Kwantumcomputers goedkoper en duurder maken - Q-CTRL's Fire Opal beoordelen: door Brian Siegelwax

Heruitgegeven door Plato

volgers: 0

Een afbeelding van Q-CTRL's Fire Opal-platform en zijn claim om quantum computing goedkoper in gebruik te maken.

By Gast auteur geplaatst op 21 februari 2024

Dit artikel begon met de bedoeling om te demonstreren hoe je Q-CTRL's gebruikt Fire Opal toepassing kan u geld besparen op hardwaretoegang tot quantumcomputers. En het zal daarmee beginnen. Maar zoals experimenteren vaak gebeurt, werd er gaandeweg een onverwachte wending ontdekt.

Een afbeelding van hoe Q-CTRL's Fire Opal werkt om innovatieve oplossingen te vinden. (PC Q-CTRL)

Ten eerste: aanzienlijk geld besparen

Q-CTRL heeft gepubliceerd een artikel getiteld "Het verlagen van de kwantumcomputerkosten met 2,500x met Fire Opalwaarin ze beweren dat “de schattingen gingen van een verwachte $89,205 voor een enkele run van een QAOA-algoritme naar slechts $32” met behulp van de QAOA-oplosser van Fire Opal.

Zonder technisch te worden: QAOA gebruikt een geparametriseerd kwantumcircuit. We raden de parameters en voeren vervolgens het circuit uit. Op basis van de resultaten passen we iteratief de parameters aan en herhalen we het circuit totdat we tot een aanvaardbare oplossingsbenadering komen.

Waar het ons hier om gaat zijn de kosten van het runnen van dat circuit. Elke keer dat we dat circuit runnen, maken we die kosten. Daarom is het ons doel om dit algoritme met zo min mogelijk iteraties uit te voeren. Dit is zowel sneller als goedkoper.

Ik heb de QAOA-oplosser van Fire Opal persoonlijk vergeleken met twee andere QAOA-oplossers, en het lijdt geen twijfel dat Fire Opal dit aantal iteraties heeft verminderd. Fire Opal verbetert de kwaliteit van de resultaten van elke iteratie dramatisch, zodat u daadwerkelijk tot een benaderende oplossing komt. Eerlijk gezegd heb ik de andere twee oplossers opgegeven. Dus hoewel ik persoonlijk niet $90,000 ga uitgeven alleen maar om Q-CTRL's claim van 2500X te verifiëren, kan ik verifiëren dat Fire Opal stopt met het uitvoeren van circuits wanneer het tot een benaderende oplossing komt, terwijl ik niet kan verifiëren dat de andere oplossers krijgen daar helemaal niet. De weergegeven afbeelding bovenaan dit artikel is afkomstig van Q-CTRL en toont een besparing van 5700x, maar er is geen bijbehorend artikel om naar te linken.

Ten tweede: oneindig veel meer geld uitgeven

Waar we echter echt in geïnteresseerd zouden moeten zijn, zijn algoritmen die bedoeld zijn voor fouttolerante kwantumcomputing (FTQC). De uitvoering van deze algoritmen duurt zo lang dat de huidige kwantumcomputers pure ruis produceren. Hoewel we ons normaal gesproken concentreren op de kwaliteit van de resultaten of het gebrek daaraan, moeten we mogelijk ook rekening houden met de runtime. Een prijsmodel kan gebaseerd zijn op hoe vaak we elk circuit laten draaien, maar het kan ook gebaseerd zijn op hoe lang het loopt. Als Fire Opal de efficiëntie van de circuituitvoering kan verbeteren, kan dat zich vertalen in lagere runtime-gerelateerde kosten.

Ik gebruik het Classiq Platform Python-SDK om enorme circuits te synthetiseren, zoals die nodig zijn voor kwantumfaseschatting (QPE). Als we willen zien hoeveel goedkoper Fire Opal is, moeten we de grootst mogelijke circuits gebruiken, zodat we een duidelijke spreiding kunnen zien.

Ik begon met moleculaire waterstof (H2) met één telqubit. Als u niet bekend bent: QPE berekent de grondtoestandsenergie van moleculen met behulp van één register (dataqubits) om het molecuul weer te geven en één register (qubits tellen) om de nauwkeurigheid van de oplossing te bepalen. Idealiter willen we acht telqubits gebruiken voor H2, maar dat heb ik al getest en de huidige hardware kan het niet aan. H2 vereist slechts één dataqubit, dus dit eerste circuit gebruikte in totaal slechts twee qubits.

Zowel Qiskit als Fire Opal gebruikten zeven seconden IBM Kwantumruntime. Fire Opal paste echter automatisch foutbeperking toe, wat een extra runtime van 21 seconden in beslag nam. Om eerlijk te zijn, heb ik het equivalent van Qiskit toegepast, genaamd M3, en M3 gebruikte slechts 11 extra seconden runtime. Voor H2 met één tellende qubit won Qiskit feitelijk de runtime-vergelijking.

Maar ik probeerde toen H2 met twee telqubits. De Kiskit taak is mislukt, terwijl de Fire Opal-taak met voldoende nauwkeurigheid is voltooid zodat u de oplossing ruwweg kunt inschatten. De precisie is nog lang niet waar deze moet zijn, maar bevindt zich in ieder geval in de juiste marge.

En daarin schuilt de onverwachte wending. De kosten van de mislukte Qiskit-taak bedragen $ 0.00. Omdat de Fire Opal-klus is voltooid, is het ironisch genoeg oneindig veel duurder als je een IBM Quantum premium-abonnement gebruikt.

Bovendien kan Fire Opal voorbij H2 komen met twee telqubits. Ik heb het persoonlijk naar H2 met 6 telqubits gepusht, en naar moleculaire zuurstof (O2) – waarvoor 11 dataqubits nodig zijn – met 2 telqubits. O2 met 2 telqubits verbruikte 4 minuten en 28 seconden IBM Quantum-runtime, en het resultaat houdt je nog steeds in de juiste marge. Als u verder pusht, worden er foutmeldingen van IBM Quantum geretourneerd.

Daarom kost het grootste QPE-circuit dat op de huidige hardware kan draaien, met een runtime van 268 seconden voor $ 1.60 per seconde, $ 428.80 met Fire Opal met premium toegang tot IBM Quantum-hardware, of $ 0.00 zonder Fire Opal omdat de taak zal mislukken.

Conclusie: Fire Opal is niet noodzakelijkerwijs goedkoper

Ze zeggen dat ‘kwantum’ niet intuïtief is en altijd teleurstelt. In plaats van goedkoper te zijn door minder iteraties uit te voeren of de runtime te verkorten, wordt Fire Opal uiteindelijk duurder omdat je het verder kunt pushen. Je kunt een algoritme uitvoeren dat anders €90,000 zou kosten, omdat het in de verste verte niet zo duur zal zijn. En u kunt circuits laten draaien die anders zouden falen en niets kosten. Daarom is Fire Opal duurder, simpelweg omdat het daadwerkelijk werkt.

Brian N. Siegelwax is een onafhankelijke Quantum Algorithm Designer en freelance schrijver voor Binnen Quantum Technologie. Hij staat bekend om zijn bijdragen op het gebied van quantum computing, met name op het gebied van het ontwerp van quantumalgoritmen. Hij heeft talloze kwantumcomputerframeworks, -platforms en -hulpprogramma's geëvalueerd en heeft zijn inzichten en bevindingen gedeeld via zijn geschriften. Siegelwax is ook auteur en heeft boeken geschreven als “Dungeons & Qubits” en “Choose Your Own Quantum Adventure”. Hij schrijft regelmatig op Medium over verschillende onderwerpen die verband houden met quantum computing. Zijn werk omvat praktische toepassingen van quantum computing, recensies van quantum computing-producten en discussies over quantum computing-concepten.

Categorieën: Gast artikel, fotonica, quantum computing

Tags: Brian Siegelwax, Fire Opal, Q-CTRL