Effektiv syntese av massive kvantekretser – en oversikt over Classiq-systemet – inne i kvanteteknologien

Classiq-plattformen tilbyr enkle måter å syntetisere massive kvantekretser for komplekse algoritmer. Faktisk kan du raskt og enkelt syntetisere kretser så massive at målkvantedatamaskinen vil returnere en feil. Det kan kanskje ikke engang returnere "støy" fra å kjøre kretser så dypt, men feil indikerer at disse kretsene ikke kan kjøre i det hele tatt.

Problemet har tre nivåer. Selv med små kvantekretser introduserer hver operasjon en sjanse for feil. Ettersom feil hoper seg opp, blir resultatene raskt ubrukelige. Etter hvert som kretsene blir større, risikerer du å nå grensene for hvor lenge kvanteinformasjon kan opprettholdes, noe som betyr at en algoritme ikke har tid til å fullføre. Tenk deg at du vil se en 20-minutters YouTube-video med bare 5 minutters batterilevetid; du kan ikke gjøre det. Du kan ikke koble til kvantedatamaskinen, og du kan heller ikke lade opp og fortsette; du kan rett og slett ikke kjøre hele algoritmen i tide. Og ettersom kretsene blir rett og slett massive, er det ofte en nevnte feilmelding som indikerer at kontrollsystemet ikke en gang vil forsøke å utføre algoritmen.

Classiq-teamet ser nå ut til å foreslå at plattformen ikke bare syntetiserer massive kretser, men at den gjør det mer effektivt enn Qiskit, det mest populære kvanteberegningsrammeverket. Denne påstanden er viktig av fire grunner: 1) grunnere kretser kjører raskere enn dypere kretser, 2) raskere kjøretider kan spare betydelig på kostnader når fakturering er basert på kjøretid, 3) færre operasjoner betyr færre feil som krever korrigering, og 4) som kvantedatamaskiner modne og kan kjøre større algoritmer, vil de mindre kretsene bli nyttige først.

Det er en classiq bærbare som sammenligner Classiq-plattformen med Qiskit ved hjelp av HHL-algoritmen. Hvis vi vil se forskjeller i effektivitet, er HHL-algoritmen massiv nok til å fremheve disse forskjellene.

HHL-algoritmen

Harrow–Hassidim–Lloyd-algoritmen, eller HHL-algoritmen, lover å løse systemer med lineære ligninger med en eksponentiell hastighetsøkning over de mest kjente klassiske algoritmene. Disse ligningene har utbredt anvendelighet innen vitenskap og ingeniørfag.

Problemet er at HHL-kretser, selv med de minste leketøysproblemer, er utrolig dype. Hvis du vil demonstrere kretser som returnerer feil i stedet for resultater på nåværende kvantedatamaskiner, er dette algoritmen du kan prøve det med. 

Classiq-notatboken

Vi ser på de tre nøkkelberegningene: troskap, kretsdybde og CX-antall. Troskap er hvor nært resultatet er en eksakt løsning; på grunn av størrelsen på kretsene, må alt beregnes klassisk. Kretsdybden indikerer hvor mange tidstrinn som er nødvendig for å implementere alle operasjonene, presse eller overskride grensene for gjeldende kvantedatamaskiner. CX-tellinger indikerer antall multi-qubit-operasjoner, da disse er eksepsjonelt feilutsatte.

Classiq-kretsen viser bedre troskap med langt mindre kretsdybde og langt færre CX-operasjoner. Selv om den fortsatt er for massiv til å kjøre, er den langt nærmere å være nyttig enn Qiskits krets. Viktigere, den klassisk beregnede trofastheten fremhever at Classiqs krets ikke bare er mindre, men at den faktisk fortsatt er designet for å løse det valgte problemet i denne reduserte størrelsen. 

Naturlig skepsis

Problemet med å stole på Classiqs bærbare er at Classiq-teamet ikke bare gir sin egen løsning, men de tilbyr også Qiskits løsning. De ønsker åpenbart at Classiq-plattformen skal se bra ut, så det er viktig å bekrefte kravet deres mot en implementering av HHL som bruker Qiskit, men som ikke ble utviklet av Classiq-teamet. 

Qiskits notatbok

Den enkleste å finne implementering er Qiskits HHL-opplæring, som gjør at Classiqs problem kan løses ved hjelp av Qiskit-teamets kode. Denne notatboken inkluderer to tilnærminger, en som genererer større kretser, men er mer nøyaktig og en som genererer mindre kretser ved å ofre nøyaktighet. 

Ikke bare er Classiq-kretsen betydelig mindre enn alle de tre Qiskit-kretsene, men den krever også én qubit færre enn Qiskits Naive- og Tridi-kretser. 

På grunn av deres høye troskap, er Classiqs Qiskit-implementering bedre sammenlignet med Qiskit Naive-implementeringen enn Qiskit Tridi-implementeringen. Selv om CX-tallet er 25 % høyere, er kretsdybden 70 % lavere ved å bruke én qubit færre. Hvis vi hadde feilkorrigerte kvantedatamaskiner i dag, betyr dette at Classiqs Qiskit-implementering ville gått raskere og påført lavere maskinvaretilgangskostnader enn Qiskits egen high-fidelity-implementering.

Konklusjon: Classiq holder stand

I det minste for dette spesifikke tilfellet holder Classiqs påstand. Ikke bare er HHL enkel å implementere, men forskjellen i kretsstørrelse er betydelig. Classiqs krets vil ikke bare kjøre raskere enn tre Qiskit-alternativer, den vil koste mindre gjennom IBM Quantum. Og etter hvert som kvantedatamaskinvare forbedres, vil Classiqs implementering være den første av de fire her som blir nyttig.

Brian N. Siegelwax er en uavhengig Quantum Algoritme Designer og en frilansskribent for Inne i kvanteteknologi. Han er kjent for sine bidrag til feltet kvanteberegning, spesielt innen utformingen av kvantealgoritmer. Han har evaluert en rekke kvanteberegningsrammer, plattformer og verktøy og har delt sin innsikt og funn gjennom sine forfatterskap. Siegelwax er også forfatter og har skrevet bøker som "Dungeons & Qubits" og "Choose Your Own Quantum Adventure". Han skriver jevnlig på Medium om ulike emner knyttet til kvanteberegning. Arbeidet hans inkluderer praktiske anvendelser av kvantedatabehandling, anmeldelser av kvantedatabehandlingsprodukter og diskusjoner om kvantedatabehandlingskonsepter.

Kategorier:
fotonikk, kvanteberegning

Tags:
Brian Siegelwax, classiq, Qiskit, qubits

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
• PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
• PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
• PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
• kilde: https://www.insidequantumtechnology.com/news-archive/efficient-synthesis-of-massive-quantum-circuits-an-overview-of-the-classiq-system/