|
今天，IBM宣布，他们不仅实现了这一目标，而且还“超额完成”[2]。通过一系列改进，包括利用Qiskit Runtime在云端运行量子程序等，IBM研究团队成功将模拟分子的速度提升了120倍。一直以来，IBM主要关心在IBM量子系统上执行量子线路或量子操作序列。然而，IBM现在意识到，实际应用也需要大量的经典处理。IBM用“量子程序”一词，来描述量子线路与经典处理的混合体。一些量子程序在量子和经典之间，有数千甚至数百万次的互动。因此，建立一个能在本地加速执行量子程序的系统至关重要，而不应当仅仅关注量子线路。为执行量子程序而构建的系统，需要有更大的有效容量，且需要对全栈进行改进。包括云服务设计、系统软件、控制硬件，甚至是量子硬件。早在2017年，IBM研究团队就证明了量子计算机可以模拟氢化锂分子的行为[3]。然而，使用当今的量子计算服务对氢化锂分子进行建模需要45天，因为线路在经典和量子处理器之间来回传递，带来了大量的延迟。而现在，IBM仅需9个小时就能够解决同样的问题，速度提高了120倍。具体的改进如，算法的改进使得出最终结果所需的算法迭代次数减少了2-10倍[4]；系统软件的改进使每次迭代时间快了约17秒；处理器性能的改进使算法每次迭代所需的运行次数，或是重复线路的次数减少了10倍；最后，控制系统的改进，如更好的读出和量子比特重置性能，使每次工作执行时间 (即几十条线路的执行时间) 从1000微秒减少到了70微秒。引入Qiskit Runtime也助力了不少，这是一种用于量子计算机的容器化服务。当代码在用户的设备和基于云的量子计算机之间传递时，开发者可以在Qiskit Runtime执行环境中运行程序，IBM混合云为他们处理这些工作，而不是建立起延迟。新的软件架构和OpenShift运算符使IBM研究人员能够最大限度地利用计算时间，最小化等待时间。图3｜Qiskit Runtime工作流演示（来源：IBM）
IBM希望此次的加速能让更多开发者在化学及其他领域尝试进行量子应用实验。例如，用户可以通过Qiskit Runtime尝试IBM新的量子内核对齐算法 (quantum kernel alignment algorithm)，该算法用来查询执行机器学习任务的最佳量子内核。IBM最近使用这个算法证明，量子计算机在机器学习中的监督学习方面，比经典计算机快很多。IBM的量子研究团队致力于寻求实用的量子计算用例，并将其提供给尽可能多的开发者群体。IBM还希望通过Qiskit Runtime，使世界各地的用户能够充分利用计划于今年推出的IBM 127量子比特量子计算机Eagle，或更多后续的设备。封面： IBM 引用： [1]https://www.ibm.com/blogs/research/2020/09/ibm-quantum-roadmap/ [2]https://research.ibm.com/blog/120x-quantum-speedup [3]https://www.ibm.com/blogs/research/2017/09/quantum-molecule/ [4]https:///abs/2103.09232 声明：此文出于传递更多信息。若有错误或侵权，请联系
|
