Azure Quantum 리소스 예측 도구 소개

이 문서에서는 양자 컴퓨터에서 양자 프로그램을 실행하는 데 필요한 리소스를 예측할 수 있는 강력한 오픈 소스 도구인 Azure Quantum Resource Estimator를 소개합니다.

Azure Quantum 리소스 예측 도구란?

Azure Quantum Resource Estimator는 내결함성 양자 컴퓨터에서 지정된 양자 알고리즘을 실행하는 데 필요한 리소스를 예측할 수 있는 오픈 소스 도구입니다.

팁

Azure Quantum 리소스 추정기는 무료 이며 Azure 계정이 필요하지 않습니다.

리소스 예측 도구는 실제 및 논리 큐비트의 총 수, 런타임뿐만 아니라 각 예측에 사용되는 수식 및 값의 세부 정보를 제공합니다. 즉, 성능을 최적화하고 비용을 줄이는 것을 목표로 알고리즘 개발이 초점이 됩니다. Azure Quantum 리소스 추정기를 사용하여 큐비트 기술, 양자 오류 수정 체계 및 기타 하드웨어 특성을 비교하여 양자 프로그램을 실행하는 데 필요한 리소스에 미치는 영향을 이해할 수 있습니다.

잘 알려진 미리 정의된 큐비트 매개 변수 설정 및 QEC(양자 오류 수정) 체계에서 시작하거나 작업 오류율, 작업 속도, 오류 수정 체계 및 임계값과 같은 광범위한 컴퓨터 특성에서 고유한 설정을 구성할 수 있습니다.

양자 컴퓨팅 개발에서 리소스 예측이 중요한 이유는 무엇인가요?

양자 컴퓨터는 중요한 과학적 및 상업적 문제를 해결할 것을 약속하지만, 상업적 생존을 달성하려면 중첩에 많은 수의 큐비트와 특정 임계값 미만의 물리적 오류율을 모두 포함하는 대규모 내결함성 양자 컴퓨터가 필요합니다. 또한 상업적 및 과학적 생존을 위해서는 내결함성을 달성하기 위해 QEC 체계가 필요합니다. QEC는 시간 및 공간 집약적이므로 알고리즘 또는 논리 수준 작업의 실행 시간을 늘리고 정보를 저장하고 계산하기 위한 추가 물리적 큐비트가 필요합니다.

리소스 예측 도구를 사용하여 아키텍처 디자인 선택 및 양자 오류 수정 체계의 영향을 이해할 수 있습니다. 리소스 예측 도구는 애플리케이션을 실행하는 데 필요한 큐비트 수, 실행하는 데 걸리는 시간 및 특정 문제를 해결하는 데 더 적합한 큐비트 기술을 이해하는 데 도움이 됩니다. 이러한 요구 사항을 이해하면 향후 확장된 양자 머신에서 실행되도록 양자 솔루션을 준비하고 구체화할 수 있습니다.

리소스 예측 도구를 고유하게 만드는 기능은 무엇인가요?

리소스 예측 도구는 모든 수준의 양자 컴퓨팅 스택을 포함하는 강력한 도구입니다. 양자 컴퓨팅 스택은 애플리케이션 수준, 양자 프로그래밍 또는 컴파일 수준, 하드웨어 또는 모델링 수준의 세 가지 수준으로 나눌 수 있습니다.

리소스 예측 도구를 사용하면 각 수준의 매개 변수를 사용자 지정하고 양자 프로그램을 실행하는 데 필요한 전체 리소스에 미치는 영향을 분석할 수 있습니다.

사용자 지정

리소스 예측 도구를 조정하고 양자 시스템의 특성을 지정할 수 있습니다. 미리 정의된 target 매개 변수를 사용하거나 필요에 맞게 사용자 지정할 수 있습니다. 자세한 내용은 머신 특성에 대한 리소스 예측 사용자 지정을 참조하세요.

대상 매개 변수	시스템 설명
물리적 큐비트 모델	예를 들어 명령 집합, 큐비트 측정 시간, 오류율 또는 게이트 시간을 지정합니다.
양자 오류 수정 체계	예를 들어 논리 큐비트당 실제 큐비트 수, 논리 주기 시간 또는 오류 수정 임계값을 지정합니다.
오류 예산	예를 들어 논리 큐비트, T 상태 증류 및 회전 게이트의 합성을 구현하는 오류 예산을 지정합니다.
증류 단위	예를 들어 증류 공정에 필요한 T 상태 수, 증류 공정에서 출력으로 생성된 T 상태 수 또는 증류 공정의 실패 확률을 지정합니다.
제약 조건	예를 들어 실제 큐비트의 최대 수, 최대 런타임 또는 최대 T 팩터리 복사본 수를 지정합니다.

유연성

사용자 고유의 코드 및 컴파일 도구를 리소스 예측 도구로 가져올 수 있습니다. 리소스 예측 도구는 QIR로 번역되는 모든 언어(예: Q# 및 Qiskit)를 지원합니다. 리소스 예측 도구를 실행하는 다양한 방법을 참조하세요.

여러 예상 일괄 처리

리소스 추정기를 사용하면 다양한 매개 변수 구성에 대해 동일한 양자 알고리즘을 실행하는 데 필요한 리소스를 예측하고 결과를 비교할 수 있습니다target. 이러한 방식으로 큐비트 아키텍처, QEC 스키마 및 나머지 매개 변수가 전체 리소스에 target 미치는 영향을 이해할 수 있습니다.

Optimization

일부 예상 비용을 전체 비용에 통합하여 리소스 예측 도구의 실행 시간을 줄일 수 있습니다. 예를 들어 대규모 프로그램을 사용하는 경우 서브루틴 비용을 계산 및 캐시하거나 작업에 대한 예상 비용을 이미 알고 있는 경우 리소스 예측 도구에 전달할 수 있습니다.

리소스 시각화

시공간 다이어그램을 사용하여 실제 큐비트 수와 알고리즘 런타임 간의 절충을 시각화할 수 있습니다. 이를 통해 {큐비트 수, 런타임} 쌍의 최적의 조합을 찾을 수 있습니다.

또한 공간 다이어그램을 사용하여 알고리즘 및 T 팩터리에 사용되는 실제 큐비트의 분포를 검사할 수도 있습니다.

리소스 예측 도구 시작

리소스 추정기는 최신 QDK(Azure Quantum Development Kit)의 일부입니다. 시작하려면 첫 번째 리소스 예상 실행 을 참조하세요.

다음 표에서는 리소스 예측 도구로 시작하는 다양한 사용자 시나리오 및 권장 문서를 보여 줍니다.

사용자 시나리오	다음 사항 필요
QEC 코드를 개발하고 있습니다.	리소스 예측 도구를 사용하여 QEC 코드를 사용자 지정하고 다양한 매개 변수 조합을 비교할 수 있습니다. QEC 구성표를 사용자 지정하는 방법을 참조하세요.
양자 알고리즘을 개발하고 있습니다.	다양한 구성의 하드웨어 및 소프트웨어 프로필이 리소스 요구 사항에 미치는 영향을 분석하여 다양한 하드웨어 및 오류 조건에서 양자 알고리즘이 어떻게 수행될 수 있는지에 대한 인사이트를 얻을 수 있습니다. 이 정보는 특정 양자 하드웨어 또는 오류율에 대한 알고리즘을 최적화하는 데 도움이 될 수 있습니다. 매개 변수의 target 여러 구성 실행을 참조하세요.
양자 프로그램의 성능을 향상시키고 싶습니다.	리소스 예측 도구의 성능을 활용하는 방법을 알아보려면 대규모 프로그램 실행 및 알려진 예측 사용을 참조하세요.
대규모 양자 컴퓨팅에 관심이 있음	리소스 예측 도구를 사용하여 대규모 내결함성 양자 컴퓨터에서 해결할 것으로 예상되는 실제 문제의 리소스를 분석할 수 있습니다. 대규모 양자 컴퓨팅에 대한 리소스 예측에서 방법을 참조하세요.
양자로부터 안전한 암호화를 개발하고 있습니다.	리소스 예측 도구를 사용하여 다양한 암호화 알고리즘의 성능, 주요 강점, 큐비트 유형 및 오류 속도 및 해당 복원력을 양자 공격에 비교할 수 있습니다. 리소스 추정 및 암호화를 참조하세요.

참고

리소스 예측 도구로 작업하는 동안 문제가 발생하면 문제 해결 페이지를 검사.

대규모 양자 컴퓨팅에 대한 리소스 예측

대규모 양자 컴퓨터에 대한 양자 알고리즘을 개발하려면 양자 화학 문제의 리소스 예측 자습서를 검사.

이 자습서는 양자 솔루션의 리소스 추정을 전자 구조 문제에 통합하는 첫 번째 단계를 나타냅니다. 스케일링된 양자 컴퓨터의 가장 중요한 애플리케이션 중 하나는 양자 화학 문제를 해결하는 것입니다. 복잡한 양자 기계 시스템의 시뮬레이션은 탄소 포획, 식품 불안, 더 나은 연료 및 재료 설계와 같은 분야에서 돌파구를 마련할 수 있는 잠재력을 가지고 있습니다.

예를 들어 이 자습서에서 사용된 해밀토니안 중 하나인 nitrogenase_54orbital 질소 효소를 설명합니다. 이 효소가 양자 수준에서 작동하는 방식을 정확하게 시뮬레이션할 수 있다면 대규모로 생산하는 방법을 이해하는 데 도움이 될 수 있습니다. 당신은 지구를 공급하기에 충분한 비료를 생산하는 데 사용되는 매우 에너지 집약적 인 과정을 대체 할 수 있습니다. 이는 전 세계 탄소 발자국을 줄이고 증가하는 인구의 식량 불안에 대한 우려를 해결하는 데 도움이 될 수 있습니다.