La computación cuántica ha demostrado tener un gran potencial para transformar algoritmos y aplicaciones específicos y se espera que funcione junto con los entornos tradicionales de computación de alto rendimiento (HPC). Además, los dispositivos cuánticos de escala intermedia ruidosos (NISQ) han surgido como plataformas computacionales potentes, pero enfrentan desafíos como tiempos de coherencia de cúbits limitados y una alta probabilidad de errores. Debido a la complejidad de los algoritmos cuánticos, la necesidad de corrección de errores se vuelve crítica, lo que introduce una complejidad adicional. Al desarrollar, probar y depurar algoritmos cuánticos, los simuladores cuánticos desempeñan un papel importante al proporcionar un entorno controlado y libre de errores. También mejoran la disponibilidad cuando hay recursos físicos limitados.
Los trabajos existentes incluyen varios enfoques para integrar la computación cuántica en entornos HPC. Esta técnica de integración utiliza el poder de los algoritmos cuánticos al tiempo que mantiene la confiabilidad y versatilidad de la computación tradicional. Se divide en dos categorías principales, integración flexible e integración ajustada. La integración flexible tiene un acoplamiento más flexible entre los sistemas cuánticos y clásicos, mientras que la integración ajustada utiliza unidades de procesamiento cuántico (QPU) en nodos HPC directamente, de manera similar a cómo se integran las unidades de procesamiento gráfico (GPU) en los nodos de cómputo HPC. Este vínculo permite que los sistemas clásicos manejen tareas tradicionales mientras que los procesadores cuánticos resuelven problemas específicos que resuelven mejor. Sin embargo, la gestión de recursos y la optimización del rendimiento plantean desafíos en estos sistemas híbridos.
Investigadores del Laboratorio Nacional de Oak Ridge, en Oak Ridge, Tennessee, EE. UU., han propuesto un marco cuántico (QFw) centrado en la integración flexible de la computación cuántica con los entornos de HPC. Este método trata a las computadoras cuánticas como componentes separados dentro del sistema HPC más grande y se centra en la integración local. En este caso, una máquina cuántica se conecta al centro HPC mediante interconexiones de gran ancho de banda y un sistema de archivos distribuido, que la conecta con los sistemas HPC clásicos. Este marco proporciona una solución unificada para aplicaciones híbridas con los máximos beneficios de la HPC para la simulación cuántica, con una transición sencilla al hardware cuántico real. También proporciona una infraestructura flexible en la supercomputadora Frontier, que admite varias herramientas y simuladores de construcción de circuitos cuánticos.
El QFw propuesto está diseñado para permitir a los investigadores aprovechar al máximo los recursos de HPC para la computación cuántica, al tiempo que permite una transición fluida entre los backends de simulación y el hardware cuántico real. Con QFw, las aplicaciones pueden asignar por separado recursos de HPC para tareas clásicas y cuánticas y utilizar cualquier software de composición de circuitos que prefieran. El marco proporciona un backend para convertir estructuras de circuitos cuánticos nativos en QASM 2.0, un formato de tarea cuántica común. La capa Quantum Task Manager (QTM) aplica flujos de trabajo específicos, como el corte de circuitos y la agregación de resultados. El Quantum Platform Manager (QPM) maneja la comunicación con la plataforma, ejecutando tareas cuánticas a través de operaciones específicas de la plataforma.
El QFw se evalúa utilizando diferentes frontends como Qiskit y PennyLane, y backends como TNQVM y NWQ-Sim. El benchmark SupermarQ se utiliza para generar un circuito GHZ de 20 qubits y medir el rendimiento. Los resultados obtenidos al evaluar el QFw muestran la eficiencia al ejecutar múltiples simulaciones juntas y completar 8 simulaciones en 66,97 segundos, en comparación con los 52,47 segundos de una sola simulación. Esto resalta el potencial de ahorro de tiempo al simular circuitos independientes simultáneamente y los beneficios de la gestión inteligente de recursos. Además, se integra con éxito una aplicación PennyLane, lo que demuestra la flexibilidad del QFw para combinar diferentes frontends y backends.
En conclusión, los investigadores del Laboratorio Nacional de Oak Ridge han presentado un marco cuántico (QFw) que ofrece a los investigadores la flexibilidad de avanzar en la investigación cuántica en la supercomputadora Frontier sin ninguna barrera técnica. Permite a los usuarios utilizar cualquier software de construcción de circuitos frontend con cualquier paquete de simulación backend, lo que facilita que los investigadores se concentren en sus tareas. QFw permite que las simulaciones en sistemas HPC vayan más allá de los límites normales y se transfieran fácilmente al hardware cuántico físico. Su versatilidad permite la integración de diferentes plataformas cuánticas, sin cambios de infraestructura o aplicación. Además, la arquitectura de complementos de QFw proporciona una API común para integrar nuevas plataformas fácilmente.
Echa un vistazo a la Papel. Todo el crédito por esta investigación corresponde a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo y únete a nuestro Canal de Telegram y LinkedIn Gr¡Arriba!. Si te gusta nuestro trabajo, te encantará nuestro hoja informativa..
No olvides unirte a nuestro Subreddit de más de 48 000 millones de usuarios
Encuentra lo próximo Seminarios web sobre IA aquí
Sajjad Ansari es un estudiante de último año de la carrera de IIT Kharagpur. Como entusiasta de la tecnología, se adentra en las aplicaciones prácticas de la IA, centrándose en comprender el impacto de las tecnologías de IA y sus implicaciones en el mundo real. Su objetivo es articular conceptos complejos de IA de una manera clara y accesible.
