Effektiv syntes av massiva kvantkretsar – en översikt av Classiq-systemet – inuti kvantteknologin

Classiq-plattformen erbjuder enkla sätt att syntetisera massiva kvantkretsar för komplexa algoritmer. Faktum är att du snabbt och enkelt kan syntetisera kretsar så massiva att din målkvantdator kommer att returnera ett fel. Det kanske inte ens returnerar "brus" från att köra kretsar så djupt, men fel indikerar att dessa kretsar inte kan köras alls.

Problemet har tre nivåer. Även med små kvantkretsar introducerar varje operation en risk för fel. När fel ackumuleras blir resultaten snabbt oanvändbara. När kretsarna blir större riskerar du att nå gränserna för hur länge kvantinformation kan bibehållas, vilket innebär att en algoritm inte hinner slutföra. Föreställ dig att du vill titta på en 20-minuters YouTube-video med bara 5 minuters batteritid; du kan inte göra det. Du kan inte koppla in kvantdatorn, inte heller kan du ladda och fortsätta; du kan helt enkelt inte köra hela algoritmen i tid. Och eftersom kretsarna blir helt enorma, finns det ofta ett tidigare nämnda felmeddelande som indikerar att kontrollsystemet inte ens kommer att försöka exekvera algoritmen.

Classiq-teamet verkar nu föreslå att plattformen inte bara syntetiserar massiva kretsar, utan att den gör det mer effektivt än Qiskit, det mest populära kvantberäkningsramverket. Detta påstående är viktigt av fyra skäl: 1) grundare kretsar exekverar snabbare än djupare kretsar, 2) snabbare körtider kan spara avsevärt på kostnader när fakturering baseras på körtid, 3) färre operationer innebär färre fel som kräver korrigering och 4) som kvantdatorer mogna och kan köra större algoritmer, kommer de mindre kretsarna att bli användbara först.

Det finns en classiq anteckningsbok som jämför Classiq-plattformen med Qiskit med hjälp av HHL-algoritmen. Om vi ​​vill se skillnader i effektivitet är HHL-algoritmen tillräckligt stor för att lyfta fram dessa skillnader.

HHL-algoritmen

Harrow–Hassidim–Lloyd-algoritmen, eller HHL-algoritmen, lovar att lösa system av linjära ekvationer med en exponentiell hastighetshöjning jämfört med de mest kända klassiska algoritmerna. Dessa ekvationer har stor tillämpbarhet inom vetenskap och teknik.

Problemet är att HHL-kretsar, även med de minsta leksaksproblemen, är otroligt djupa. Om du vill visa kretsar som returnerar fel istället för resultat på nuvarande kvantdatorer, är det här algoritmen att försöka med det. 

Classiq-anteckningsboken

Vi tittar på de tre nyckelmåtten: trohet, kretsdjup och CX-antal. Trohet är hur nära resultatet är en exakt lösning; på grund av storleken på kretsarna måste allt beräknas klassiskt. Kretsdjup indikerar hur många tidssteg som behövs för att implementera alla operationer, skjuta eller överskrida gränserna för nuvarande kvantdatorer. CX-räkningar indikerar antalet multi-qubit-operationer, eftersom dessa är exceptionellt felbenägna.

Classiq-kretsen visar bättre trohet med mycket mindre kretsdjup och mycket färre CX-operationer. Även om den fortfarande är för massiv för att köras, är den mycket närmare att vara användbar än Qiskits krets. Viktigt är att den klassiskt beräknade troheten framhäver att Classiqs krets inte bara är mindre, utan att den i själva verket fortfarande är utformad för att lösa det valda problemet i denna reducerade storlek. 

Naturlig skepticism

Problemet med att lita på Classiqs anteckningsbok är att Classiq-teamet inte bara tillhandahåller sin egen lösning, utan de tillhandahåller också Qiskits lösning. De vill uppenbarligen att Classiq-plattformen ska se bra ut, så det är viktigt att verifiera deras påstående mot en implementering av HHL som använder Qiskit men som inte utvecklades av Classiq-teamet. 

Qiskits anteckningsbok

Det enklaste att hitta implementeringen är Qiskits HHL-handledning, vilket gör att Classiqs problem kan lösas med hjälp av Qiskit-teamets kod. Den här anteckningsboken innehåller två metoder, en som genererar större kretsar men är mer exakt och en som genererar mindre kretsar genom att offra noggrannhet. 

Classiq-kretsen är inte bara betydligt mindre än alla tre Qiskit-kretsarna, utan den kräver också en qubit mindre än Qiskits Naive- och Tridi-kretsar. 

På grund av deras höga trovärdighet är Classiqs Qiskit-implementering bättre jämfört med Qiskit Naive-implementeringen än Qiskit Tridi-implementeringen. Även om CX-antalet är 25 % högre, är kretsdjupet 70 % lägre med en qubit mindre. Om vi ​​hade felkorrigerade kvantdatorer idag betyder det att Classiqs Qiskit-implementation skulle köras snabbare och medföra lägre hårdvaruåtkomstkostnader än Qiskits egen high-fidelity-implementation.

Slutsats: Classiq håller i sig

Åtminstone för detta specifika fall håller Classiqs påstående. Inte bara är HHL lätt att implementera, utan skillnaden i kretsstorlek är betydande. Classiqs krets kommer inte bara att gå snabbare än tre Qiskit-alternativ, den kommer att kosta mindre genom IBM Quantum. Och i takt med att kvantdatorhårdvaran förbättras kommer Classiqs implementering att vara den första av de fyra här som blir användbar.

Brian N. Siegelwax är en oberoende Quantum Algorithm Designer och frilansskribent för Inuti Quantum Technology. Han är känd för sina bidrag till kvantberäkningsområdet, särskilt i utformningen av kvantalgoritmer. Han har utvärderat många kvantberäkningsramar, plattformar och verktyg och har delat med sig av sina insikter och rön genom sina skrifter. Siegelwax är också författare och har skrivit böcker som "Dungeons & Qubits" och "Choose Your Own Quantum Adventure". Han skriver regelbundet på Medium om olika ämnen relaterade till kvantberäkning. Hans arbete inkluderar praktiska tillämpningar av kvantdatorer, recensioner av kvantdatorprodukter och diskussioner om kvantdatorkoncept.

Kategorier:
fotonik, kvantkalkylering

Taggar:
Brian Siegelwax, classiq, Qiskit, kvantbitar

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
• PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
• Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
• PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
• Källa: https://www.insidequantumtechnology.com/news-archive/efficient-synthesis-of-massive-quantum-circuits-an-overview-of-the-classiq-system/