By Dan O'Shea lagt ut 13. oktober 2022
Amazon Quantum Solutions Lab (QSL) og AWS Center for Quantum Computing (CQC) slo seg sammen med Goldman Sachs FoU-team om et prosjekt for å fremme hvordan klassiske data kan blokkkodes inn i kvanteminne, noe som kan ha store implikasjoner for hvor klassisk data blir lastet inn i kvanteprosessorer for beregning.
Blokkkoding bruker datastrukturer med spesielle formål, for eksempel en kvanteversjon av et tilfeldig tilgangsminne, eller QRAM, for å laste dataene, og prosjektpartnerne ga seg selv i oppgave å prøve å finne ut hvilke ressurser som trengs for å lage blokkkoding arbeid og hvordan praktiske kostnadsvurderinger kunne gjennomføres.
Prosessen er omtalt i detalj i denne AWS blogginnlegg, og en relatert teknisk artikkel, men – spoilervarsel – blogginnlegget konkluderer, "...vi har vist at antallet qubits som trengs for å laste klassiske data ved bruk av tradisjonelle metoder for blokkkoding kan være uoverkommelig dyrt uten store fremskritt innen kvantedatabehandlingsteknologi . Imidlertid viser resultatene våre også at vi kan oppnå kretsløp dybder som kun er logaritmiske i størrelsen på det klassiske datasettet, noe som antyder at kvantealgoritmer som er avhengige av blokkkoding kan være ekstremt effektive hvis vi har tilgang til ekstremt store antall QRAM-qubits (dvs. et tall som må skaleres med størrelsen på inndataene).»
AWS driver den skybaserte kvantedatatjenesten Amazon Braket, og lanserte tidligere i år en Senter for kvantenettverk å gå sammen med sine QSL- og CQC-initiativer. Goldman Sachs har i mellomtiden jobbet med en rekke kvantedatabehandlingsprosjekter, arbeider med QCware, IonQ og andre.
Dan O'Shea har dekket telekommunikasjon og relaterte emner, inkludert halvledere, sensorer, detaljhandelssystemer, digitale betalinger og kvantedatabehandling/teknologi i over 25 år.