Платформа Classiq предлагает простые способы синтеза массивных квантовых схем для сложных алгоритмов. Фактически, вы можете быстро и легко синтезировать схемы настолько массивные, что ваш целевой квантовый компьютер будет возвращать ошибку. Он может даже не возвращать «шум» от работы цепей на такой глубине, но ошибки указывают на то, что эти схемы вообще не могут работать.

Проблема имеет три уровня. Даже в небольших квантовых схемах каждая операция может привести к ошибке. По мере накопления ошибок результаты быстро становятся бесполезными. По мере того, как схемы становятся больше, вы рискуете достичь предела того, как долго может храниться квантовая информация, а это означает, что у алгоритма не будет времени на завершение. Представьте себе, что вы хотите посмотреть 20-минутное видео на YouTube, работая от аккумулятора всего 5 минут; ты не сможешь этого сделать. Вы не можете подключить квантовый компьютер, не можете перезарядить его и продолжить работу; вы просто не сможете выполнить весь алгоритм вовремя. А поскольку схемы становятся просто массивными, часто появляется вышеупомянутое сообщение об ошибке, указывающее, что система управления даже не пытается выполнить алгоритм.

Команда Classiq теперь, похоже, предполагает, что платформа не только синтезирует массивные схемы, но и делает это более эффективно, чем Qiskit, самая популярная среда квантовых вычислений. Это утверждение важно по четырем причинам: 1) более мелкие схемы выполняются быстрее, чем более глубокие схемы, 2) более быстрое время выполнения может значительно сэкономить на затратах, когда выставление счетов основано на времени выполнения, 3) меньшее количество операций означает меньшее количество ошибок, требующих исправления, и 4) поскольку квантовые компьютеры зрелые и могут запускать более крупные алгоритмы, в первую очередь станут полезными схемы меньшего размера.

Eсть Классик ноутбук который сравнивает платформу Classiq с Qiskit с использованием алгоритма HHL. Если мы хотим увидеть различия в эффективности, алгоритм HHL достаточно массивен, чтобы подчеркнуть эти различия.

Алгоритм HHL

Алгоритм Харроу-Хассидима-Ллойда, или алгоритм HHL, обещает решать системы линейных уравнений с экспоненциальным ускорением по сравнению с наиболее известными классическими алгоритмами. Эти уравнения имеют широкое применение в науке и технике.

Проблема в том, что схемы HHL, даже с самыми маленькими игрушечными проблемами, невероятно глубоки. Если вы хотите продемонстрировать схемы, возвращающие ошибки вместо результатов на современных квантовых компьютерах, попробуйте это сделать с помощью этого алгоритма. 

Ноутбук Classiq

Мы рассматриваем три ключевых показателя: точность воспроизведения, глубину схемы и количество CX. Верность — это то, насколько результат близок к точному решению; из-за размеров схем все приходится рассчитывать классически. Глубина схемы показывает, сколько временных шагов необходимо для реализации всех операций, расширяя или превосходя пределы современных квантовых компьютеров. Подсчеты CX указывают количество многокубитных операций, поскольку они исключительно подвержены ошибкам.

Схема Classiq демонстрирует лучшую точность при гораздо меньшей глубине схемы и гораздо меньшем количестве операций CX. Хотя он все еще слишком массивен для запуска, он гораздо ближе к полезности, чем схема Кискита. Важно отметить, что классически рассчитанная точность подчеркивает, что схема Classiq не просто меньше, но фактически все еще предназначена для решения выбранной проблемы при этом уменьшенном размере. 

Естественный скептицизм

Проблема с доверием к ноутбуку Classiq заключается в том, что команда Classiq не только предоставляет свое собственное решение, но и решение Qiskit. Они, очевидно, хотят, чтобы платформа Classiq выглядела хорошо, поэтому важно сверить их утверждение с реализацией HHL, использующей Qiskit, но не разработанной командой Classiq. 

Записная книжка Кискит

Проще всего найти реализацию Учебник Qiskit по HHL, что позволяет решить проблему Classiq с использованием кода команды Qiskit. Этот блокнот включает в себя два подхода: один генерирует схемы большего размера, но более точен, а другой генерирует схемы меньшего размера, жертвуя точностью. 

Схема Classiq не только значительно меньше всех трех схем Qiskit, но и требует на один кубит меньше, чем схемы Qiskit Naive и Tridi. 

Благодаря высокой точности реализация Qiskit от Classiq лучше по сравнению с реализацией Qiskit Naive, чем с реализацией Qiskit Tridi. Несмотря на то, что количество CX на 25% больше, глубина схемы на 70% меньше при использовании одного кубита меньше. Если бы сегодня у нас были квантовые компьютеры с исправлением ошибок, это означало бы, что реализация Qiskit от Classiq работала бы быстрее и требовала бы меньших затрат на доступ к оборудованию, чем собственная высокоточная реализация Qiskit.

Вывод: Classiq держится

По крайней мере, в этом конкретном случае утверждение Classiq остается в силе. HHL не только легко реализовать, но и разница в размерах схем существенна. Схема Classiq не только будет работать быстрее, чем три альтернативы Qiskit, но и будет стоить дешевле благодаря IBM Quantum. И по мере совершенствования аппаратного обеспечения квантовых вычислений реализация Classiq станет первой из четырех, которая станет полезной.

Брайан Н. Сигелвакс — независимый разработчик квантовых алгоритмов и писатель-фрилансер для Внутри квантовой технологии. Он известен своим вкладом в область квантовых вычислений, особенно в разработку квантовых алгоритмов. Он оценил многочисленные структуры, платформы и утилиты квантовых вычислений и поделился своими идеями и выводами в своих трудах. Сигельвакс также является автором и написал такие книги, как «Подземелья и кубиты» и «Выбери свое квантовое приключение». Он регулярно пишет на Medium на различные темы, связанные с квантовыми вычислениями. Его работа включает в себя практическое применение квантовых вычислений, обзоры продуктов квантовых вычислений и обсуждения концепций квантовых вычислений.

Категории:
фотоника, квантовые вычисления

Теги:
Брайан Сигелвакс, Классик, Кискит, кубиты

• SEO-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
• Источник: https://www.insidequantumtechnology.com/news-archive/efficient-synthesis-of-massive-quantum-circuits-an-overview-of-the-classiq-system/