Gjør Quantum Computing billigere og dyrere - gjennomgang av Q-CTRLs Fire Opal: Av Brian Siegelwax

Publisert av Platon

Følgere: 0

En grafikk av Q-CTRLs Fire Opal-plattform og dens påstand om å gjøre kvantedatabehandling billigere å bruke.

By Gjesteforfatter lagt ut 21. februar 2024

Denne artikkelen startet med å demonstrere hvordan du bruker Q-CTRL-er Brann Opal søknad kan spare deg penger på tilgang til kvantedatamaskinvare. Og det vil begynne å gjøre det. Men som eksperimentering er tilbøyelig til å gjøre, ble en uventet vri oppdaget underveis.

En grafikk av hvordan Q-CTRLs Fire Opal fungerer for å finne innovative løsninger. (PC Q-CTRL)

For det første: Spare betydelige penger

Q-CTRL har publisert en artikkel med tittelen "Reduserer kvanteberegningskostnader 2,500X med Fire Opal" der de hevder "estimatene gikk fra anslått $89,205 32 for en enkelt kjøring av en QAOA-algoritme til bare $XNUMX" ved bruk av Fire Opals QAOA-løser.

Uten å bli teknisk bruker QAOA en parameterisert kvantekrets. Vi gjetter parametrene og kjører deretter kretsen. Basert på resultatene justerer vi parametrene iterativt og kjører kretsen på nytt til vi kommer til en akseptabel løsningstilnærming.

Det vi er opptatt av her er kostnadene ved å kjøre den kretsen. Hver gang vi kjører den kretsen, pådrar vi oss den kostnaden. Målet vårt er derfor å kjøre denne algoritmen med færrest mulig iterasjoner. Å gjøre det er både raskere og billigere.

Jeg har personlig sammenlignet Fire Opals QAOA-løser mot to andre QAOA-løsere, og det er ingen tvil om at Fire Opal reduserte dette antallet iterasjoner. Fire Opal forbedrer kvaliteten på hver iterasjons resultater dramatisk slik at du faktisk kommer frem til en omtrentlig løsning. For å være ærlig ga jeg opp de to andre løserne. Så selv om jeg ikke personlig kommer til å bruke $90,000 2500 bare for å bekrefte Q-CTRLs påstand om XNUMXX, kan jeg bekrefte at Fire Opal slutter å kjøre kretser når den kommer til en omtrentlig løsning, mens jeg ikke kan bekrefte at de andre løserne får der i det hele tatt. Det omtalte bildet øverst i denne artikkelen kom fra Q-CTRL og viser en besparelse på 5700X, men det har ikke en tilknyttet artikkel å lenke til.

For det andre: Bruke uendelig mye mer penger

Det vi egentlig burde være interessert i er algoritmer som er ment for feiltolerant kvanteberegning (FTQC). Disse algoritmene tar så lang tid å utføre at dagens kvantedatamaskiner returnerer ren støy. Selv om vi normalt fokuserer på kvaliteten på resultatene eller mangelen på dem, kan det hende vi også må vurdere kjøretid. En prismodell kan være basert på hvor mange ganger vi skal kjøre hver krets, men den kan også være basert på hvor lenge den går. Hvis Fire Opal kan forbedre effektiviteten av kretsutførelsen, kan det føre til lavere kjøretidsrelaterte kostnader.

Jeg bruker Classiq-plattformen Python SDK å syntetisere enorme kretser, slik som de som kreves for kvantefaseestimering (QPE). Hvis vi vil se hvor mye rimeligere Fire Opal er, må vi kjøre størst mulig kretsløp slik at vi kan se en tydelig spredning.

Jeg startet med molekylært hydrogen (H2) med én tellende qubit. Hvis du ikke er kjent, beregner QPE grunntilstandsenergien til molekyler ved å bruke ett register (data-qubits) for å representere molekylet og ett register (telle qubits) for å bestemme nøyaktigheten til løsningen. Ideelt sett ønsker vi å bruke åtte tellende qubits for H2, men jeg har allerede testet det og nåværende maskinvare kan ikke håndtere det. H2 krever bare én data-qubit, så denne første kretsen brukte bare to qubits totalt.

Både Qiskit og Fire Opal brukte syv sekunder av IBM Kvantedriftstid. Fire Opal brukte imidlertid automatisk feilreduksjon, noe som brukte ytterligere 21 sekunders kjøretid. For å være rettferdig brukte jeg Qiskits tilsvarende, kalt M3, og M3 brukte bare 11 ekstra sekunders kjøretid. For H2 med én tellende qubit, vant Qiskit faktisk kjøretidssammenligningen.

Men jeg prøvde så H2 med to tellende qubits. De Qiskit jobben mislyktes, mens Fire Opal-jobben ble fullført med nok nøyaktighet til at du grovt kan anslå løsningen. Presisjonen er langt fra der den skal være, men den er i det minste i riktig ballpark.

Og der ligger den uventede vrien. Kostnaden for den mislykkede Qiskit-jobben er $0.00. Fordi Fire Opal-jobben ble fullført, ironisk nok, er den uendelig mye dyrere når du bruker en IBM Quantum premium-plan.

Videre kan Fire Opal skyve forbi H2 med to tellende qubits. Jeg har personlig presset den til H2 med 6 tellende qubits samt til molekylært oksygen (O2) – som krever 11 dataqubits – med 2 tellende qubits. O2 med 2 tellende qubits forbrukte 4 minutter og 28 sekunder av IBM Quantum-kjøretid, og resultatet holder deg fortsatt i riktig ballpark. Hvis du trykker videre, returneres feilmeldinger fra IBM Quantum.

Derfor koster den største QPE-kretsen som kan kjøre på gjeldende maskinvare, som bruker 268 sekunders kjøretid til $1.60 per sekund, $428.80 med Fire Opal med premium tilgang til IBM Quantum-maskinvare, eller $0.00 uten Fire Opal fordi jobben vil mislykkes.

Konklusjon: Fire Opal er ikke nødvendigvis billigere

De sier at "kvante" er lite intuitivt, og det svikter aldri. I stedet for å være rimeligere ved å kjøre færre iterasjoner eller forkorte kjøretiden, ender Fire Opal opp med å bli dyrere fordi du kan presse den videre. Du kan kjøre en algoritme som ellers kan koste $90,000 XNUMX fordi den ikke kommer til å koste i nærheten av det. Og du kan kjøre kretser som ellers ville sviktet og ikke kostet noe. Derfor er Fire Opal dyrere bare i kraft av at de faktisk fungerer.

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: Gjesteartikkel, fotonikk, kvanteberegning

Tags: Brian Siegelwax, Brann Opal, Q-CTRL