Massiivisten kvanttipiirien tehokas synteesi – katsaus Classiq-järjestelmään – kvanttiteknologian sisäinen

Classiq Platform tarjoaa yksinkertaisia ​​tapoja syntetisoida massiivisia kvanttipiirejä monimutkaisia ​​algoritmeja varten. Itse asiassa voit nopeasti ja helposti syntetisoida niin suuria piirejä, että kohdekvanttitietokoneesi palauttaa virheen. Se ei ehkä edes palauta "kohinaa" käynnissä olevista piireistä niin syvällä, mutta virheet osoittavat, että nämä piirit eivät voi toimia ollenkaan.

Ongelmalla on kolme tasoa. Jopa pienillä kvanttipiireillä jokainen operaatio tuo mukanaan virhemahdollisuuden. Virheiden kertyessä tuloksista tulee nopeasti hyödyttömiä. Kun piirit kasvavat, vaarana on saavuttaa rajat, kuinka kauan kvanttiinformaatiota voidaan ylläpitää, mikä tarkoittaa, että algoritmilla ei ole aikaa valmistua. Kuvittele, että haluat katsoa 20 minuutin YouTube-videon vain 5 minuutin akunkestolla. et voi tehdä sitä. Et voi kytkeä kvanttitietokonetta pistorasiaan, etkä myöskään ladata ja jatkaa; et yksinkertaisesti pysty ajamaan koko algoritmia ajoissa. Ja kun piirit muuttuvat suorastaan ​​massiiviseksi, tulee usein edellä mainittu virheilmoitus, joka osoittaa, että ohjausjärjestelmä ei edes yritä suorittaa algoritmia.

Classiq-tiimi näyttää nyt ehdottavan, että alusta ei vain syntetisoi massiivisia piirejä, vaan että se tekee sen tehokkaammin kuin Qiskit, suosituin kvanttilaskentakehys. Tämä väite on tärkeä neljästä syystä: 1) matalammat piirit toimivat nopeammin kuin syvemmät piirit, 2) nopeammat ajoajat voivat säästää merkittävästi kustannuksia, kun laskutus perustuu ajoaikaan, 3) vähemmän toimintoja tarkoittaa vähemmän korjausta vaativia virheitä ja 4) kvanttitietokoneina. kypsä ja voi suorittaa suurempia algoritmeja, pienemmistä piireistä tulee hyödyllisiä ensin.

Tuolla on classicq muistikirja joka vertaa Classiq Platformia Qiskitiin HHL-algoritmin avulla. Jos haluamme nähdä eroja tehokkuudessa, HHL-algoritmi on tarpeeksi massiivinen korostaakseen näitä eroja.

HHL-algoritmi

Harrow-Hassidim-Lloyd-algoritmi tai HHL-algoritmi lupaa ratkaista lineaarisia yhtälöjärjestelmiä eksponentiaalisella nopeudella tunnetuimpiin klassisiin algoritmeihin verrattuna. Nämä yhtälöt ovat laajalti sovellettavissa tieteessä ja tekniikassa.

Ongelmana on, että HHL-piirit ovat uskomattoman syviä jopa pienimmillä leluongelmilla. Jos haluat näyttää piirejä, jotka palauttavat virheitä tulosten sijaan nykyisillä kvanttitietokoneilla, tämä on algoritmi, jolla sitä yritetään. 

Classiq-muistikirja

Tarkastelemme kolmea keskeistä mittaria: tarkkuus, piirin syvyys ja CX-luku. Tarkkuus on sitä, kuinka lähellä tulos on tarkkaa ratkaisua; piirien koon vuoksi kaikki on laskettava klassisesti. Piirin syvyys ilmaisee, kuinka monta aikavaihetta tarvitaan kaikkien toimintojen toteuttamiseen, työntämällä tai ylittämällä nykyisten kvanttitietokoneiden rajoja. CX-luvut osoittavat usean kubitin toimintojen määrän, koska ne ovat poikkeuksellisen virhealttiita.

Classiq-piiri näyttää paremman tarkkuuden, sillä piirin syvyys on pienempi ja CX-toimintoja on paljon vähemmän. Vaikka se on edelleen liian massiivinen juoksemiseen, se on paljon lähempänä hyödyllisyyttä kuin Qiskitin rata. Tärkeää on, että klassisesti laskettu tarkkuus korostaa, että Classiqin piiri ei ole vain pienempi, vaan että se on itse asiassa edelleen suunniteltu ratkaisemaan valittu ongelma tässä pienemmässä koossa. 

Luonnollista skeptisyyttä

Ongelma Classiqin kannettavaan tietokoneeseen luottamisessa on, että Classiq-tiimi ei tarjoa vain omaa ratkaisuaan, vaan he tarjoavat myös Qiskitin ratkaisun. He haluavat luonnollisesti Classiq Platformin näyttävän hyvältä, joten on tärkeää tarkistaa heidän väitteensä HHL:n toteutuksesta, joka käyttää Qiskitiä, mutta jota Classiq-tiimi ei ole kehittänyt. 

Qiskitin muistikirja

Helpoin löytää toteutus on Qiskitin HHL opetusohjelma, jonka avulla Classiqin ongelma voidaan ratkaista Qiskit-tiimin koodilla. Tämä muistikirja sisältää kaksi lähestymistapaa, toinen, joka tuottaa suurempia piirejä, mutta on tarkempi, ja toinen, joka tuottaa pienempiä piirejä tinkimällä tarkkuudesta. 

Classiq-piiri ei ole ainoastaan ​​huomattavasti pienempi kuin kaikki kolme Qiskit-piiriä, vaan se vaatii myös yhden kubitin vähemmän kuin Qiskitin Naive- ja Tridi-piirit. 

Korkean tarkkuuden vuoksi Classiqin Qiskit-toteutus on parempi verrattuna Qiskit Naive -toteutukseen kuin Qiskit Tridi -toteutus. Vaikka CX-luku on 25 % suurempi, piirin syvyys on 70 % pienempi yhdellä kubitilla vähemmän. Jos meillä olisi tänään virhekorjattuja kvanttitietokoneita, tämä tarkoittaa, että Classiqin Qiskit-toteutus toimisi nopeammin ja siitä aiheutuisi alhaisemmat laitteiston käyttökustannukset kuin Qiskitin oma high-fidelity-toteutus.

Johtopäätös: Classiq kestää

Ainakin tässä tapauksessa Classiqin väite pitää paikkansa. HHL ei ole vain helppo toteuttaa, vaan ero piirin koossa on huomattava. Classiqin piiri ei vain toimi nopeammin kuin kolme Qiskit-vaihtoehtoa, vaan se maksaa vähemmän IBM Quantumin kautta. Ja kun kvanttilaskentalaitteisto paranee, Classiqin toteutuksesta tulee ensimmäinen hyödyllinen neljästä tässä.

Brian N. Siegelwax on riippumaton Quantum Algorithm -suunnittelija ja freelance-kirjoittaja Sisällä Quantum Technology. Hänet tunnetaan panoksestaan ​​kvanttilaskennan alalla, erityisesti kvanttialgoritmien suunnittelussa. Hän on arvioinut lukuisia kvanttilaskennan puitteita, alustoja ja apuohjelmia ja jakanut näkemyksensä ja havaintojaan kirjoituksissaan. Siegelwax on myös kirjailija ja hän on kirjoittanut kirjoja, kuten "Dungeons & Qubits" ja "Choose Your Own Quantum Adventure". Hän kirjoittaa säännöllisesti Mediumille erilaisista kvanttilaskentaan liittyvistä aiheista. Hänen työhönsä kuuluvat kvanttilaskennan käytännön sovellukset, kvanttilaskennan tuotteiden katsaukset ja keskustelut kvanttilaskennan käsitteistä.

Luokat:
fotoniikan, kvanttilaskenta

Tunnisteet:
Brian Siegelwax, classicq, Qiskit, kubittien

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
• PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
• PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
• PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
• Lähde: https://www.insidequantumtechnology.com/news-archive/efficient-synthesis-of-massive-quantum-circuits-an-overview-of-the-classiq-system/