Rendre l'informatique quantique moins chère et plus chère - Examen de l'opale de feu de Q-CTRL : par Brian Siegelwax

Republié par Platon

Suiveurs: 0

Un graphique de la plate-forme Fire Opal de Q-CTRL et sa prétention de rendre l'informatique quantique moins chère à utiliser.

By Auteur invité posté le 21 février 2024

Cet article a commencé avec l'intention de démontrer comment utiliser Q-CTRL Opale de feu application peut vous faire économiser de l’argent sur l’accès au matériel informatique quantique. Et ça commencera par faire ça. Mais comme l’expérimentation a tendance à le faire, une tournure inattendue a été découverte en cours de route.

Un graphique de la façon dont Fire Opal de Q-CTRL fonctionne pour trouver des solutions innovantes. (PC Q-CTRL)

Premièrement : économiser beaucoup d’argent

Q-CTRL a publié un article intitulé "Réduire les coûts de calcul quantique par 2,500 XNUMX avec Fire Opal» dans lequel ils affirment que « les estimations sont passées d'un montant prévu de 89,205 32 $ pour une seule exécution d'un algorithme QAOA à seulement XNUMX $ » en utilisant le solveur QAOA de Fire Opal.

Sans entrer dans la technique, QAOA utilise un circuit quantique paramétré. Nous devinons les paramètres puis exécutons le circuit. Sur la base des résultats, nous ajustons les paramètres de manière itérative et réexécutons le circuit jusqu'à ce que nous arrivions à une approximation de solution acceptable.

Ce qui nous préoccupe ici, c'est le coût de fonctionnement de ce circuit. Chaque fois que nous exploitons ce circuit, nous supportons ce coût. Par conséquent, notre objectif est d’exécuter cet algorithme avec le moins d’itérations possible. Cela est à la fois plus rapide et moins cher.

J'ai personnellement comparé le solveur QAOA de Fire Opal à deux autres solveurs QAOA, et il ne fait aucun doute que Fire Opal a réduit ce nombre d'itérations. Fire Opal améliore considérablement la qualité des résultats de chaque itération afin que vous arriviez réellement à une solution approximative. Pour être honnête, j'ai abandonné les deux autres solveurs. Ainsi, même si je ne vais pas personnellement dépenser 90,000 2500 $ juste pour vérifier l'affirmation de Q-CTRL de XNUMXX, je peux vérifier que Fire Opal arrête de faire fonctionner les circuits lorsqu'il arrive à une solution approximative, alors que je ne peux pas vérifier que les autres solveurs obtiennent là du tout. L'image présentée en haut de cet article provient de Q-CTRL et montre une économie de 5700 XNUMX X, mais elle n'a pas d'article associé vers lequel créer un lien.

Deuxièmement : dépenser infiniment plus d’argent

Cependant, ce qui devrait vraiment nous intéresser, ce sont les algorithmes destinés à l’informatique quantique tolérante aux pannes (FTQC). L’exécution de ces algorithmes prend tellement de temps que les ordinateurs quantiques actuels renvoient du pur bruit. Bien que nous nous concentrions normalement sur la qualité des résultats ou sur leur absence, nous devrons peut-être également prendre en compte le temps d'exécution. Un modèle de prix peut être basé sur le nombre de fois que nous exécuterons chaque circuit, mais il peut également être basé sur la durée de son exécution. Si Fire Opal peut améliorer l'efficacité de l'exécution des circuits, cela pourrait se traduire par une réduction des coûts liés au temps d'exécution.

J'utilise la plateforme Classiq SDK Python pour synthétiser d'énormes circuits, tels que ceux nécessaires à l'estimation de phase quantique (QPE). Si nous voulons voir à quel point l'opale de feu est moins chère, nous devrons exécuter les circuits les plus grands possibles afin de voir une répartition claire.

J'ai commencé avec l'hydrogène moléculaire (H2) avec un qubit de comptage. Si vous n'êtes pas familier, QPE calcule l'énergie de l'état fondamental des molécules en utilisant un registre (qubits de données) pour représenter la molécule et un registre (comptage des qubits) pour déterminer la précision de la solution. Idéalement, nous souhaitons utiliser huit qubits de comptage pour H2, mais je l'ai déjà testé et le matériel actuel ne peut pas le gérer. H2 ne nécessite qu’un seul qubit de données, donc ce premier circuit n’utilisait que deux qubits au total.

Qiskit et Fire Opal ont utilisé sept secondes de IBM Exécution quantique. Cependant, Fire Opal a automatiquement appliqué une atténuation des erreurs, ce qui a consommé 21 secondes supplémentaires d'exécution. Pour être honnête, j'ai appliqué l'équivalent de Qiskit, appelé M3, et M3 n'a utilisé que 11 secondes supplémentaires d'exécution. Pour H2 avec un qubit de comptage, Qiskit a en fait remporté la comparaison d'exécution.

Mais j'ai ensuite essayé H2 avec deux qubits de comptage. Le Kikit le travail a échoué, alors que le travail Fire Opal s'est terminé avec suffisamment de précision pour que vous puissiez estimer approximativement la solution. La précision est loin d’être là où elle devrait être, mais elle est au moins dans la bonne fourchette.

Et c’est là que réside le rebondissement inattendu. Le coût de la tâche Qiskit ayant échoué est de 0.00 $. Parce que le travail Fire Opal est terminé, ironiquement, il est infiniment plus cher lors de l'utilisation d'un plan premium IBM Quantum.

De plus, Fire Opal peut dépasser H2 avec deux qubits de comptage. Je l'ai personnellement poussé vers H2 avec 6 qubits de comptage ainsi que vers l'oxygène moléculaire (O2) – qui nécessite 11 qubits de données – avec 2 qubits de comptage. O2 avec 2 qubits de comptage a consommé 4 minutes 28 secondes d'exécution IBM Quantum, et le résultat vous maintient toujours dans la bonne fourchette. Pousser plus loin renvoie des messages d'erreur d'IBM Quantum.

Par conséquent, le plus grand circuit QPE pouvant fonctionner sur le matériel actuel, consommant 268 secondes d'exécution à 1.60 USD par seconde, coûte 428.80 USD en utilisant Fire Opal avec un accès premium au matériel IBM Quantum, ou 0.00 USD sans Fire Opal car le travail échouera.

Conclusion : l'opale de feu n'est pas nécessairement moins chère

On dit que le « quantique » n’est pas intuitif et ne manque jamais de décevoir. Au lieu d'être moins cher en exécutant moins d'itérations ou en raccourcissant la durée d'exécution, Fire Opal finit par être plus cher car vous pouvez le pousser plus loin. Vous pouvez exécuter un algorithme qui pourrait autrement coûter 90,000 XNUMX $, car il ne coûtera pas autant. Et vous pouvez exécuter des circuits qui autrement échoueraient et ne coûteraient rien. Par conséquent, Fire Opal est plus cher simplement parce qu’il fonctionne réellement.

Brian N. Siegelwax est un concepteur indépendant d'algorithmes quantiques et un rédacteur indépendant pour À l'intérieur de la technologie quantique. Il est connu pour ses contributions au domaine de l'informatique quantique, notamment dans la conception d'algorithmes quantiques. Il a évalué de nombreux cadres, plates-formes et utilitaires d'informatique quantique et a partagé ses idées et ses découvertes à travers ses écrits. Siegelwax est également auteur et a écrit des livres tels que « Dungeons & Qubits » et « Choose Your Own Quantum Adventure ». Il écrit régulièrement sur Medium sur divers sujets liés à l'informatique quantique. Son travail comprend des applications pratiques de l'informatique quantique, des critiques de produits informatiques quantiques et des discussions sur les concepts de l'informatique quantique.

Catégories: Article invité, photonique, l'informatique quantique

Mots clés: Brian Siegelwax, Opale de feu, Q-CTRL