Pengantar Estimator Sumber Daya Azure Quantum

Artikel ini memperkenalkan Azure Quantum Resource Estimator, alat sumber terbuka canggih yang memungkinkan Anda memperkirakan sumber daya yang diperlukan untuk menjalankan program kuantum pada komputer kuantum.

Apa itu Azure Quantum Resource Estimator?

Azure Quantum Resource Estimator adalah alat sumber terbuka yang memungkinkan Anda memperkirakan sumber daya yang diperlukan untuk menjalankan algoritma kuantum tertentu pada komputer kuantum yang toleran terhadap kesalahan.

Tip

Azure Quantum Resource Estimator tidak dikenakan biaya dan tidak memerlukan akun Azure.

Estimator Sumber Daya menyediakan jumlah total kubit fisik dan logis, runtime, serta detail rumus dan nilai yang digunakan untuk setiap perkiraan. Ini berarti pengembangan algoritma menjadi fokus, dengan tujuan mengoptimalkan performa dan mengurangi biaya. Dengan Azure Quantum Resource Estimator, Anda dapat membandingkan teknologi kuantum, skema koreksi kesalahan kuantum, dan karakteristik perangkat keras lainnya untuk memahami bagaimana dampaknya terhadap sumber daya yang diperlukan untuk menjalankan program kuantum.

Anda dapat memulai dari pengaturan parameter kubit yang terkenal dan telah ditentukan sebelumnya dan skema koreksi kesalahan kuantum (QEC) atau mengonfigurasi pengaturan unik di berbagai karakteristik mesin seperti tingkat kesalahan operasi, kecepatan operasi, dan skema dan ambang koreksi kesalahan.

Mengapa estimasi sumber daya penting dalam pengembangan komputasi kuantum?

Meskipun komputer kuantum berjanji untuk memecahkan masalah ilmiah dan komersial yang penting, mencapai kelayakan komersial akan membutuhkan komputer kuantum berskala besar dan toleran terhadap kesalahan yang memiliki sejumlah besar kubit dalam superposisi dan tingkat kesalahan fisik di bawah ambang tertentu. Kelayakan komersial dan ilmiah juga akan membutuhkan skema QEC untuk mencapai toleransi kesalahan. QEC bersifat intensif waktu dan ruang, membutuhkan peningkatan waktu eksekusi untuk algoritma atau operasi tingkat logis, serta qubit fisik tambahan untuk menyimpan dan menghitung informasi.

Dengan menggunakan Estimator Sumber Daya, Anda dapat memahami dampak pilihan desain arsitektur dan skema koreksi kesalahan kuantum. Estimator Sumber Daya akan membantu Anda memahami berapa banyak kubit yang diperlukan untuk menjalankan aplikasi, berapa lama waktu yang dibutuhkan untuk berjalan, dan teknologi qubit mana yang lebih cocok untuk memecahkan masalah tertentu. Memahami persyaratan ini akan memungkinkan Anda mempersiapkan dan menyempurnakan solusi kuantum untuk berjalan pada mesin kuantum yang diskalakan di masa depan.

Fitur apa yang membuat Estimator Sumber Daya unik?

Estimator Sumber Daya adalah alat canggih yang melibatkan semua tingkat tumpukan komputasi kuantum. Tumpukan komputasi kuantum dapat dibagi menjadi tiga tingkat: tingkat aplikasi, tingkat pemrograman atau kompilasi kuantum, dan tingkat perangkat keras atau pemodelan.

Estimator Sumber Daya memungkinkan Anda menyesuaikan parameter setiap tingkat dan menganalisis bagaimana dampaknya terhadap sumber daya keseluruhan yang diperlukan untuk menjalankan program kuantum.

Diagram memperlihatkan tingkat tumpukan komputasi kuantum dari Estimator Sumber Daya.

Kustomisasi

Anda dapat menyesuaikan Estimator Sumber Daya dan menentukan karakteristik sistem kuantum Anda. Anda dapat menggunakan parameter yang telah target ditentukan sebelumnya atau menyesuaikannya dengan kebutuhan Anda. Untuk informasi selengkapnya, lihat Menyesuaikan perkiraan sumber daya dengan karakteristik mesin.

Parameter target Menjelaskan sistem Anda
Model kubit fisik Misalnya, tentukan set instruksi, waktu pengukuran kubit, tingkat kesalahan, atau waktu gerbang.
Skema koreksi kesalahan kuantum Misalnya, tentukan jumlah kubit fisik per kubit logis, waktu siklus logis, atau ambang koreksi kesalahan.
Anggaran kesalahan Misalnya, tentukan anggaran kesalahan untuk menerapkan kubit logis, distilasi status T, dan sintesis gerbang rotasi.
Unit penyulingan Misalnya, tentukan jumlah status T yang diperlukan untuk proses penyulingan, jumlah status T yang dihasilkan sebagai output dari proses penyulingan, atau probabilitas kegagalan proses penyulingan.
Kendala Misalnya, tentukan jumlah maksimum qubit fisik, runtime maksimum, atau jumlah maksimum salinan pabrik T.

Fleksibilitas

Anda dapat membawa kode dan alat kompilasi Anda sendiri ke Estimator Sumber Daya. Estimator Sumber Daya mendukung bahasa apa pun yang diterjemahkan ke QIR, misalnya, Q# dan Qiskit. Lihat Berbagai cara untuk menjalankan Estimator Sumber Daya.

Estimasi batch beberapa

Estimator Sumber Daya memungkinkan Anda memperkirakan sumber daya yang diperlukan untuk menjalankan algoritma kuantum yang sama untuk konfigurasi target parameter yang berbeda, dan membandingkan hasilnya. Dengan cara ini Anda dapat memahami bagaimana arsitektur qubit, skema QEC, dan parameter lainnya target memengaruhi sumber daya keseluruhan.

Pengoptimalan

Anda dapat mengurangi waktu eksekusi Estimator Sumber Daya dengan menggabungkan beberapa perkiraan dalam biaya keseluruhan. Misalnya, jika Anda bekerja dengan program besar, Anda dapat menghitung dan menyimpan biaya subroutine, atau jika Anda sudah mengetahui perkiraan untuk operasi , Anda dapat meneruskannya ke Estimator Sumber Daya.

Visualisasi sumber daya

Anda dapat memvisualisasikan tradeoff antara jumlah kubit fisik dan runtime algoritma menggunakan diagram ruang-waktu, yang memungkinkan Anda menemukan kombinasi optimal dari pasangan {number of qubits, runtime}.

Anda juga dapat memeriksa distribusi qubit fisik yang digunakan untuk algoritma dan pabrik T menggunakan diagram ruang.

Mulai menggunakan Estimator Sumber Daya

Estimator Sumber Daya adalah bagian dari Azure Quantum Development Kit (Modern QDK). Untuk memulai, lihat Menjalankan perkiraan sumber daya pertama Anda.

Tabel berikut ini memperlihatkan skenario pengguna yang berbeda dan artikel yang direkomendasikan untuk memulai dengan Estimator Sumber Daya.

Skenario Pengguna Anda ingin
Saya mengembangkan kode QEC Anda dapat menggunakan Estimator Sumber Daya untuk menyesuaikan kode QEC Anda dan membandingkan kombinasi parameter yang berbeda. Lihat Cara menyesuaikan skema QEC Anda.
Aku sedang mengembangkan algoritma kuantum Dengan menganalisis dampak berbagai konfigurasi profil perangkat keras dan perangkat lunak pada persyaratan sumber daya, Anda dapat memperoleh wawasan tentang bagaimana algoritma kuantum Anda mungkin berkinerja di bawah kondisi perangkat keras dan kesalahan yang berbeda. Informasi ini dapat membantu Anda mengoptimalkan algoritma untuk perangkat keras kuantum tertentu atau tingkat kesalahan. Lihat Menjalankan beberapa konfigurasi target parameter.
Saya ingin meningkatkan performa program kuantum Untuk mempelajari cara memanfaatkan kekuatan Estimator Sumber Daya, lihat Menjalankan program besar dan Menggunakan perkiraan yang diketahui.
Saya tertarik dengan komputasi kuantum skala besar Anda dapat menggunakan Estimator Sumber Daya untuk menganalisis sumber daya masalah dunia nyata yang diharapkan dapat diselesaikan oleh komputer kuantum toleran terhadap kesalahan skala besar. Lihat bagaimana estimasi sumber daya untuk komputasi kuantum skala besar.
Aku mengembangkan kriptografi aman kuantum Anda dapat menggunakan Estimator Sumber Daya untuk membandingkan performa algoritma enkripsi yang berbeda, kekuatan utama, jenis qubit, dan tingkat kesalahan, dan ketahanannya terhadap serangan kuantum. Lihat Estimasi dan kriptografi sumber daya.

Catatan

Jika Anda mengalami masalah saat bekerja dengan Estimator Sumber Daya, lihat halaman Pemecahan Masalah.

Estimasi sumber daya untuk komputasi kuantum skala besar

Jika Anda ingin mengembangkan algoritma kuantum untuk komputer kuantum skala besar, lihat tutorial Memperkirakan sumber daya masalah kimia kuantum .

Tutorial ini mewakili langkah pertama untuk mengintegrasikan estimasi sumber daya solusi kuantum untuk masalah struktur elektronik. Salah satu aplikasi terpenting dari komputer kuantum berskala adalah memecahkan masalah kimia kuantum. Simulasi sistem mekanis kuantum kompleks berpotensi membuka terobosan di area seperti tangkapan karbon, ketidakamanan makanan, dan merancang bahan bakar dan bahan yang lebih baik.

Misalnya, salah satu Hamiltonians yang digunakan dalam tutorial ini, nitrogenase_54orbital, menjelaskan enzim nitrogenase. Jika Anda dapat secara akurat mensimulasikan cara kerja enzim ini pada tingkat kuantum, itu dapat membantu kita memahami cara memproduksinya dalam skala besar. Anda dapat menggantikan proses yang sangat intensif energi yang digunakan untuk menghasilkan pupuk yang cukup untuk memberi makan planet ini. Hal ini berpotensi mengurangi jejak karbon global dan juga untuk membantu mengatasi kekhawatiran mengenai kerawanan pangan dalam populasi yang terus bertambah.