Membuat Komputasi Kuantum Lebih Murah dan Mahal-Meninjau Fire Opal Q-CTRL: Oleh Brian Siegelwax – Inside Quantum Technology

Artikel ini awalnya bermaksud untuk mendemonstrasikan cara menggunakan Q-CTRL Fire Opal aplikasi dapat menghemat uang Anda untuk akses perangkat keras komputer kuantum. Dan itu akan mulai melakukan hal itu. Namun karena eksperimen cenderung dilakukan, perubahan tak terduga ditemukan di sepanjang proses tersebut. 

Grafik cara kerja Fire Opal Q-CTRL untuk menemukan solusi inovatif. (PC Q-CTRL)

Pertama: Menghemat Banyak Uang

Q-CTRL telah diterbitkan sebuah artikel berjudul "Mengurangi biaya komputasi kuantum 2,500X lipat dengan Fire Opal” di mana mereka mengklaim “perkiraan naik dari perkiraan $89,205 untuk satu kali pengoperasian algoritma QAOA menjadi hanya $32” menggunakan pemecah QAOA Fire Opal.

Tanpa menjelaskan secara teknis, QAOA menggunakan sirkuit kuantum berparameter. Kami menebak parameternya dan kemudian menjalankan sirkuit. Berdasarkan hasil, kami menyesuaikan parameter secara berulang dan menjalankan kembali rangkaian hingga kami mencapai perkiraan solusi yang dapat diterima. 

Yang kami khawatirkan di sini adalah biaya menjalankan sirkuit tersebut. Setiap kali kami menjalankan sirkuit itu, kami menanggung biaya tersebut. Oleh karena itu, tujuan kami adalah menjalankan algoritme ini dengan kemungkinan iterasi sesedikit mungkin. Melakukan hal ini lebih cepat dan lebih murah.

Saya pribadi telah membandingkan pemecah QAOA Fire Opal dengan dua pemecah QAOA lainnya, dan tidak diragukan lagi bahwa Fire Opal mengurangi jumlah iterasi ini. Fire Opal secara dramatis meningkatkan kualitas hasil setiap iterasi sehingga Anda benar-benar mendapatkan solusi perkiraan. Sejujurnya, saya menyerah pada dua pemecah lainnya. Jadi, meskipun saya pribadi tidak akan menghabiskan $90,000 hanya untuk memverifikasi klaim Q-CTRL sebesar 2500X, saya dapat memverifikasi bahwa Fire Opal berhenti menjalankan sirkuit ketika tiba pada solusi perkiraan, sementara saya tidak dapat memverifikasi bahwa pemecah lainnya mendapatkan di sana sama sekali. Gambar unggulan di bagian atas artikel ini berasal dari Q-CTRL dan menunjukkan penghematan 5700X, namun tidak memiliki artikel terkait untuk ditautkan.

Kedua: Menghabiskan Lebih Banyak Uang

Namun, yang benar-benar harus kita minati adalah algoritma yang ditujukan untuk komputasi kuantum toleransi kesalahan (FTQC). Algoritme ini membutuhkan waktu yang sangat lama untuk dieksekusi sehingga komputer kuantum saat ini hanya menghasilkan noise. Meskipun kami biasanya fokus pada kualitas hasil atau kekurangannya, kami mungkin juga perlu mempertimbangkan waktu proses. Model harga mungkin didasarkan pada berapa kali kita menjalankan setiap sirkuit, tetapi mungkin juga didasarkan pada berapa lama sirkuit tersebut berjalan. Jika Fire Opal dapat meningkatkan efisiensi eksekusi sirkuit, hal ini mungkin berarti biaya terkait runtime yang lebih rendah.

Saya menggunakan Platform Classiq SDK Python untuk mensintesis sirkuit besar, seperti yang diperlukan untuk estimasi fase kuantum (QPE). Jika kita ingin melihat seberapa murahnya Fire Opal, kita perlu menjalankan sirkuit seluas mungkin agar kita dapat melihat penyebarannya dengan jelas.

Saya mulai dengan molekul hidrogen (H2) dengan satu qubit penghitungan. Jika Anda belum terbiasa, QPE menghitung energi keadaan dasar molekul menggunakan satu register (data qubit) untuk mewakili molekul dan satu register (menghitung qubit) untuk menentukan ketepatan solusi. Idealnya, kami ingin menggunakan delapan qubit penghitungan untuk H2, tetapi saya sudah mengujinya dan perangkat keras saat ini tidak dapat mengatasinya. H2 hanya membutuhkan satu qubit data, jadi rangkaian pertama ini hanya menggunakan total dua qubit.

Baik Qiskit dan Fire Opal menggunakan waktu tujuh detik IBM Waktu proses kuantum. Namun, Fire Opal secara otomatis menerapkan mitigasi kesalahan, yang memerlukan waktu proses tambahan sebesar 21 detik. Agar adil, saya menerapkan Qiskit yang setara, yang disebut M3, dan M3 hanya menggunakan waktu proses tambahan 11 detik. Untuk H2 dengan satu qubit penghitungan, Qiskit sebenarnya memenangkan perbandingan runtime.

Tapi saya kemudian mencoba H2 dengan dua qubit penghitungan. Itu Qikit pekerjaan gagal, sedangkan pekerjaan Fire Opal diselesaikan dengan akurasi yang cukup sehingga Anda dapat memperkirakan solusinya secara kasar. Ketepatannya masih jauh dari yang seharusnya, tapi setidaknya berada pada tingkat kasar yang benar. 

Dan disitulah letak kejadian tak terduga. Biaya pekerjaan Qiskit yang gagal adalah $0.00. Ironisnya, karena pekerjaan Fire Opal telah selesai, biayanya jauh lebih mahal bila menggunakan paket premium IBM Quantum.

Selain itu, Fire Opal dapat melewati H2 dengan dua qubit penghitungan. Saya pribadi telah mendorongnya ke H2 dengan 6 qubit penghitungan serta oksigen molekuler (O2) – yang membutuhkan 11 qubit data – dengan 2 qubit penghitungan. O2 dengan 2 qubit penghitungan menghabiskan 4 menit 28 detik runtime IBM Quantum, dan hasilnya tetap membuat Anda tetap berada pada perkiraan kasarnya. Mendorong lebih jauh akan mengembalikan pesan kesalahan dari IBM Quantum.

Oleh karena itu, sirkuit QPE terbesar yang dapat berjalan pada perangkat keras saat ini, memakan waktu proses 268 detik dengan biaya $1.60 per detik, berharga $428.80 menggunakan Fire Opal dengan akses premium ke perangkat keras IBM Quantum, atau $0.00 tanpa Fire Opal karena pekerjaan akan gagal.

Kesimpulan: Fire Opal Belum Tentu Lebih Murah

Mereka mengatakan bahwa “kuantum” tidak intuitif, dan tidak pernah mengecewakan. Alih-alih menjadi lebih murah dengan menjalankan lebih sedikit iterasi atau memperpendek waktu proses, Fire Opal malah menjadi lebih mahal karena Anda dapat mendorongnya lebih jauh. Anda dapat menjalankan algoritme yang mungkin memerlukan biaya $90,000 karena biayanya tidak akan mendekati itu. Dan Anda dapat menjalankan sirkuit yang jika tidak maka akan gagal dan tidak memerlukan biaya apa pun. Oleh karena itu, Fire Opal lebih mahal hanya karena benar-benar berfungsi. 

Brian N. Siegelwax adalah Perancang Algoritma Kuantum independen dan penulis lepas untuk Di dalam Teknologi Kuantum. Ia dikenal atas kontribusinya pada bidang komputasi kuantum, khususnya dalam desain algoritma kuantum. Dia telah mengevaluasi berbagai kerangka kerja, platform, dan utilitas komputasi kuantum dan telah berbagi wawasan dan temuannya melalui tulisannya. Siegelwax juga seorang penulis dan telah menulis buku seperti “Dungeons & Qubits” dan “Choose Your Own Quantum Adventure”. Dia rutin menulis di Medium tentang berbagai topik terkait komputasi kuantum. Karyanya meliputi aplikasi praktis komputasi kuantum, review produk komputasi kuantum, dan diskusi tentang konsep komputasi kuantum.

Kategori: Artikel tamu, Photonics, komputasi kuantum

Tags: Brian Siegelwax, Fire Opal, Q-CTRL

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://www.insidequantumtechnology.com/news-archive/making-quantum-computing-cheaper-and-more-expensive-reviewing-q-ctrls-fire-opal-by-brian-siegelwax/