By Dan O'Shea julkaistu 13
Amazon Quantum Solutions Lab (QSL) ja AWS Center for Quantum Computing (CQC) yhtyivät Goldman Sachsin tutkimus- ja kehitystiimin kanssa projektiin edistääkseen klassisen datan lohkokoodausta kvanttimuistiin, millä voi olla merkittäviä vaikutuksia klassiseen data ladataan kvanttiprosessoreihin laskentaa varten.
Lohkokoodaus käyttää datan lataamiseen erikoiskäyttöisiä tietorakenteita, kuten kvanttiversiota hajasaantimuistista eli QRM-muistista, ja projektikumppanit antoivat itselleen tehtävän yrittää selvittää, mitä resursseja lohkokoodauksen tekemiseen tarvittaisiin. ja kuinka käytännön kustannusarviot voitaisiin tehdä.
Prosessia käsitellään yksityiskohtaisesti tässä AWS blogikirjoitus, ja siihen liittyvä tekninen paperi, mutta - spoilerivaroitus - blogiviestin päätelmät: "...olemme osoittaneet, että klassisen datan lataamiseen tarvittava kubittien määrä perinteisillä lohkokoodausmenetelmillä saattaa olla kohtuuttoman kallista ilman suuria edistysaskeleita kvanttilaskentatekniikassa . Tuloksemme osoittavat kuitenkin myös, että voimme saavuttaa piirin syvyydet jotka ovat vain logaritmisia kooltaan klassisessa tietojoukossa, mikä viittaa siihen, että lohkokoodaukseen perustuvat kvanttialgoritmit voisivat olla erittäin tehokkaita, jos meillä on pääsy erittäin suuriin määriin QRAM-kubitteja (eli numeroita, joiden on skaalattava koon mukaan syöttötiedot).
AWS operoi Amazon Braket -pilvipohjaista kvanttilaskentapalvelua ja lanseerasi aiemmin tänä vuonna Quantum Networking -keskus noudattaa sen QSL- ja CQC-aloitteita. Goldman Sachs on puolestaan työskennellyt useissa kvanttilaskentaprojekteissa, työskentelee QCwaren, IonQ:n ja muiden kanssa.
Dan O'Shea on käsitellyt tietoliikennettä ja siihen liittyviä aiheita, kuten puolijohteita, antureita, vähittäismyyntijärjestelmiä, digitaalisia maksuja ja kvanttilaskentaa/teknologiaa yli 25 vuoden ajan.
