LBNL, 양자 데이터 저장, 시각화 프로젝트 주도 – 고성능 컴퓨팅 뉴스 분석 | HPC 내부

로렌스 버클리 국립 연구소(Lawrence Berkeley National Laboratory)는 국립 연구실과 대학 연구원들이 최근 양자 컴퓨팅을 보다 실용적으로 만들고 시각화가 양자 컴퓨팅을 이해하는 데 어떻게 도움이 되는지 탐구하는 새로운 데이터 저장 및 분석 방법을 소개하는 두 편의 논문을 발표했다고 발표했습니다.

로렌스 버클리 국립 연구소(Lawrence Berkeley National Laboratory) 과학 데이터 부문 연구 과학자이자 이 노력의 리더인 Talita Perciano는 "이 연구는 데이터 인코딩, 처리 및 시각화를 위한 현재 양자 장치를 이해하고 활용하는 데 있어서 중요한 진전을 나타냅니다."라고 말했습니다.

“이러한 기여는 이전의 우리의 기반을 바탕으로 이루어졌습니다. 노력 과학적 데이터 분석 및 시각화를 형성하는 데 있어 양자 기술의 지속적인 탐구와 잠재력을 강조합니다. 이러한 프로젝트의 실현은 각 구성원이 고유한 전문 지식과 관점을 가져왔기 때문에 팀워크의 중요한 역할을 강조합니다. 이번 협력은 삶의 여러 측면과 마찬가지로 양자 영역에서도 발전이 개인의 성취에 관한 것이 아니라 팀의 공동 노력과 비전 공유에 관한 것이라는 사실을 입증하는 것입니다.”

에 따르면 기사 Carol Pott가 LBNL 사이트에서 이 프로젝트에 기여한 사람들은 Perciano와 함께 과학 데이터 부서, 응용 수학 및 전산 연구 부서, 국립 에너지 연구 과학 컴퓨팅 센터(NERSC)의 연구원들로 구성되어 있습니다. 샌프란시스코 주립대학교(SFSU)와 케이스웨스턴리저브대학교.

고전과 양자의 균형

콜라보레이션: (윗줄, 왼쪽에서 오른쪽으로) Talita Perciano, Jan Balewski, Daan Camps. (맨 아래 줄, 왼쪽에서 오른쪽으로) Roel Van Beeumen, Mercy G. Amankwah, E. Wes Bethel

양자 알고리즘에서 사용할 고전 데이터 인코딩에 대한 팀의 초점은 역사적으로 계산 비용이 많이 드는 양자 정보 과학 기술(QIST) 방법을 그래픽 및 시각화의 일부로 활용하는 진전을 향한 디딤돌입니다. “QIST의 기능과 기존 컴퓨팅 간의 적절한 균형을 찾는 것은 큰 연구 과제입니다. 한편으로, 양자 시스템은 더 많은 큐비트를 추가함에 따라 기하급수적으로 더 큰 문제를 처리할 수 있습니다. 반면에 기존 시스템과 HPC 플랫폼은 수십 년간 탄탄한 연구와 인프라를 갖추고 있지만 확장성 측면에서 기술적 한계에 부딪혔습니다.”라고 Bethel은 말했습니다. “가능한 경로 중 하나는 클래식 CPU와 양자 처리 장치(QPU)를 혼합하는 하이브리드 클래식-양자 컴퓨팅 아이디어입니다. 이 접근 방식은 두 세계의 장점을 결합하여 특정 과학 응용 분야에 대한 흥미로운 가능성을 제공합니다.”

첫 번째 논문, 최근 네이처 사이언티픽 리포트(Nature Scientific Reports)에 게재됨, 분석 기능을 향상시키기 위해 양자 시스템에서 클래식 데이터를 인코딩하고 저장하는 방법을 탐색하고 두 가지 새로운 방법과 그 작동 방식을 다룹니다. QCrank는 실수 세트를 선택한 큐비트의 연속 회전으로 인코딩하여 더 적은 공간을 사용하여 더 많은 데이터를 표현할 수 있도록 합니다. 반면 QBArt는 이진 데이터를 순수한 0과 1 큐비트 상태에 매핑된 일련의 0과 1로 직접 나타내므로 데이터에 대한 계산을 더 쉽게 수행할 수 있습니다.

두 번째 논문에서는, 팀은 시각화와 양자 컴퓨팅 사이의 상호 작용을 조사하여 복잡한 양자 상태를 그래픽으로 표현하고 양자 컴퓨팅을 시각적 데이터 탐색 및 분석 영역에 통합할 때의 잠재적 이점과 과제를 탐색함으로써 시각화가 양자 컴퓨팅에 어떻게 기여했는지 보여주었습니다. . 과학적 탐구에서 시각화를 통해 연구자들은 미지의 세계를 탐색하고 "볼 수 없는 것을 볼 수" 있으며 추상적 정보를 쉽게 이해할 수 있는 이미지로 효과적으로 전달할 수 있습니다.

팀은 DNA 패턴 일치, 정수 시퀀스 사이의 거리 계산, 복소수 시퀀스 조작, 이진 픽셀로 구성된 이미지 작성 및 검색과 같은 여러 유형의 데이터 처리 작업을 사용하여 NISQ 양자 하드웨어에서 방법을 테스트했습니다. 팀은 Quantinuum H1-1이라는 양자 프로세서와 IBMQ 및 IonQ를 통해 제공되는 다른 양자 프로세서를 사용하여 이러한 테스트를 실행했습니다. 종종 NISQ 장치의 단일 회로와 같은 대규모 데이터 샘플을 처리하는 양자 알고리즘은 성능이 매우 저하되거나 완전히 무작위 출력을 생성합니다. 저자는 이러한 하드웨어를 사용할 때 새로운 방법이 매우 정확한 결과를 얻었음을 입증했습니다.

데이터 인코딩 및 누화 처리

클래식 데이터를 처리하는 양자 알고리즘을 설계하고 구현할 때 데이터 인코딩 문제로 알려진 중요한 과제가 발생합니다. 이는 클래식 데이터를 양자 컴퓨터가 작업할 수 있는 형식으로 변환하는 방법입니다. 인코딩 프로세스 중에 양자 리소스를 효율적으로 사용하는 것과 알고리즘의 계산 복잡성을 관리하기에 충분히 단순하게 유지하는 것 사이에는 균형이 있습니다.

“현재의 양자 하드웨어 제약 조건의 균형을 맞추는 데 중점을 두었습니다. 일부 수학적으로 견고한 인코딩 방법은 너무 많은 단계 또는 양자 게이트를 사용하므로 양자 시스템은 최종 게이트에 도달하기도 전에 초기 정보를 잃습니다. 이로 인해 인코딩된 데이터를 올바르게 계산할 기회가 없습니다.”라고 NERSC의 컨설턴트이자 Scientific Reports 논문의 첫 번째 저자인 Jan Balewski가 말했습니다. "이 문제를 해결하기 위해 우리는 하나의 긴 시퀀스를 여러 병렬 인코딩 스트림으로 나누는 방식을 생각해 냈습니다."

불행하게도 이 방법은 저장된 정보를 왜곡시키는 스트림 간의 누화라는 새로운 문제를 야기했습니다. “이것은 혼잡한 방에서 여러 대화를 들으려는 것과 같습니다. 겹치면 각 메시지를 이해하는 것이 어려워집니다. 데이터 시스템에서 누화는 정보를 왜곡하여 통찰력을 덜 정확하게 만듭니다.”라고 Balewski는 말했습니다. “우리는 두 가지 방법으로 누화를 해결했습니다. QCrank의 경우 교정 단계를 도입했습니다. QBArt의 경우 메시지에 사용되는 언어를 단순화했습니다. 사용되는 토큰 수를 줄이는 것은 라틴 알파벳에서 모스 부호로 전환하는 것과 같습니다. 전송 속도는 느리지만 왜곡의 영향을 덜 받습니다.”

이 연구는 양자 데이터 인코딩 및 분석을 보다 실용적으로 만드는 두 가지 중요한 발전을 소개합니다. 첫째, 병렬 균일 제어 회전(pUCR) 회로는 이전 방법에 비해 양자 회로의 복잡성을 획기적으로 줄입니다. 이러한 회로를 사용하면 여러 작업이 동시에 발생할 수 있으므로 높은 연결성과 병렬 게이트 실행 지원 기능을 갖춘 Quantinuum의 H1-1 장치와 같은 양자 프로세서에 매우 적합합니다. 둘째, 본 연구에서는 pUCR 회로를 활용하는 두 가지 데이터 인코딩 기술인 QCrank와 QBArt를 소개합니다. QCrank는 연속적인 실제 데이터를 회전 각도로 인코딩하고 QBArt는 정수 데이터를 이진 형식으로 인코딩합니다. 또한 이 연구는 IonQ 및 IBMQ 양자 프로세서를 사용하여 수행된 일련의 실험을 제시하며 이전에 달성한 것보다 더 큰 규모로 성공적인 양자 데이터 인코딩 및 분석을 보여줍니다. 또한 이러한 실험에는 잡음이 있는 하드웨어 결과를 수정하기 위한 새로운 오류 완화 전략이 통합되어 계산의 신뢰성이 향상되었습니다.

QCrank를 사용하여 수행한 실험에서는 정보 복구에 있어 높은 수준의 정확도로 384큐비트에서 12개의 흑백 픽셀을 성공적으로 인코딩하고 검색하는 유망한 결과를 보여줍니다(그림 1). 특히, 이 이미지는 양자 장치에서 성공적으로 인코딩된 가장 큰 이미지를 나타내며 획기적인 성과를 나타냅니다. 동일한 이미지를 기존 컴퓨터에 저장하려면 384비트가 필요하므로 양자 컴퓨터에 비해 효율성이 30배 떨어집니다. 양자 시스템의 용량은 큐비트 수에 따라 기하급수적으로 증가하므로, 예를 들어 이상적인 양자 컴퓨터의 35큐비트만 인간 게놈에서 발견되는 전체 150GB의 DNA 정보를 보유할 수 있습니다.

QBArt를 사용하여 수행한 실험에서는 복잡한 DNA 서열(그림 2)부터 복소수에 이르기까지 다양한 데이터 서열을 인코딩하고 처리하는 데 있어 거의 완벽한 충실도로 놀라운 능력을 보여주었습니다. 또한 이 연구에서는 이진 데이터 인코딩 시 다양한 양자 프로세서의 성능 평가를 조사하고, pUCR 회로에 의존하는 작업을 위한 이온 트랩 기반 프로세서의 뛰어난 기능을 공개합니다. 이러한 발견은 다양한 양자 알고리즘과 하이브리드 양자-고전 알고리즘 전반에 걸쳐 소형 병렬 회로의 적용에 대한 더 깊은 조사를 위한 무대를 마련했을 뿐만 아니라; 또한 미래의 양자 기계 학습 및 데이터 처리 작업에서 흥미로운 발전을 위한 길을 열어줍니다.

“양자 컴퓨팅의 최전선을 탐색하는 우리 팀은 신흥 인재에 힘입어 데이터 인코딩 방법을 활용하여 광범위한 분석 작업을 처리하는 이론적 발전을 탐구하고 있습니다. 이러한 새로운 접근 방식은 NISQ 장치에서 이전에 볼 수 없었던 규모로 분석 기능을 잠금 해제할 수 있는 가능성을 제시합니다.”라고 Perciano는 말했습니다. “우리는 HPC와 양자 하드웨어를 모두 활용하여 양자 컴퓨팅 연구의 지평을 확장하고 양자가 다양한 과학 영역에서 문제 해결 방법을 혁신할 수 있는 방법을 구상하는 것을 목표로 합니다. 양자 하드웨어가 발전함에 따라 연구팀 모두는 대규모 과학 데이터 분석 및 시각화를 위한 강력한 도구로서 실용성과 유용성에 대한 잠재력을 믿습니다.”

최근 양자 인력을 구축하고 교육하라는 요구로 인해 미국 에너지부(DOE)를 포함한 많은 조직에서는 QIST에 대한 연구를 발전시키고 새로운 알고리즘, 시스템 및 소프트웨어 환경을 개발하는 데 도움이 되는 방법을 찾고 있습니다. 이를 위해 Berkeley Lab은 소수민족 기관인 SFSU와 지속적인 협력을 통해 QIST에 대한 연구소의 노력을 활용하고 SFSU의 기존 커리큘럼에 새로운 QIST 중심 교과 과정 및 교육 기회를 포함하도록 확장합니다. 이전에 Berkeley 연구소 수석 컴퓨터 과학자였던 SFSU 부교수 Wes Bethel은 QIST 주제에 초점을 맞춘 논문을 통해 SFSU 컴퓨팅 과학 석사 졸업생의 새로운 세대를 배출하는 일을 주도했으며, 이들 중 다수는 소수 그룹 출신이었습니다.

머시 아만크와(Mercy Amankwah) 박사 Case Western University 학생은 2021년 12월부터 이 협력에 참여해 왔으며 매년 XNUMX주간의 여름 방학을 Berkeley Lab과 Sustainable Horizons Institute 간의 파트너십인 Sustainable Research Pathways 프로그램에 참여하는 데 바쳤습니다. Amankwah는 선형 대수학에 대한 전문 지식을 활용하여 양자 회로의 설계 및 조작을 혁신하여 팀이 QCrank 및 ABArt라는 두 가지 새로운 방법에서 기대했던 효율성을 달성했습니다. 이 방법은 팀의 혁신적인 기술을 사용하여 양자 컴퓨터용 데이터를 인코딩합니다. “우리가 하고 있는 작업은 정말 매력적입니다.”라고 Amankwah는 말했습니다. “이것은 우리가 다음의 큰 혁신을 생각하도록 끊임없이 밀어붙이는 여정입니다. 제가 박사 학위를 취득하면서 이 분야에 더욱 영향력 있는 기여를 할 수 있기를 기대하고 있습니다. 직업 모험.”

이 연구는 미국 에너지부(DOE) 첨단 과학 컴퓨팅 연구실(ASCR) 극한 규모 과학을 위한 탐구 연구, 지속 가능한 지평선 연구소, 버클리 연구소의 실험실 지도 연구 개발 프로그램의 지원을 받았으며 NERSC의 컴퓨팅 리소스를 사용했습니다. 및 Oak Ridge 리더십 컴퓨팅 시설.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://insidehpc.com/2024/04/lbnl-leads-quantum-data-storage-visualization-project/