Az Azure Quantum Resource Estimator bemutatása

Ez a cikk bemutatja az Azure Quantum Resource Estimatort, egy hatékony nyílt forráskódú eszközt, amellyel megbecsülheti a kvantumprogramok kvantumszámítógépen való futtatásához szükséges erőforrásokat.

Mi az az Azure Quantum Resource Estimator?

Az Azure Quantum Resource Estimator egy nyílt forráskódú eszköz, amely lehetővé teszi egy adott kvantumalgoritmus hibatűrő kvantumszámítógépen való végrehajtásához szükséges erőforrások becslését.

Tipp

Az Azure Quantum Resource Estimator ingyenes, és nem igényel Azure-fiókot.

Az Erőforrásbecslő tartalmazza a fizikai és logikai qubitek teljes számát, a futtatókörnyezetet, valamint az egyes becslésekhez használt képletek és értékek részleteit. Ez azt jelenti, hogy az algoritmusfejlesztés lesz a fókusz, amelynek célja a teljesítmény optimalizálása és a költségek csökkentése. Az Azure Quantum Resource Estimator segítségével összehasonlíthatja a qubittechnológiákat, a kvantumhibák korrekciós sémáit és más hardverjellemzőket, hogy megértse, hogyan befolyásolják a kvantumprogram futtatásához szükséges erőforrásokat.

Kiindulhat a jól ismert, előre definiált qubitparaméter-beállításokból és a kvantumhibák korrekciós (QEC) sémáiból, vagy számos különböző gépi jellemző egyedi beállításait konfigurálhatja, például a műveleti hibaarányokat, a műveleti sebességet, valamint a hibajavítási sémákat és küszöbértékeket.

Miért fontos az erőforrás-becslés a kvantum-számítástechnika fejlesztésében?

Bár a kvantumszámítógépek fontos tudományos és kereskedelmi problémák megoldását ígérik, a kereskedelmi életképesség eléréséhez nagy léptékű, hibatűrő kvantumszámítógépekre van szükség, amelyek szuperpozícióban nagy számú qubitet és fizikai hibaarányt is elérnek egy bizonyos küszöbérték alatt. A kereskedelmi és tudományos életképességhez QEC-rendszerekre is szükség lesz a hibatűrés eléréséhez. A QEC egyszerre idő- és térigényes, és megnövelt végrehajtási időt igényel az algoritmus- vagy logikai szintű műveletekhez, valamint további fizikai qubiteket az információk tárolásához és kiszámításához.

Az Erőforrásbecslő használatával megismerheti az architektúratervezési döntések és a kvantumhibák korrekciós sémáinak hatását. Az Erőforrásbecslő segít megérteni, hogy hány qubitre van szükség egy alkalmazás futtatásához, mennyi ideig tart a futtatás, és hogy mely qubit-technológiák alkalmasak jobban egy adott probléma megoldására. Ezeknek a követelményeknek a megértése lehetővé teszi a kvantummegoldások előkészítését és finomítását a jövőbeli, skálázott kvantumgépeken való futtatáshoz.

Milyen funkciók teszik egyedivé az erőforrásbecslőt?

Az Erőforrásbecslő egy hatékony eszköz, amely a kvantum-számítási verem minden szintjét magában foglalja. A kvantum-számítási verem három szintre osztható: az alkalmazásszintre, a kvantumprogramozási vagy fordítási szintre, valamint a hardver- vagy modellezési szintre.

Az Erőforrásbecslővel testre szabhatja az egyes szintek paramétereit, és elemezheti, hogy ezek hogyan befolyásolják a kvantumprogram futtatásához szükséges erőforrásokat.

Testreszabás

Módosíthatja az Erőforrásbecslőt, és megadhatja a kvantumrendszer jellemzőit. Használhatja az előre definiált target paramétereket, vagy igény szerint testre szabhatja őket. További információ: Erőforrás-becslések testreszabása gépi jellemzőkre.

Célparaméterek	A rendszer leírása
Fizikai qubitmodell	Adja meg például az utasításkészletet, a qubit mérési idejét, a hibaarányokat vagy a kapuidőt.
Kvantumhiba-korrekciós séma	Megadhatja például a fizikai qubitek számát logikai qubitenként, a logikai ciklus idejét vagy a hibajavítási küszöbértéket.
Hiba a költségvetésben	Adja meg például a hibakeretet a logikai qubitek, a T állapotlepárlás és a rotációs kapuk szintézisének implementálásához.
Desztillációs egységek	Adja meg például a lepárlási folyamathoz szükséges T-állapotok számát, a lepárlási folyamat kimeneteként előállított T-állapotok számát vagy a lepárlási folyamat sikertelenségének valószínűségét.
Korlátozások	Adja meg például a fizikai qubitek maximális számát, a maximális futtatókörnyezetet vagy a T-gyári példányok maximális számát.

Rugalmasság

Saját kód- és fordítási eszközöket is használhat az Erőforrásbecslőben. Az Erőforrásbecslő támogatja a QIR nyelvre lefordított nyelveket, például a Q# és a Qiskit nyelveket. Lásd: Az erőforrásbecslő futtatásának különböző módjai.

Több becslés köte

Az Erőforrás-becslés lehetővé teszi, hogy megbecsülje azokat az erőforrásokat, amelyek ugyanazon kvantumalgoritmus futtatásához szükségesek a paraméterek különböző konfigurációihoztarget, és összehasonlíthatja az eredményeket. Ily módon megértheti, hogy a qubit architektúra, a QEC-séma és a target paraméterek többi része hogyan befolyásolja a teljes erőforrásokat.

Optimalizálás

Csökkentheti az erőforrásbecslő végrehajtási idejét úgy, hogy egyes becsléseket beépít a teljes költségbe. Ha például nagy programokkal dolgozik, kiszámíthatja és gyorsítótárazhatja az alrutinok költségeit, vagy ha már ismeri egy művelet becsléseit , átadhatja őket az Erőforrás-becslőnek.

Erőforrások vizualizációja

A téridő diagram használatával vizualizálhatja a fizikai qubitek száma és az algoritmus futtatókörnyezete közötti kompromisszumot, amely lehetővé teszi a {qubitek, futtatókörnyezet} párok optimális kombinációjának megtalálását.

Az algoritmushoz és a T-gyárakhoz használt fizikai qubitek eloszlását is megvizsgálhatja a térdiagram használatával.

Az erőforrásbecslő használatának első lépései

Az erőforrásbecslő az Azure Quantum Development Kit (Modern QDK) része. Első lépésként lásd : Az első erőforrás-becslés futtatása.

Az alábbi táblázat a különböző felhasználói forgatókönyveket és az erőforrásbecslővel kezdeni kívánt ajánlott cikkeket mutatja be.

Felhasználói forgatókönyv	Azt szeretné, hogy
QEC-kódokat fejlesztek	Az Erőforrásbecslővel testre szabhatja a QEC-kódokat, és összehasonlíthatja a paraméterek különböző kombinációit. Lásd: A QEC-sémák testreszabása.
Kvantum-algoritmusokat fejlesztek	A hardver- és szoftverprofilok különböző konfigurációinak az erőforrás-követelményekre gyakorolt hatásának elemzésével betekintést nyerhet abba, hogy a kvantum-algoritmus hogyan teljesíthet különböző hardver- és hibafeltételek mellett. Ezek az információk segíthetnek optimalizálni az algoritmust adott kvantumhardverekhez vagy hibaarányokhoz. Lásd: Paraméterek több konfigurációjának target futtatása.
Szeretném javítani a kvantumprogramok teljesítményét	Az erőforrásbecslő erejének kihasználásáról a Nagyméretű programok futtatása és az Ismert becslések használata című témakörben olvashat.
Nagy léptékű kvantum-számítástechnika érdekel	Az Erőforrásbecslővel elemezheti a nagy léptékű hibatűrő kvantumszámítógépek által várhatóan megoldandó valós problémák erőforrásait. Tekintse meg a nagy léptékű kvantum-számítástechnika erőforrás-becslésének módját.
Kvantumbiztos titkosítást fejlesztek	Az Erőforrásbecslővel összehasonlíthatja a különböző titkosítási algoritmusok teljesítményét, a kulcserősségeket, a qubittípusokat és a hibaarányokat, valamint azok kvantumtámadásokkal szembeni rugalmasságát. Lásd: Erőforrás-becslés és titkosítás.

Megjegyzés

Ha problémákba ütközik az Erőforrásbecslő használata közben, tekintse meg a Hibaelhárítás lapot.

Erőforrás-becslés nagy léptékű kvantum-számítástechnikához

Ha kvantum-algoritmusokat szeretne fejleszteni nagy léptékű kvantumszámítógépekhez, tekintse meg a Kvantumkémiai problémák erőforrásainak becslése című oktatóanyagot.

Ez az oktatóanyag az első lépés, amely a kvantummegoldások erőforrás-becslését integrálja az elektronikus struktúra problémáiba. A skálázott kvantumszámítógépek egyik legfontosabb alkalmazása a kvantumkémiai problémák megoldása. Az összetett kvantummechanikai rendszerek szimulációja lehetővé teszi az áttörések feloldását olyan területeken, mint a szén-dioxid-rögzítés, az élelmiszer-biztonság, valamint a jobb üzemanyagok és anyagok tervezése.

Például az oktatóanyagban használt hamiltoniak egyike, a nitrogenase_54orbital a nitrogénáz enzimet írja le. Ha pontosan szimulálni tudná, hogyan működik ez az enzim kvantumszinten, az segíthet nekünk megérteni, hogyan lehet nagy léptékben előállítani. Lecserélhetné a nagy energiaigényű folyamatot, amely elegendő műtrágya előállítására szolgál a bolygó táplálásához. Ez csökkentheti a globális szénlábnyomot, és segíthet kezelni a növekvő népesség élelmiszer-bizonytalanságával kapcsolatos aggályokat.