Tutkijat kehittivät menetelmän kvanttitietokoneiden mittaamiseen

Waterloon yliopiston tutkijat ovat kehittäneet menetelmän kvanttitietokoneiden suorituskyvyn mittaamiseen, ja se voi auttaa luomaan yleispäteviä standardeja näille laitteille. 

Uusi menetelmä on nimeltään cycled benchmarking, ja tutkijat käyttävät sitä arvioidakseen skaalautuvuuden potentiaalia. Menetelmää käytetään myös eri kvanttilaitteiden vertailuun toisiinsa nähden. 

Joel Wallman on apulaisprofessori Waterloon yliopiston matematiikan tiedekunnassa ja Kvanttilaskennan instituutissa.

“Tämä löytö voi mennä pitkälle kohti suorituskyvyn ja vahvistaa pyrkimyksiä rakentaa suurimittakaavainen, käytännöllinen kvanttitietokone”, sanoi Wallman. “Johdonmukainen menetelmä kvanttijärjestelmien virheiden karakterisoinnissa ja korjaamisessa tarjoaa standardisoinnin siitä, miten kvanttiprosessori arvioidaan, mikä mahdollistaa eri arkkitehtuurien edistymisen vertailtavasti.”

Cycle Benchmarking auttaa kvanttilaskennan käyttäjiä vertailemaan kilpailevia laitteita ja lisäämään kunkin laitteen kykyä tuottaa ratkaisuja siitä, mihin he työskentelevät.

Tällä hetkellä kvanttilaskennan kilpailu on näkyvissä ympäri maailmaa. Pilvipalveluihin perustuvien kvanttilaskenta-alustojen ja -tarjoajien määrä kasvaa, ja suuret yritykset kuten Microsoft, IBM ja Google kehittävät jatkuvasti uutta teknologiaa. 

Cycle benchmarking -menetelmä toimii määrittämällä virheen kokonais todennäköisyys missä tahansa kvanttilaskenta-sovelluksessa. Tämä tapahtuu, kun sovellus toteutetaan satunnaistetun kokoamisen kautta. Cycle benchmarking tarjoaa ensimmäisen laitteiston ylittävän tavan mitata ja vertailla kvanttiprosessoreiden kykyjä, ja se on räätälöity riippuen sovelluksista, joilla käyttäjät työskentelevät. 

Joseph Emerson on jäsen IQC:ssä.

“Kiitos Googleen viimeaikaisesta saavutuksesta kvanttitason saavuttamisessa, olemme nyt aamunkoitossa siitä, mitä kutsun `kvanttilöytökaudeksi’, Emerson sanoi. “Tämä tarkoittaa, että virhealttiit kvanttitietokoneet toimittavat ratkaisuja mielenkiintoisiin laskentoon liittyviin ongelmiin, mutta ratkaisujen laatu ei voi enää vahvistaa suorituskyvyltään korkeampien tietokoneiden avulla.

“Olemme innoissamme, koska cycle benchmarking tarjoaa tarvittavan ratkaisun kvanttilaskennan parantamiseen ja vahvistamiseen tässä uudessa kvanttilöytökaudessa.”

Emerson ja Wallman perustivat Quantum Benchmark Inc.:n, IQC:n spin-offin. Se lisensoi teknologian maailman johtaville yrityksille kvanttilaskennan alalla, mukaan lukien Google:n Quantum AI -yritys.

Kvanttimekaniikka muutti kvanttitietokoneet erittäin voimakkaiksi laskentakoneiksi. Kvanttitietokoneet pystyvät ratkaisemaan monimutkaisia ongelmia tehokkaammin kuin perinteiset tai digitaaliset tietokoneet. 

Kubiteista on kvanttitietokoneen perusprosessointiyksikkö, mutta ne ovat erittäin haavoittuvia. Mikä tahansa virhe tai äänenvoimakkuus järjestelmässä voi johtaa tiettyihin virheisiin, jotka aiheuttavat virheellisiä ratkaisuja kvanttilaskennassa.

Ensimmäinen askel kvanttilaskennan edistämiseksi on saavuttaa hallinta pien mittakaavan kvanttitietokoneesta, jossa on yksi tai kaksi kubittia. Suurempi kvanttitietokone voisi suorittaa monimutkaisempia tehtäviä, kuten koneoppimista tai monimutkaisten järjestelmien simulaatiota, mikä voisi johtaa edistysaskeliin, kuten uusien lääkeaineiden löytämisessä. Ongelmana on, että suuremman kvanttitietokoneen suunnittelu on haasteellisempaa, ja virheen mahdollisuus on suurempi, kun kubitteja lisätään ja kvanttijärjestelmä skaalautuu. 

Kun kvanttijärjestelmä karakterisoidaan, se tuottaa äänen ja virheiden profiilin. Tämä osoittaa, suorittaako prosessori laskutoimituksia, joita se pyydettiin tekemään. Kaikki merkittävät virheet on karakterisoitava ymmärtääkseen kvanttitietokoneen suorituskyvyn tai skaalauttaakseen sen. 

Wallman, Emerson ja ryhmä tutkijoita Innsbruckin yliopistosta kehittivät menetelmän arvioida kaikkia virhekertoja, jotka vaikuttavat kvanttitietokoneeseen. Uusi tekniikka toteutettiin Innsbruckin yliopiston ion ansatietokoneessa, ja se totesi, että virhekertoja ei kasva, kun kvanttitietokoneen koko skaalautuu. 

“Cycle benchmarking on ensimmäinen menetelmä, jolla voidaan luotettavasti tarkistaa, oletko oikealla tiellä kvanttitietokoneen kokonaissuunnittelun skaalauttamiseksi”, sanoi Wallman. “Nämä tulokset ovat merkittäviä, koska ne tarjoavat kattavan tavan karakterisoida virheitä kaikissa kvanttilaskenta-alustoissa.”