A GQI tem trabalhado arduamente para pesquisar casos de uso quântico e os algoritmos usados e o nível de desempenho do processador quântico necessário para fornecer soluções com sucesso para esses casos de uso. Colocamos muito esforço nisso porque quase todos os dias ouvimos a pergunta comum de Quando poderemos fazer algo comercialmente útil com um computador quântico? Como parte desse esforço, catalogamos um grande número de casos de uso e aumentamos essa coleção todos os dias.
Um dos projetos nesse esforço é que estamos escrevendo código e implementando Estimativas de Recursos Quânticos (QRE) para esses casos de uso usando diferentes suposições de configuração de processador quântico. A saída de uma execução QRE fornece estimativas do tempo de execução da máquina e do número de qubits virtuais e do tempo de execução necessário para um determinado algoritmo.
Relatamos esse esforço pela primeira vez em agosto passado e agora estamos fornecendo esta atualização para incluir alguns algoritmos que adicionamos desde então. Conforme mostrado na tabela abaixo, avaliamos agora o recurso quântico para 19 algoritmos diferentes em oito configurações de hardware diferentes para casos de uso conforme descrito abaixo:
- Dinâmica Quântica simulação da dinâmica hamiltoniana de sistemas físicos importantes, utilizando a evolução temporal integral com algoritmo de quarta ordem de Trotter, tais como:
- (Cantando 2D) um modelo de Ising de campo transversal 2D com 100 spins quânticos, abrangendo dez intervalos de tempo.
- (Indústrias T abreviadas) é o mesmo que a implementação acima, com o número de campos T reduzido para mostrar a compensação entre qubits e tempo de execução necessários.
- (Hubbard 2D) Um modelo 2D de Hubbard de partículas interagindo em uma rede quadrada de 3.600 spins, abrangendo 10.000 passos de tempo.
- (2DHeisenberg) Um modelo 2D de Heisenberg da interação de spins em uma rede 2D de 1.600 spins, abrangendo 10.000 passos de tempo.
- Fatoração calcula um par de números primos de um número inteiro de 2048 bits
- Química Quântica (Rutênio) calcula o potencial de um catalisador à base de rutênio para fixação de carbono
- Química Quântica (Nitrogenase) demonstra o uso da computação quântica para explorar mecanismos de reação em sistemas químicos complexos, com foco particular na fixação biológica de nitrogênio na nitrogenase.
- Estimativa de fase quântica (SHO) que é utilizado para analisar o espectro de energia de oráculos coletivos, com foco na medição da fase (energia) de uma partícula presa em uma armadilha de oscilador harmônico simples. Este método serve como uma ferramenta fundamental para distinguir sistemas fundamentais em física.
- Estimativa de fase quântica (2D Hubbard) que se concentra na medição da fase (energia) de 16 interações quânticas em uma rede quadrada. Este método serve como ferramenta básica para classificação de sistemas complexos em física.
- QPE bayesiano é um exemplo de aplicações QPE no cálculo do produto interno entre dois vetores bidimensionais e na estimativa da energia de um hamiltoniano simples, ao mesmo tempo que incorpora estatísticas bayesianas no processo de estimativa de fase.
- QPE iterativo é outro exemplo de aplicação QPE que representa uma aplicação fundamental entre os casos discutidos, o que pode explicar porque suas estimativas estão em ordem decrescente de grandeza.
- QFT demonstra habilidades na resolução de problemas em teoria dos números e física quântica, usando QFT no caso uniformemente otimizado ∣ + ⟩.
- Algoritmo de pesquisa de Grover projetado para identificar efetivamente entradas exclusivas que levam a um valor de saída específico para uma função de caixa preta. Ele consegue isso com probabilidade e velocidade muito maiores em comparação aos métodos de pesquisa tradicionais.
- Estimativa de amplitude quântica (QAE) aproveita o poder da computação quântica avançada para resolver problemas de computação complexos, medindo as amplitudes de um determinado estado quântico com alta precisão.
- HHL usado para resolver sistemas exatos de equações, especialmente na forma Machado=b lá UM é uma matriz Hermitiana e b é um vetor. Basicamente, utiliza o QPE inverso para aproximar a solução
.
- Transformação Quântica de Valor Singular (QSVT – Pesquisa Quântica) é uma estrutura avançada para computação quântica baseada em portas que representa com eficiência uma ampla gama de transformações polinomiais, incluindo aquelas não integrais. Esta estrutura expande a gama de aplicações possíveis durante a era NISQ e melhora a flexibilidade dos algoritmos quânticos em geral.
- Algoritmo de Shor especialmente famoso por sua capacidade de estimar números grandes com eficiência, uma tarefa matematicamente impossível em computadores primitivos. A sua importância é profunda, pois representa uma ameaça aos métodos criptográficos atuais, incluindo a criptografia RSA, que dependem da dificuldade de gerar grandes números.
- Um circuito contratual codificado para redes tensores simula uma abstração de rede tensorial, especialmente projetada para simular as condições descritas na pesquisa sobre simulação clássica de circuitos quânticos pela Alibaba Cloud Quantum Development Platform.
- Regiões aleatórias para simulação vetorial de região completa simula circuitos quânticos aleatórios para simular um vetor de estado completo, conforme explorado no estudo de referência do AWS ParallelCluster. O código visa gerar e implementar dinamicamente circuitos quânticos de complexidade variada.
As estimativas de recursos quânticos mostradas na tabela e na imagem abaixo foram feitas usando a ferramenta Microsoft Azure Quantum Resource Estimator, que fornece estimativas de recursos para sistemas executados em máquinas tolerantes a falhas (a ferramenta não oferece suporte a processadores NISQ). O artigo anterior foi postado em Relatório de computação quânticat sobre esta ferramenta pode ser visto aqui. Uma visão geral completa do Azure Quantum Resource Estimator está disponível em um documento técnico publicado no arXiv aqui. Mais informações sobre esta ferramenta estão disponíveis no site da Microsoft nas postagens do blog aqui, aqui e aqui. O código aberto desta ferramenta está disponível no GitHub aqui.
Esta ferramenta possui um grande número de parâmetros que podem ser utilizados para especificar os parâmetros do processador quântico utilizado e o código ECC. Detalhes sobre como fazer isso são explicados nas referências listadas acima. Na tabela de resultados apresentada a seguir, aqui estão as definições dos parâmetros utilizados como entrada e saída dos testes que realizamos.
- P Número de medições razoáveis
- Cmin Pequenos passos na hora local
- C Medidas de Tempo Razoáveis
- M Número de estados T
- d Intervalo de códigos
- f Número de fábricas de destilação do estado T
- A fábrica Porcentagem de medidas corporais utilizadas
Média Fábricas de destilação do estado T - Físico Número de medições físicas para executar o algoritmo
Qubits Máquina Especificada
As características de um computador quântico alvo também podem ser especificadas. Isso inclui coisas como atraso de porta, tempos de medição, esquema de código QEC, orçamento de erros, limites, etc. O Estimador de Recursos Quânticos do Azure inclui oito conjuntos predefinidos de parâmetros qubit que usamos na tabela acima. Isso é relatado da seguinte forma:
(nós, 10-3) SC 100 seg. tempos de portão, taxa de erro 10-3, código de área.
Possível processador de armadilha de íons
(nós, 10-4) SC 100 seg. tempos de portão, taxa de erro 10-4, código de área.
Possível processador de armadilha de íons
(ns, 10-3) SC 100 seg. tempos de portão, taxa de erro 10-3, código de área.
Um possível processador supercondutor
(ns, 10-4) SC 100 seg. tempos de portão, taxa de erro 10-4, código de área.
Um possível processador supercondutor
(ns, 10-4) SC 100 seg. tempos de portão, taxa de erro 10-4, código de área.
Um possível processador Majorana
(ns, 10-6) SC 100 seg. tempos de portão, taxa de erro 10-6, código de área.
Um possível processador Majorana
(ns, 10-4) FC 100 seg. tempos de portão, taxa de erro 10-4, código floquet.
Um possível processador Majorana
(ns, 10-6) FC 100 seg. tempos de portão, taxa de erro 10-6, código floquet.
Um possível processador Majorana
Resultados
Os resultados variam muito dependendo dos algoritmos específicos e da configuração da máquina que está sendo simulada. Na análise mostrada, o número de qubits físicos pode variar de 700 a 34 milhões de qubits. E os tempos reais de execução dos algoritmos podem variar de 22 microssegundos a 447 anos. Mostramos isso no gráfico abaixo, que é exibido em uma escala log-log.
Para obter mais informações sobre este tópico, você pode ver nosso artigo anterior sobre este tópico aqui. E se você quiser saber mais sobre nossa pesquisa para expandir nosso banco de dados de casos de uso quântico e estimativas de recursos quânticos, entre em contato conosco em [email protected] para mais informações.
20 de janeiro de 2025
