英語で読む

次の方法で共有


Azure Quantum リソース推定器とは

Azure Quantum Resource Estimator は、フォールト トレラントな量子コンピューターで量子プログラムを実行するために必要なリソースを推定できる、 open-source ツールです。

Resource Estimator は、物理量子ビットと論理量子ビットの合計数、ランタイム、および各推定値に使用される数式と値の詳細を計算します。 Azure Quantum Resource Estimator を使用すると、量子ビット テクノロジ、量子エラー修正スキーム、およびその他のハードウェア特性を比較して、量子プログラムの実行に必要なリソースにそれらがどのように影響するかを理解できます。

ヒント

Azure Quantum Resource Estimator は 無料であり Azure アカウントは必要ありません。

リソース推定器を一意にする機能は何ですか?

Resource Estimator は、すべてのレベルの量子コンピューティング スタックを含む強力なツールです。 量子コンピューティング スタックは、アプリケーション レベル、量子プログラミングまたはコンパイル レベル、ハードウェアまたはモデリング レベルの 3 つのレベルに分けることができます。

Resource Estimator を使用すると、各レベルのパラメーターをカスタマイズし、量子プログラムの実行に必要なリソース全体に与える影響を分析できます。

リソース推定器の量子コンピューティング スタックのレベルを示す図。

カスタマイズ

Resource Estimator には、量子アーキテクチャをモデル化し、すべての前提条件を変更するための拡張性 API があります。 リソース推定器を調整し、量子システムの特性を指定できます。

事前に定義された量子ビット パラメーターと量子エラー修正 (QEC) スキームを使用したり、さまざまなコンピューター特性にわたって一意の設定を構成したりできます。 詳細については、「 リソース推定器の target パラメーターをカスタマイズするを参照してください。

Target パラメーター システムについて説明する
物理量子ビット モデル たとえば、命令セット、量子ビット測定時間、誤差率、ゲート時間を指定します。
量子エラー修正スキーム たとえば、論理量子ビットあたりの物理量子ビット数、論理サイクル時間、またはエラー修正しきい値を指定します。
エラー予算 たとえば、論理量子ビット、T 状態蒸留、回転ゲートの合成を実装するエラー予算を指定します。
蒸留ユニット たとえば、蒸留プロセスに必要な T 状態の数、蒸留プロセスからの出力として生成される T 状態の数、または蒸留プロセスの失敗の確率を指定します。
制約 たとえば、物理量子ビットの最大数、最大ランタイム、または T ファクトリ コピーの最大数を指定します

注意

Resource Estimator を使用すると、任意の量子アーキテクチャをモデル化できます。 たとえば、スタートアップ Alice & Bobs はリソース推定機能を使用してアーキテクチャを評価します。このアーキテクチャでは、cat 量子ビットと繰り返しエラー修正コードが使用されます。 詳細については、Q# ブログのこの post を参照してください。

柔軟性

独自のコードとコンパイル ツールを Resource Estimator に取り込むことができます。 Resource Estimator では、Q# や Qiskit など、QIR に変換されるすべての言語がサポートされます。 リソース推定ツールを実行する方法については、「」を参照してください

複数の見積もりをバッチ処理する

Resource Estimator を使用すると、target パラメーターの異なる構成に対して同じ量子アルゴリズムを実行するために必要なリソースを見積もり結果を比較できます。 このようにして、量子ビット アーキテクチャ、QEC スキーム、およびその他の target パラメーターがリソース全体にどのように影響するかを理解できます。

最適化

全体的なコストに見積もりをいくつか組み込むことで、リソース推定の実行時間を短縮できます。 たとえば、大規模なプログラムを使用している場合は、サブルーチンのコストを計算して キャッシュできます、操作の見積もりを既に確認 場合は それらを Resource Estimator に渡すことができます。

リソースの視覚化

物理量子ビットの数とアルゴリズムのランタイムの間のトレードオフを視覚化するには、 空間時間ダイアグラムを使用します。これにより、{量子ビット数、ランタイム} ペアの最適な組み合わせを見つけることができます。

また、空間図を使用してアルゴリズムと T ファクトリに使用される物理量子ビットの分布を調べることもできます。

Resource Estimator の概要

リソース推定機能は、Azure Quantum Development Kit (QDK) の一部です。 開始するには、「 最初のリソース見積もりを実行するを参照してください。

次の表は、さまざまなユーザー シナリオと、Resource Estimator から始める推奨記事を示しています。

ユーザー シナリオ 実行したい作業
QEC コードを開発しています Resource Estimator を使用して QEC コードをカスタマイズし、さまざまなパラメーターの組み合わせを比較できます。 QEC スキームをカスタマイズする方法を参照してください。
量子アルゴリズムを開発しています ハードウェアとソフトウェア プロファイルのさまざまな構成がリソース要件に与える影響を分析することで、さまざまなハードウェアおよびエラー条件下で量子アルゴリズムがどのように実行されるかについての分析情報を得ることができます。 この情報は、特定の量子ハードウェアまたはエラー 率に合わせてアルゴリズムを最適化するのに役立ちます。 パラメーターの複数の構成の実行target参照してください
量子プログラムのパフォーマンスを向上させたい Resource Estimator の機能を活用する方法については、「大規模なプログラムの実行既知の見積もりの使用を参照してください。
大規模量子コンピューティングに興味がある Resource Estimator を使用して、大規模なフォールト トレラント量子コンピューターで解決されると予想される実際の問題のリソースを分析できます。 大規模な量子コンピューティングの リソース推定の方法を参照してください。
量子安全な暗号化を開発しています Resource Estimator を使用して、さまざまな暗号化アルゴリズムのパフォーマンス、キーの強さ、量子ビットの種類、エラー率、および量子攻撃に対する回復性を比較できます。 リソースの推定と暗号化に関するを参照してください。

注意

リソース推定ツールの使用中に問題が発生した場合は、「 トラブルシューティング」ページを参照してください

大規模量子コンピューティングのリソース推定

大規模な量子コンピューターの量子アルゴリズムを開発する場合は、 量子化学の問題のリソースを確認してください チュートリアル。

このチュートリアルでは、量子ソリューションのリソース推定を電子構造の問題に統合するための最初の手順を表します。 スケーリングされた量子コンピューターの最も重要なアプリケーションの 1 つは、量子化学の問題を解決することです。 複雑な量子機械システムのシミュレーションは、炭素キャプチャ、食品の不安、より良い燃料や材料の設計などの分野でブレークスルーを引き出す可能性があります。

たとえば、このチュートリアルで使用されるハミルトニアンの 1 つである nitrogenase_54orbitalは、窒素酵素酵素について説明します。 この酵素が量子レベルでどのように機能するかを正確にシミュレートできれば、それを大規模に生成する方法を理解するのに役立ちます。 地球に供給するのに十分な肥料を生産するために使用される非常にエネルギー集約的なプロセスを置き換えることができます。 これは、世界的な二酸化炭素排出量を削減し、増加する人口の食糧不安に関する懸念に対処するのに役立つ可能性があります。

量子コンピューティングの開発においてリソース推定が重要なのはなぜですか?

量子コンピューターは重要な科学的および商業的な問題を解決することを約束しますが、商用の実行可能性を実現するには、重ね合わせの量子ビット数が多く、物理的なエラー率が一定のしきい値を下回る大規模でフォールト トレラントな量子コンピューターが必要になります。 また、フォールト トレランスを実現するには、商用および科学的な実行可能性にも QEC スキームが必要です。 QEC は、時間と空間の両方を多く使います。アルゴリズム レベルまたは論理レベルの演算に必要な実行時間が長いうえに、情報を格納および計算するための物理量子ビットもさらに必要です。

リソース推定機能を使用すると、アーキテクチャ設計の選択と量子エラー修正スキームの影響を理解できます。 Resource Estimator は、アプリケーションの実行に必要な量子ビットの数、実行にかかる時間、特定の問題の解決に適した量子ビット テクノロジを理解するのに役立ちます。 これらの要件を理解することで、将来のスケーリングされた量子マシンで実行する量子ソリューションを準備および調整できます。