英语轻松读发新版了,欢迎下载、更新

Quantum Machines 和 Nvidia 使用机器学习来更接近纠错量子计算机 |TechCrunch

2024-11-02 17:00:00 英文原文

作者:Frederic Lardinois

关于一个一年半前,量子控制启动量子机器和 Nvidia 宣布建立深度合作伙伴关系,将 Nvidia 的DGX量子计算平台和Quantum Machine先进的量子控制硬件。我们有一段时间没有听到太多关于这一合作伙伴关系的结果,但它现在开始结出硕果,让整个行业离纠错量子计算机的圣杯又近了一步。

在今年早些时候的一次演示中,两家公司表示他们能够使用现成的强化学习模型在 Nvidia 的 DGX 平台上运行,通过保持系统校准来更好地控制 Rigetti 量子芯片中的量子位。

Quantum Machines 联合创始人兼首席技术官约纳坦·科恩 (Yonatan Cohen) 指出,他的公司长期以来一直寻求使用通用经典计算引擎来控制量子处理器。这些计算引擎很小且有限,但这对于 Nvidia 极其强大的 DGX 平台来说不是问题。他说,圣杯是进行量子纠错。我们还没有到那一步。相反,这种合作的重点是校准,特别是校准所谓的“Ï 脉冲– 控制量子处理器内量子位的旋转。

乍一看,校准似乎是一次性问题:在开始运行算法之前先校准处理器。但事情并没有那么简单。“如果你看看今天量子计算机的性能,你会得到一些高保真度,”科恩说。– 但是,用户在使用计算机时,通常不会处于最佳保真度。它一直在漂移。如果我们可以使用这些技术和底层硬件经常重新校准它,那么我们就可以提高性能并长时间保持[高]保真度,这正是量子纠错所需要的。”¤

Quantum Machine 的一体化 OPX+ 量子控制系统。图片来源:量子机器

近乎实时地不断调整这些脉冲是一项计算量极大的任务,但由于量子系统总是略有不同,因此它也是一个控制问题,可以借助强化学习来解决。

“随着量子计算机的规模扩大和改进,所有这些问题都成为瓶颈,变得真正的计算密集型,”Nvidia 量子计算集团产品经理 Sam Stanwyck 说。— 量子纠错确实是一项艰巨的任务。这是解锁容错量子计算所必需的,也是如何应用正确的控制脉冲来充分利用量子位的必要条件 —

Stanwyck 还强调,在 DGX Quantum 之前没有任何系统能够实现执行这些计算所需的最小延迟。

量子计算机图片来源:量子机器

事实证明,即使校准方面的微小改进也可以导致纠错方面的巨大改进。“量子误差校正背景下校准的投资回报是指数级的,”Quantum Machines 产品经理 Ramon Szmuk 解释道。– 如果校准好 10%,那么在由许多物理量子位组成的逻辑量子位中,逻辑错误[性能]就会呈指数级提高。因此,这里有很多动机来很好、快速地进行校准。”

值得强调的是,这只是优化过程和协作的开始。该团队实际上所做的只是采用一些现成的算法,然后看看哪一种效果最好(TD3, 在这种情况下)。总而言之,运行实验的实际代码只有大约 150 行。当然,这依赖于两个团队在集成各种系统和构建软件堆栈方面所做的所有工作。不过,对于开发人员来说,所有这些复杂性都可以隐藏起来,两家公司希望随着时间的推移创建越来越多的开源库,以利用这个更大的平台。

Szmuk 强调,在这个项目中,该团队仅使用非常基本的量子电路,但它也可以推广到深层电路。如果你可以用一个门和一个量子位来做到这一点,那么你也可以用一百个量子位和 1,000 个门来做到这一点,”他说。

“我想说,个人结果只是一小步,但它是朝着解决最重要问题迈出的一小步,”斯坦威克补充道。– 有用的量子计算将需要加速超级计算的紧密集成 – 这可能是最困难的工程挑战。因此,能够在量子计算机上真正做到这一点,并以一种不仅针对小型量子计算机进行优化,而且是一个可扩展的模块化平台的方式调整脉冲,我们认为我们真的正在解决问题量子计算中的一些最重要的问题都与此有关。”

斯坦威克还表示,两家公司计划继续这种合作,并将这些工具交到更多研究人员手中。随着 Nvidia 的 Blackwell 芯片明年上市,他们还将为该项目提供更强大的计算平台。

关于《Quantum Machines 和 Nvidia 使用机器学习来更接近纠错量子计算机 |TechCrunch》的评论


暂无评论

发表评论