Introducción a la estimación de recursos

En la computación cuántica, la estimación de recursos es el proceso que se usa para determinar el número de cúbits, puertas cuánticas, tiempo de procesamiento y otros recursos necesarios para ejecutar un programa cuántico suponiendo (o tomando como parámetros) características de hardware específicas.

El estimador de recursos de Azure Quantum permite comprender los recursos necesarios para ejecutar un algoritmo determinado. Al incorporar el estimador de recursos en el flujo de trabajo de desarrollo y evaluar continuamente el programa cuántico, puede comprender cómo afectan los cambios de implementación al consumo de recursos del programa.

¿Por qué es importante la estimación de recursos en el desarrollo de la computación cuántica?

Aunque los equipos cuánticos prometen resolver problemas científicos y comerciales importantes, lograr la viabilidad comercial requerirá equipos cuánticos a gran escala y tolerantes a errores que tengan un gran número de cúbits en superposición y tasas de errores físicos por debajo de un umbral determinado. La viabilidad comercial y científica también requerirá esquemas de corrección cuántica de errores (QEC) para lograr tolerancia a errores. QEC es tanto el tiempo como el espacio intensivo, lo que requiere un mayor tiempo de ejecución para las operaciones de nivel lógico o algoritmo, así como cúbits físicos adicionales para almacenar y calcular información.

Con el estimador de recursos, puede comprender el impacto de las opciones de diseño arquitectónico y los esquemas de corrección de errores cuánticos. El estimador de recursos le ayudará a comprender cuántos cúbits se necesitan para ejecutar una aplicación, cuánto tiempo tardará en ejecutarse y qué tecnologías de cúbits son más adecuadas para resolver un problema específico. Comprender estos requisitos le permitirá preparar y refinar las soluciones cuánticas para que se ejecuten en máquinas cuánticas futuras y escaladas.

Estimador de recursos de Azure Quantum

Diseñado específicamente para sistemas cuánticos posteriores a NISQ, tolerantes a errores, el estimador de recursos permite evaluar decisiones arquitectónicas, comparar tecnologías de cúbits y determinar los recursos necesarios para ejecutar un algoritmo cuántico determinado. La herramienta proporciona el número de cúbits físicos, tiempo de reloj y recursos computacionales necesarios para cada programa enviado, así como detalles de las fórmulas y los valores usados para cada estimación. Puede empezar desde la configuración de parámetros de cúbit predefinida conocida y los esquemas de corrección de errores cuánticos (QEC). También están disponibles opciones más avanzadas, lo que le permite configurar opciones en una amplia gama de características de máquina, como tasas de errores de operación, velocidades de operación y esquemas y umbrales de corrección de errores.

El estimador de recursos se basa en la representación intermedia cuántica (QIR) compatible con la comunidad, por lo que es extensible y portátil. Dado que toma un programa QIR como entrada, admite cualquier idioma que se traduzca a QIR. Por ejemplo, puede usar el estimador de recursos con SDK cuánticos y lenguajes populares, como Q# y Qiskit.

Diagrama que muestra los componentes proporcionados por el Estimador de recursos y las personalizaciones correspondientes. Los aspectos proporcionados son Application Input, Compilation Tools, QIR, QEC models, Qubit models, and Analysis. El cliente puede traer el programa de aplicaciones, las herramientas de compilación o optimización, el código QIR, los modelos QEC, los parámetros de cúbit y las herramientas de análisis y visualización.

El estimador de recursos es gratuito y solo requiere una cuenta de Azure.

Para empezar, consulte Ejecución de la primera estimación de recursos o exploración mediante el Estimador de recursos con distintos SDK e IDE.

Estimación de recursos de aplicaciones cuánticas prácticas

Para lograr una ventaja cuántica práctica, los equipos cuánticos requieren una tecnología de cúbit subyacente que a escala es:

  • Controlable: la corrección de errores cuánticos requiere un control confiable de más de un millón de cúbits bien conectados, con operaciones paralelas que producen errores en una parte en mil.
  • Rápido: para lograr un tiempo de ejecución práctico de un mes o menos, mientras que el destino es alrededor de un millón de cúbits físicos, las operaciones deben realizarse en un microsegundo.
  • Pequeño: el escalado a un millón y más cúbits restringe el tamaño del cúbit a decenas de micrones de diámetro.

El estimador de recursos se ha usado para analizar los recursos necesarios de tres aplicaciones con una posible ventaja cuántica práctica, mediante parámetros de cúbit relevantes para tecnologías de cúbit destacadas. Para más información, consulte Evaluación de los requisitos para escalar a una ventaja cuántica práctica.

Dinámica cuántica

Una de las aplicaciones de algoritmos cuánticos con interés científico y comercial es la simulación eficaz de sistemas cuánticos como moléculas complejas y reacciones químicas, que a menudo implican interacciones cuánticas de muchos cuerpos. El tiempo de simulación de la dinámica de los sistemas cuánticos se escala exponencialmente con algoritmos clásicos, pero tiene un escalado polinómico para algoritmos cuánticos.

La primera aplicación de interés científico puede ser simular la dinámica de alrededor de cien giros cuánticos en un imán cuántico. Con el estimador de recursos, el equipo de investigación de Microsoft Quantum calculó los recursos necesarios para simular el giro cuántico de un imán cuántico simple, el denominado modelo de ising transversal bidimensional.

Puede encontrar el ejemplo de dinámica cuántica en los cuadernos de ejemplo de estimación de recursos o ejecutarlo en el ejemplo de la galería de cuadernos del área de trabajo de Azure Quantum.

Química cuántica

Otra aplicación comercialmente relevante de la computación cuántica podría ser simulaciones cuánticas de problemas de química y ciencia de materiales. Un mecanismo para desarrollar reacciones catalíticas aceleradas cuánticas tiene aplicaciones como la producción de fertilizantes y la fijación de carbono, entre muchos otros problemas.

En el contexto del cambio climático y el calentamiento global, encontrar un catalizador eficaz para la fijación de carbono se ha convertido en un problema principal. La fijación del carbono es un proceso natural por el que el dióxido de carbono se convierte en valiosas sustancias químicas para almacenar energía. El ejemplo más conocido de fijación del carbono es la fotosíntesis: conversión del dióxido de carbono en glucosa en las plantas.

El equipo de investigación de Microsoft Quantum desarrolló un nuevo algoritmo cuántico para simular procesos catalíticos. Se centraron en un proceso catalítico conocido, basado en el rutenio de metal de transición, para convertir el dióxido de carbono en metanol. Mediante el estimador de recursos, estimaron los recursos necesarios para analizar la energía de activación de un catalizador basado en rutenio para la fijación de carbono.

Puede encontrar el ejemplo de química cuántica en los cuadernos de ejemplo de estimación de recursos o ejecutarlo en el ejemplo de la galería de cuadernos del área de trabajo de Azure Quantum.

Factorización de números grandes

Dado que muchos de los esquemas criptográficos clásicos actuales se basan en la dificultad de factorizar grandes números, calcular los recursos necesarios para ejecutar el algoritmo de factorización de Shor es importante para evaluar la vulnerabilidad de los esquemas criptográficos actuales. Suponiendo que las operaciones de hardware cuántico más rápidas propuestas hasta la fecha, la factorización de un entero de 2048 bits mediante el algoritmo de Shor requeriría aproximadamente 20 minutos en 25 000 cúbits perfectos y sin ruido. Sin embargo, los cúbits son ruidosos y deben tener corrección de errores para habilitar cálculos largos. En el documento Evaluación de los requisitos para escalar a una ventaja cuántica práctica, el equipo de investigación de Microsoft Quantum calculó los recursos necesarios para factorizar un número de 2048 bits mediante el estimador de recursos.

Puede encontrar el ejemplo de factorización de grandes números en los cuadernos de ejemplo de estimación de recursos o ejecutarlo en el ejemplo de la galería de cuadernos del área de trabajo de Azure Quantum.