Quantum Machines和NVIDIA利用機器學習更接近實現錯誤量子計算機
大約一年半前,量子控制新創公司Quantum Machines 和NVIDIA 宣佈建立深度合作關係,將NVIDIA 的DGX Quantum 計算平台和量子機器的先進量子控制硬體結合在一起。 我們有一段時間沒有聽到太多關於這項合作的結果,但現在它已開始結出碩果,並讓業界離糾錯量子電腦這一聖杯更近了一步。
在今年稍早的一次演示中,兩家公司展示了他們能夠使用在NVIDIA DGX 平台上運行的現成強化學習模型,透過保持系統校準,更好地控制Rigetti 量子晶片中的量子位元。
量子機器公司的共同創辦人兼技術長約納坦-科恩(Yonatan Cohen)指出,他的公司長期以來一直在尋求使用通用經典運算引擎來控制量子處理器。 這些計算引擎體積小、功能有限,但對於NVIDIA 功能極其強大的DGX 平台來說,這不是問題。
目標當然是運行量子糾錯,但我們還沒做到。 相反,這次合作的重點是校準,特別是校準所謂的” π脈衝“,它可以控制量子處理器內部量子位元的旋轉。
乍一看,校準似乎是一個可以一蹴可幾的問題:在開始運行演算法之前,先校準處理器。 但事情並非如此簡單。科恩說:”如果你看看現在量子計算機的性能,你會發現它的保真度很高。但是用戶在使用計算機時,通常無法達到最佳保真度。它一直在漂移。如果我們能利用這類技術和底層硬體經常對其進行重新校準,那麼我們就能提高性能,並長期保持[高]保真度,而這正是量子糾錯所需要的。
量子機器的一體化OPX+ 量子控制系統。圖片來源:Quantum Machines
近乎即時地不斷調整這些脈衝是一項計算極為密集的任務,但由於量子系統總是略有不同,因此這也是一個可以藉助強化學習來解決的控制問題。
“隨著量子電腦的不斷升級和改進,所有這些問題都會成為瓶頸,成為真正的計算密集型問題,”NVIDIA 的量子計算集團產品經理Sam Stanwyck 說。 “量子糾錯確實是一個巨大的問題。 這是開啟容錯量子運算的必要條件,同時也是如何準確應用正確的控制脈衝以充分利用量子位元的必要條件。”
Stanwyck 也強調,在DGX Quantum 之前,沒有任何系統能夠實現執行這些計算所需的最小延遲。
StrictlyVC 舊金山
投資者,與同行交流,聆聽頂級創投的真知灼見
舊金山| 12月4日
量子電腦圖片來源:量子計算機
事實證明,即使是校準方面的微小改進也能帶來糾錯方面的巨大進步。 “量子機器產品經理Ramon Szmuk 解釋:”在量子糾錯方面,校準的投資回報是指數級的。 “如果校準效果提高10%,那麼由許多物理量子位元組成的邏輯量子位元的邏輯誤差[性能]就會呈指數級增長。 因此,我們有很大的動力去進行又好又快的校準。
值得強調的是,這只是優化過程和合作的開始。 實際上,團隊在這裡所做的只是採用了一些現成的演算法,並研究哪種演算法(TD3)效果最好。 總之,執行實驗的實際程式碼只有150 行左右。 當然,這還有賴於兩個團隊在整合各種系統和建構軟體堆疊方面所做的大量工作。 不過,對於開發人員來說,所有這些複雜性都可以被隱藏起來,兩家公司預計隨著時間的推移,將創建越來越多的開源程式庫,以利用這個更大的平台。
Szmuk強調說,在這個專案中,團隊只使用了一個非常基本的量子電路,但它也可以推廣到深度電路中。 他說:「如果用一個閘和一個量子位元就能做到這一點,那麼用一百個量子位元和一千個閘門也能做到。
“Stanwyck補充說:”我必須說,單項成果只是邁出了一小步,但這是朝著解決最重要問題邁出的一小步。 “有用的量子計算需要與加速超級計算緊密結合–這可能是最困難的工程挑戰。 因此,能夠在量子計算機上真正做到這一點,並以一種不僅針對小型量子計算機進行了優化,而且是可擴展的模組化平台的方式調整脈衝,我們認為我們真的正在用這種方式解決量子計算中一些最重要的問題。
史坦威克也表示,兩家公司計劃繼續合作,讓更多研究人員掌握這些工具。 隨著NVIDIA 的Blackwell 晶片明年上市,他們也將為這個專案提供更強大的運算平台。