Tornando a computação quântica mais barata e mais cara - revisando o Fire Opal do Q-CTRL: por Brian Siegelwax

Republicado por Platão

seguidores: 0

Um gráfico da plataforma Fire Opal da Q-CTRL e sua alegação de tornar o uso da computação quântica mais barato.

By Autor convidado publicado em 21 de fevereiro de 2024

Este artigo começou com a intenção de demonstrar como usar Q-CTRL's Opala de Fogo Formulário on line pode economizar dinheiro no acesso a hardware de computador quântico. E vai começar fazendo isso. Mas como a experimentação costuma acontecer, uma reviravolta inesperada foi descoberta ao longo do caminho.

Um gráfico de como o Fire Opal da Q-CTRL funciona para encontrar soluções inovadoras. (PC Q-CTRL)

Primeiro: economizando dinheiro considerável

Q-CTRL publicou um artigo intitulado "Reduzindo os custos de computação quântica em 2,500 vezes com Fire Opal” no qual eles afirmam que “as estimativas passaram de US$ 89,205 projetados para uma única execução de um algoritmo QAOA para apenas US$ 32” usando o solucionador QAOA da Fire Opal.

Sem entrar em detalhes técnicos, o QAOA usa um circuito quântico parametrizado. Adivinhamos os parâmetros e então executamos o circuito. Com base nos resultados, ajustamos iterativamente os parâmetros e reexecutamos o circuito até chegarmos a uma aproximação de solução aceitável.

O que nos preocupa aqui é o custo de funcionamento desse circuito. Cada vez que executamos esse circuito, incorremos nesse custo. Consequentemente, nosso objetivo é executar este algoritmo com o menor número possível de iterações. Fazer isso é mais rápido e mais barato.

Eu comparei pessoalmente o solucionador QAOA do Fire Opal com dois outros solucionadores QAOA, e não há dúvida de que o Fire Opal reduziu esse número de iterações. O Fire Opal melhora drasticamente a qualidade dos resultados de cada iteração para que você realmente chegue a uma solução aproximada. Para ser sincero, desisti dos outros dois solucionadores. Portanto, embora eu pessoalmente não vá gastar US$ 90,000 apenas para verificar a afirmação de 2500X do Q-CTRL, posso verificar se o Fire Opal para de executar circuitos quando chega a uma solução aproximada, enquanto não posso verificar se os outros solucionadores obtêm lá em tudo. A imagem apresentada no início deste artigo veio do Q-CTRL e mostra uma economia de 5700X, mas não possui um artigo associado para vincular.

Segundo: gastar infinitamente mais dinheiro

No entanto, o que realmente deveríamos estar interessados são os algoritmos destinados à computação quântica tolerante a falhas (FTQC). Esses algoritmos demoram tanto para serem executados que os computadores quânticos de hoje emitem um ruído absoluto. Embora normalmente nos concentremos na qualidade dos resultados ou na falta deles, também podemos precisar considerar o tempo de execução. Um modelo de preço pode ser baseado em quantas vezes executaremos cada circuito, mas também pode ser baseado em quanto tempo ele funciona. Se o Fire Opal puder melhorar a eficiência da execução do circuito, isso poderá se traduzir em custos mais baixos relacionados ao tempo de execução.

Eu uso a plataforma Classiq SDK do Python para sintetizar circuitos enormes, como aqueles necessários para estimativa de fase quântica (QPE). Se quisermos ver o quanto o Fire Opal é mais barato, precisaremos operar os maiores circuitos possíveis para que possamos ver uma propagação clara.

Comecei com hidrogênio molecular (H2) com um qubit de contagem. Se você não conhece, o QPE calcula a energia do estado fundamental das moléculas usando um registro (qubits de dados) para representar a molécula e um registro (contando qubits) para determinar a precisão da solução. Idealmente, queremos usar oito qubits de contagem para H2, mas já testei isso e o hardware atual não consegue lidar com isso. H2 requer apenas um qubit de dados, portanto este primeiro circuito usou apenas dois qubits no total.

Tanto Qiskit quanto Fire Opal usaram sete segundos de IBM Tempo de execução quântico. No entanto, o Fire Opal aplicou automaticamente a mitigação de erros, o que consumiu 21 segundos adicionais de tempo de execução. Para ser justo, apliquei o equivalente do Qiskit, chamado M3, e o M3 usou apenas 11 segundos adicionais de tempo de execução. Para H2 com um qubit de contagem, o Qiskit realmente venceu a comparação de tempo de execução.

Mas então tentei H2 com dois qubits de contagem. O Kiskit O trabalho falhou, enquanto o trabalho Fire Opal foi concluído com precisão suficiente para que você possa estimar aproximadamente a solução. A precisão está longe de onde deveria estar, mas pelo menos está na estimativa correta.

E é aí que reside a reviravolta inesperada. O custo do trabalho do Qiskit com falha é de US$ 0.00. Como o trabalho do Fire Opal foi concluído, ironicamente, é infinitamente mais caro ao usar um plano premium IBM Quantum.

Além disso, Fire Opal pode ultrapassar H2 com dois qubits de contagem. Eu pessoalmente empurrei para H2 com 6 qubits de contagem, bem como para oxigênio molecular (O2) – que requer 11 qubits de dados – com 2 qubits de contagem. O2 com 2 qubits de contagem consumiu 4 minutos e 28 segundos de tempo de execução do IBM Quantum, e o resultado ainda mantém você na estimativa correta. O envio adicional retorna mensagens de erro do IBM Quantum.

Portanto, o maior circuito QPE que pode ser executado no hardware atual, consumindo 268 segundos de tempo de execução a US$ 1.60 por segundo, custa US$ 428.80 usando Fire Opal com acesso premium ao hardware IBM Quantum, ou US$ 0.00 sem Fire Opal porque o trabalho falhará.

Conclusão: Fire Opal não é necessariamente mais barato

Dizem que “quântico” não é intuitivo e nunca deixa de decepcionar. Em vez de ser mais barato, executando menos iterações ou reduzindo o tempo de execução, o Fire Opal acaba sendo mais caro porque você pode ir mais longe. Você pode executar um algoritmo que, de outra forma, custaria US$ 90,000, porque não custará nem perto disso. E você pode operar circuitos que, de outra forma, falhariam e não custariam nada. Portanto, Fire Opal é mais caro simplesmente porque realmente funciona.

Brian N. Siegelcera é um designer independente de algoritmos quânticos e redator freelance para Por dentro da tecnologia quântica. Ele é conhecido por suas contribuições ao campo da computação quântica, particularmente no projeto de algoritmos quânticos. Ele avaliou diversas estruturas, plataformas e utilitários de computação quântica e compartilhou seus insights e descobertas por meio de seus escritos. Siegelwax também é autor e escreveu livros como “Dungeons & Qubits” e “Choose Your Own Quantum Adventure”. Ele escreve regularmente no Medium sobre vários tópicos relacionados à computação quântica. Seu trabalho inclui aplicações práticas de computação quântica, análises de produtos de computação quântica e discussões sobre conceitos de computação quântica.

Categorias: Artigo convidado, fotônica, Computação quântica

Tags: Brian Siegel cera, Opala de Fogo, Q-CTRL