Einführung

  • 2 Minuten

Das Potenzial von Quantencomputern zur Lösung wichtiger wissenschaftlicher Probleme erstreckt sich auch auf kommerzielle Probleme. Um die wirtschaftliche Tragfähigkeit der Verwendung von Quantencomputern zu erreichen, müssen Sie über groß angelegte, fehlertolerante Computer verfügen, die sowohl eine große Anzahl von Qubits (oder Quantenbits, die grundlegende Maßeinheit im Quantencomputing) in Überlagerung haben, als auch über physische Fehlerraten unter einem bestimmten Schwellenwert verfügen. Sie benötigen auch Quantenfehlerkorrekturverfahren (QEC), um eine bestimmte Fehlertoleranz zu erreichen. QEC ist zeit- und raumintensiv, sodass die Ausführungszeit für Vorgänge auf Algorithmus- oder logischer Ebene erhöht wird. Anschließend benötigen Sie mehr physische Qubits, um weitere Informationen zu speichern und zu berechnen.

Angesichts dieser Anforderungen ist die Ressourcenschätzung bei der Entwicklung von Quantencomputern und Quantenlösungen für kommerzielle Zwecke von entscheidender Bedeutung. Es ist wichtig, die Auswirkungen von Architekturentwurfsoptionen und QEC-Schemas zu verstehen, wenn Sie Ihre Quantencomputinglösung planen.

Sie können Azure Quantum Resource Estimator verwenden, um die Auswirkungen verschiedener Auswahlmöglichkeiten für Architekturparameter wie physische Qubit- und QEC-Modelle auf die Gesamtschätzung der physischen Ressourcen zu analysieren. In diesem Modul lernen Sie einige grundlegende Konzepte zur Ressourcenschätzung beim fehlertoleranten Quantencomputing kennen und erkunden die Azure Quantum-Ressourcenschätzung.

Lernziele

In diesem Modul lernen Sie Folgendes:

  • Erläutern Sie, was der Azure Quantum Resource Estimator ist.
  • Definieren Sie die Zielparameter des Azure Quantum Resource Estimator.
  • Schätzen Sie die Ressourcen eines Quantenalgorithmus mithilfe des Azure Quantum Resource Estimators.

Voraussetzungen