کاربران محاسبات کوانتومی در کنار ابررایانه های کلاسیک کار می کنند: مصاحبه با تراویس هامبل در آزمایشگاه Oak Ridge PlatoBlockchain Data Intelligence. جستجوی عمودی Ai.

کاربران محاسبات کوانتومی در کنار ابررایانه های کلاسیک کار می کنند: مصاحبه با تراویس هامبل در آزمایشگاه Oak Ridge

توسط کیتی الیس جونز، سردبیر، PillarQ

تراویس هامبل، مدیر برنامه کاربر محاسبات کوانتومی (QCUP) با مرکز محاسبات رهبری Oak Ridge (اعتبار: کارلوس جونز/ORNL، وزارت انرژی ایالات متحده)

از آنجایی که جامعه محاسبات با کارایی بالا (HPC) به دنبال راه‌حل‌هایی برای تسریع سیستم‌های آینده از مرز قانون مور است، یکی از فناوری‌های پیشرو محاسبات کوانتومی است که هر ساله میلیاردها دلار از بودجه جهانی تحقیق و توسعه را جمع‌آوری می‌کند.

شاید تعجب آور نباشد که مراکز HPC - از جمله Oak Ridge Leadership Computing Facility (OLCF)، خانه اولین ابررایانه exascale در جهان، Frontier - در حال یافتن راه هایی برای اهرم و پیشرفت سیستم های کوانتومی هستند.

واقع در آزمایشگاه ملی Oak Ridge (ORNL) در تنسی و توسط وزارت انرژی ایالات متحده (DOE)، OLCF برنامه کاربر محاسبات کوانتومی (QCUP) به کاربران در علوم دسترسی از راه دور به سیستم‌های محاسباتی کوانتومی تجاری اصلی را فراهم می‌کند. در حال حاضر، این برنامه دسترسی به معماری‌های ابررسانای مختلف از سرویس‌های کوانتومی IBM و خدمات ابری کوانتومی Rigetti، و همچنین رایانه‌ها و شبیه‌سازهای یونی به دام افتاده کوانتینیوم را ارائه می‌دهد. این برنامه همچنین در حال آماده سازی دسترسی به یک سیستم یون به دام افتاده IonQ است.

در یک ابتکار جدید در سال جاری، OLCF و QCUP از طریق یک برنامه تخصیص ترکیبی کوانتوم و HPC را پل می کنند که دسترسی دوگانه را به فروشندگان کوانتومی QCUP و ابررایانه های OLCF فراهم می کند.

تراویس هامبل، مدیر QCUP گفت: «هدف QCUP این است که به ما کمک کند تا بفهمیم فناوری [کوانتومی] چگونه در حال توسعه است و به ما کمک کند پیش‌بینی کنیم که چه زمانی می‌خواهیم آن فناوری بخشی از سیستم HPC بعدی باشد».

Humble همچنین مدیر ORNL است مرکز علوم کوانتومی، که از طریق یک برنامه متفاوت DOE - مراکز ملی تحقیقات علوم اطلاعات کوانتومی - تأمین می شود، اما در تحقیق و توسعه کوانتومی دارای منافع مشترک است. او یک میزگرد برای «محاسبات کوانتومی: آینده ای برای شتاب HPC؟» خواهد بود. در SC22 (کنفرانس بین المللی محاسبات، شبکه، ذخیره سازی و تحلیل با عملکرد بالا) در روز جمعه 18 نوامبر.

Humble گفت که QCUP طیف وسیعی از سیستم‌های محاسباتی کوانتومی را برای کشف اینکه چه چیزی برای مشکلات خاص بهتر عمل می‌کند ارائه می‌کند و اینکه محاسبات کلاسیک بخشی از این اکتشاف است. ما هنوز بهترین سخت افزار و نحوه مطابقت برنامه ها را نمی دانیم. محاسبات کوانتومی، به‌عنوان یک نظریه، زمین بازی کاملاً جدیدی را به ما می‌دهد که در آن بتوانیم محاسبات را امتحان کنیم، تا اکتشافات علمی را مطلع کنیم، بنابراین انواع مشکلاتی را که می‌توانیم واقعاً محاسبه کنیم، تغییر می‌دهد. یک ابرکامپیوتر قدرتمند است، اما در عین حال محدود است. هیبرید بهترین های هر دو دنیا را می گیرد.»

با این حال، او هشدار داد که در حال حاضر اپلیکیشن‌های زیادی از هر دو دستگاه به خوبی استفاده نمی‌کنند، و هدف تخصیص‌های ترکیبی کوانتومی-کلاسیک جدید QCUP یافتن برنامه‌هایی است که روی هر دو به خوبی اجرا می‌شوند.

کاربران محاسبات کوانتومی در کنار ابررایانه های کلاسیک کار می کنند: مصاحبه با تراویس هامبل در آزمایشگاه Oak Ridge PlatoBlockchain Data Intelligence. جستجوی عمودی Ai.

ابر رایانه مرزی

QCUP حدود 250 کاربر دارد و از سال 2016 از یک برنامه آزمایشگاهی داخلی به برنامه کاربر فعلی تبدیل شده است. با حمایت برنامه تحقیقات محاسبات علمی پیشرفته DOE (ASCR)، برنامه کاربر کوانتومی همان مدل کاربر HPC را به عنوان امکانات محاسباتی رهبری ASCR اتخاذ کرد که پیشنهادهای علمی را برای تأثیر بالقوه و شایستگی برای تخصیص زمان بر روی سیستم‌های محاسباتی بررسی می‌کند.

هامبل گفت: "ما به دنبال امکان سنجی هستیم - آیا آنها سعی می کنند مشکلی را حل کنند که حتی در یک کامپیوتر کوانتومی هم جا می شود - و آمادگی فنی و کاربرد."

او گفت که پشتیبانی از کمک کاربر QCUP شامل یک تیم مشارکت علمی است که به محققان در انتقال کد خود کمک می کند، اگرچه در گذشته بسیاری از کاربران «کاربران کوانتومی متخصص» بودند. آنها برنامه‌هایی نوشته‌اند و آماده‌اند.»

بسیاری از کاربران از برنامه های علمی با پیوندهای تحقیقاتی با کوانتوم، مانند فیزیک انرژی بالا و هسته ای و انرژی همجوشی، می آیند. برای مثال، تیمی به رهبری آزمایشگاه ملی لارنس برکلی از منابع QCUP استفاده کردند شبیه سازی قسمتی از برخورد دو پروتون، تقسیم کردن محاسبات فیزیک به محاسباتی که برای محاسبات کلاسیک در مقابل محاسبات کوانتومی مناسب‌تر هستند، به منظور گنجاندن اثرات کوانتومی که یک کامپیوتر کلاسیک در غیر این صورت تقریبی می‌کند.

«تا حد زیادی، فیزیک بیشترین حضور را دارد. دوم احتمالاً علم کامپیوتر است که شامل ساخت ابزارهایی است که عملکرد بهتر یک کامپیوتر کوانتومی را ممکن می‌سازد.

در یک پروژه دیگر QCUP، تیمی به رهبری دانشگاه شیکاگو و محققان آزمایشگاه ملی آرگون عیوب اسپین کوانتومی شبیه سازی شده، با برنامه های کاربردی برای رمزگذاری اطلاعات در رایانه های کوانتومی. در این مورد، آنها از محاسبات کلاسیک برای اعتبارسنجی و کاهش خطاها در محاسبات کوانتومی خود استفاده کردند.

هوش مصنوعی (AI) همچنین در رابط محاسبات کلاسیک و کوانتومی ظاهر می شود. Humble گفت که هدف برخی از پروژه های علوم کامپیوتر استفاده از محاسبات کوانتومی برای سرعت بخشیدن به جریان های کاری هوش مصنوعی و یادگیری ماشین یا کشف اطلاعات خاص کوانتومی در داده های تولید شده توسط هوش مصنوعی است.

اگرچه این برنامه دسترسی به رایانه‌های کوانتومی را از طریق امکانات کاربر HPC فراهم می‌کند، اما این رایانه‌ها با سیستم‌های HPC یکپارچه نیستند. یکی از اهداف نهایی QCUP اتصال سیستم های کوانتومی و HPC است، اما موانع کوتاه مدت وجود دارد.

بخشی از مانع در حال حاضر این است که محاسبات کوانتومی بسیار زود است. هامبل گفت: اگر به آنچه امروز یک کامپیوتر کوانتومی است نگاه کنید، ظرف 6 ماه، چیز جدیدی جایگزین خواهد شد.

از دیدگاه فنی، کامپیوترهای کوانتومی هنوز نیاز به تعمیر و نگهداری خاصی دارند و هنوز نمی توانند با عملکرد HPC رقابت کنند. از دیدگاه کاربر، موانع آموزشی عمدتا محاسبات کوانتومی را به متخصصان کوانتومی واگذار کرده است.

Humble گفت: «مواد آموزشی که برای شروع استفاده از محاسبات کوانتومی به آن نیاز دارید نیز در مراحل ابتدایی است. برای اکثریت قریب به اتفاق کاربران HPC که می‌خواهند کوانتومی را اتخاذ کنند، باید منابع آموزشی برای آنها ایجاد کنیم.»

اگرچه بسیاری از همکاری‌های HPC-کوانتومی هنوز در روزهای اولیه خود هستند، تجربیات حاصل از برنامه‌هایی مانند QCUP و پروژه‌های کوانتومی در سایر مراکز HPC ممکن است به ایجاد زمینه برای ادغام HPC-کوانتومی در آینده کمک کند.

کیتی الیس جونز موسس و سردبیر نشریه تحقیقاتی اخبار است PillarQ.

تمبر زمان:

بیشتر از داخل HPC