por Amara Graps
– Qual modalidade de computação quântica é mais adequada para qual caso de uso, além do que sabemos sobre tipos baseados em gate versus tipos baseados em pull?
Em um artigo anterior do QCR sobre o Ansatz Zoo, apresentei uma maneira de nos aproximar da resposta: rastreando ansatzes para casos de uso específicos.
Outra forma de nos aproximar da resposta: com Benchmarks de Diagnóstico.
O foco dos Benchmarks de Diagnóstico deste artigo foi desenvolvido pela equipe QED-C liderada por T. Lubinski, em jornais [1] de novo [2]. Em um artigo anterior, escrevi sobre Benchmarking de Diagnóstico conforme descrito por Amico et al., 2023, que forneceu exemplos usando benchmarks QED-C.
Conjunto de benchmarking QED-C
O que é QED-C? O Consórcio de Desenvolvimento Econômico Quântico (QED-C) é uma coalizão de organizações empresariais, agências governamentais e instituições acadêmicas formada em 2018 após a Lei Nacional de Inovação Quântica dos EUA. Estabeleceram um Comité Consultivo Técnico (TAC) para avaliar a situação do desenvolvimento de normas em tecnologia quântica e para propor estratégias para melhorar o desenvolvimento económico através da utilização de normas. Com a contribuição de membros do QED-C ativos em computação quântica, o Standards TAC, em 2021-2022, desenvolveu Benchmarks de desempenho orientados a aplicativos para computação quântica como um esforço de código aberto (fonte: Acknowledgments in Paper [2]). O QED-C Benchmarking Suite foi lançado oficialmente em 2023. Os próximos dois artigos estão vinculados, com o primeiro artigo próximo ao hardware com medições de “volume quântico”. Papel [2] usa um caso de uso mais complexo com benchmark de equação de perturbação linear de HHL e implementação VQE para simulações de rede de hidrogênio.
Papel [1] LubinskiThomas, Sonika Jori, Paul Varosy, Jeremiah Coleman, Luning Zhao, Jason Necaise, Charles H. Baldwin, Karl Mayer e Timothy Proctor. 2023. “Benchmarks de desempenho orientados ao sistema para computação quântica”. arXiv.
Papel [2] LubinskiThomas, Joshua J. Goings, Karl Mayer, Sonika Jori, Nithin Reddy, Aman Mehta, Niranjan Bhatia, et al. 2024. “Avaliando algoritmos quânticos usando benchmarks de desempenho orientados a programas.” arXiv.
Papel [1] apresenta QED-C, que pode mapear a confiabilidade de um computador quântico em função da largura e profundidade da região, testando assim o desempenho de um computador quântico em diferentes algoritmos e pequenas aplicações, à medida que o tamanho do problema é ajustado. O conjunto QED-C foi projetado para ser independente da topologia de hardware, usando uma base específica e independente de dispositivo (conjunto de portas), através da qual o circuito é transferido. Além de quantificar a confiabilidade dos resultados da implementação quântica, o conjunto marca várias partes do pipeline de lançamento para fornecer aos usuários finais uma avaliação realista da qualidade e do prazo da solução.
A confiabilidade de um computador quântico é uma saída colorida, mapeada para benchmarking volumétrico. Primeiro, escolhe-se uma família de estados para servir de referência; segundo, os circuitos desta família são selecionados e executados em hardware de marca; e terceiro, o desempenho observado do hardware nesses circuitos é traçado em função da largura e profundidade dos circuitos. Os resultados são expressos em “espaço volumétrico”, definido como profundidade x largura.
A figura a seguir mostra uma pilha de gráficos mostrando o hardware marcado em dois papéis: Papel [1] e Amico et al., 2023. Artigo [1] apresentei resultados de confiabilidade simulada, bem como hardware quântico real, então compilei gráficos para IBM, Honeywell e IonQ. O trabalho de Amico et al., 2023 utilizou QED-C em hardware IBM para demonstrar a importância de divulgar técnicas de otimização utilizadas em benchmarks, o que seria necessário para uma comparação justa entre dispositivos e tempo. Os próximos quatro gráficos mostram IBM, IBM otimizado, Honeywell e IonQ (sem volume quântico, muitos qubits). Não medem a mesma coisa, mas são interessantes pelas possibilidades que nos permitem chegar mais perto da resposta: Qual método é mais adequado para o Caso de Uso?
As aplicações na Figura: Simulação Hamiltoniana, Transformada Quântica de Fourier e Estimativa de Fase parecem muito diferentes do gráfico otimizado da IBM e do gráfico da Honeywell.
Poderia o Ion Traps estar demonstrando a eficiência de um algoritmo quântico clássico? No entanto, cada um possui volumes quânticos diferentes; deve ser sempre um resultado interessante. Então, por enquanto:
Doug Finke da GQI, em um artigo recente da Laser Focus:
Ainda não chegamos ao ponto de podermos dizer quais aplicações quânticas serão capazes de fornecer resultados comercialmente úteis para quais máquinas. Mas uma coisa que nos dá esperança é a variedade de novos métodos e os rápidos avanços que as organizações estão a fazer, tanto em hardware como em software, para chegar ao ponto em que os sistemas possam ser utilizados para a produção quântica de aplicações úteis.
O novo papel de medição favorito é o terceiro papel [3] de Proctor et al., 2024, que explica bem como classificar ainda mais os benchmarks, desde ‘Padronizados’ e ‘Diagnósticos’, através dos eixos de Abstração e Complexidade. Nesse sentido, o artigo apresenta uma métrica multipotência para avaliar o desempenho da computação quântica, permitindo que as partes interessadas rastreiem e quantifiquem o crescimento das capacidades quânticas ao longo do tempo. O estudo também identifica as limitações dos benchmarks existentes e sugere um roteiro para o desenvolvimento de problemas desafiadores que possam medir efetivamente aplicações quânticas. Veja a próxima figura.
Papel [3] InspetorTimothy, Kevin Young, Andrew D. Baczewski e Robin Blume-Kohout. 2024. “Estimando Computadores Quânticos.” arXiv. .
Você pode ver como os benchmarks e os computadores quânticos integrados interagem na Figura 3 de Proctor et al., 2024. Em sua Figura 3, quatro categorias principais são destacadas: Benchmarks de problemas computacionais, Benchmarks de compiladores, Programa de alto nível, Benchmarks de programa de baixo nível.
De acordo com Proctor et al., 2024, os benchmarks testam o desempenho combinado de um ou mais componentes de uma “pilha de computação quântica” integrada – qubits, combinadores, roteadores, etc. Atribuindo funções a um determinado nível da pilha e analisando-as. produção nesse nível ou abaixo, eles conseguem isso. Os benchmarks entram e saem da pilha em diferentes níveis e testam diferentes aspectos de desempenho, agrupados principalmente em diferentes benchmarks. Como resultado, neste exemplo deste artigo, é importante identificar qual parte da pilha quântica da IBM foi marcada no canto superior esquerdo e no canto superior direito na figura acima.
Abordagem de pilha GQI da Quantum Tech
Agora que nossos benchmarks de diagnóstico foram redefinidos como 'alto nível', 'baixo nível', 'completo' e 'parcial', podemos considerar em qual parte do Quantum Tech Stack eles trabalham. Se você comparar Proctor et al., 2024 Figura 3, com a figura a seguir, você terá sua resposta.
O conceito de Quantum Tech Stack é explorado em toda a abordagem da GQI para analisar o desenvolvimento da tecnologia quântica. Este slide é do Quantum Hardware State of Play da GQI, um conjunto de 47 slides que aborda as pilhas em termos dos desenvolvimentos mais recentes e como testar as melhorias. Se você gostaria de ver este State of Play ou qualquer outro State of Play: Quantum Technology, Quantum Safe, Quantum Sensing, Imaging, and Timing, Quantum Software, Quantum Landscape, não hesite em entrar em contato
.22 de outubro de 2024
Source link
