros y volvemos a ejecutar el circuito hasta llegar a una aproximación de solución aceptable.

Lo que nos preocupa aquí es el costo de ejecutar ese circuito. Cada vez que ejecutamos ese circuito, incurrimos en ese costo. En consecuencia, nuestro objetivo es ejecutar este algoritmo con la menor cantidad de iteraciones posibles. Hacerlo es más rápido y más barato.

Personalmente he comparado el solucionador QAOA de Fire Opal con otros dos solucionadores QAOA, y no hay duda de que Fire Opal redujo este número de iteraciones. Fire Opal mejora dramáticamente la calidad de los resultados de cada iteración para que realmente llegue a una solución aproximada. Para ser honesto, renuncié a los otros dos solucionadores. Entonces, aunque personalmente no voy a gastar $90,000 solo para verificar la afirmación de Q-CTRL de 2500X, puedo verificar que Fire Opal detiene los circuitos cuando llega a una solución aproximada, mientras que no puedo verificar que los otros solucionadores obtengan allí en absoluto. La imagen destacada en la parte superior de este artículo proviene de Q-CTRL y muestra un ahorro de 5700 veces, pero no tiene un artículo asociado al que vincular.

Segundo: gastar infinitamente más dinero

Sin embargo, lo que realmente debería interesarnos son los algoritmos destinados a la computación cuántica tolerante a fallos (FTQC). Estos algoritmos tardan tanto en ejecutarse que las computadoras cuánticas actuales devuelven puro ruido. Si bien normalmente nos centramos en la calidad de los resultados o la falta de ellos, es posible que también debamos considerar el tiempo de ejecución. Un modelo de precios podría basarse en cuántas veces ejecutaremos cada circuito, pero también podría basarse en cuánto tiempo durará. Si Fire Opal puede mejorar la eficiencia de la ejecución del circuito, eso podría traducirse en menores costos relacionados con el tiempo de ejecución.

Yo uso la plataforma Classiq SDK de Python para sintetizar circuitos enormes, como los necesarios para la estimación de fase cuántica (QPE). Si queremos ver cuánto menos costoso es Fire Opal, necesitaremos ejecutar los circuitos más grandes posibles para que podamos ver una distribución clara.

Comencé con hidrógeno molecular (H2) con un qubit de conteo. Si no está familiarizado, QPE calcula la energía del estado fundamental de las moléculas usando un registro (qubits de datos) para representar la molécula y un registro (contando qubits) para determinar la precisión de la solución. Idealmente, queremos usar ocho qubits de conteo para H2, pero ya lo probé y el hardware actual no puede manejarlo. H2 requiere solo un qubit de datos, por lo que este primer circuito solo usó dos qubits en total.

Tanto Qiskit como Fire Opal usaron siete segundos de IBM Tiempo de ejecución cuántico. Sin embargo, Fire Opal aplicó automáticamente la mitigación de errores, lo que consumió 21 segundos adicionales de tiempo de ejecución. Para ser justos, apliqué el equivalente de Qiskit, llamado M3, y M3 usó solo 11 segundos adicionales de tiempo de ejecución. Para H2 con un qubit de conteo, Qiskit ganó la comparación de tiempo de ejecución.

Pero luego probé H2 con dos qubits de conteo. El Kisquito El trabajo falló, mientras que el trabajo de Fire Opal se completó con suficiente precisión como para poder estimar aproximadamente la solución. La precisión está lejos de ser la necesaria, pero al menos está en el estadio correcto.

Y ahí radica el giro inesperado. El costo del trabajo fallido de Qiskit es $0.00. Irónicamente, una vez completado el trabajo de Fire Opal, es infinitamente más costoso cuando se utiliza un plan premium de IBM Quantum.

Además, Fire Opal puede superar H2 con dos qubits de conteo. Personalmente lo he llevado a H2 con 6 qubits de conteo, así como al oxígeno molecular (O2), que requiere 11 qubits de datos, con 2 qubits de conteo. O2 con 2 qubits de conteo consumió 4 minutos y 28 segundos de tiempo de ejecución de IBM Quantum, y el resultado aún lo mantiene en el estadio correcto. Al presionar más se devuelven mensajes de error de IBM Quantum.

Por lo tanto, el circuito QPE más grande que puede ejecutarse en el hardware actual, que consume 268 segundos de tiempo de ejecución a $1.60 por segundo, cuesta $428.80 usando Fire Opal con acceso premium al hardware IBM Quantum, o $0.00 sin Fire Opal porque el trabajo fallará.

Conclusión: el ópalo de fuego no es necesariamente más barato

Dicen que lo “cuántico” no es intuitivo y nunca deja de decepcionar. En lugar de ser menos costoso al ejecutar menos iteraciones o acortar el tiempo de ejecución, Fire Opal termina siendo más costoso porque puedes llevarlo más lejos. Puedes ejecutar un algoritmo que de otro modo costaría 90,000 dólares porque no va a costar ni cerca de eso. Y puede ejecutar circuitos que de otro modo fallarían y no costarían nada. Por lo tanto, Fire Opal es más caro simplemente por el hecho de que realmente funciona.

Brian N. Siegelwax es un diseñador de algoritmos cuánticos independiente y escritor independiente para Dentro de la tecnología cuántica. Es conocido por sus contribuciones al campo de la computación cuántica, particularmente en el diseño de algoritmos cuánticos. Ha evaluado numerosos marcos, plataformas y utilidades de computación cuántica y ha compartido sus conocimientos y hallazgos a través de sus escritos. Siegelwax también es autor y ha escrito libros como “Dungeons & Qubits” y “Choose Your Own Quantum Adventure”. Escribe regularmente en Medium sobre diversos temas relacionados con la computación cuántica. Su trabajo incluye aplicaciones prácticas de la computación cuántica, revisiones de productos de computación cuántica y debates sobre conceptos de computación cuántica.

Categorías: Artículo invitado, fotónica, computación cuántica

Tags: Brian Siegel Wax, Ópalo de fuego, CTRL Q