Software evaluerer qubits, karakteriserer støj i kvanteudglødningsapparater

Højtydende computerbrugere på markedet for en kvanteudglødningsmaskine eller leder efter måder at få mest muligt ud af en, de allerede har, vil drage fordel af en ny, open source softwareværktøj til evaluering af disse nye platforme på det individuelle qubit-niveau.

"Vi var motiveret af behovet for validering og verifikation af kvanteudglødninger, svarende til, hvad der i øjeblikket gøres af organisationer, når de køber en ny klassisk supercomputer, " sagde Carleton Coffrin, en datalog og ekspert i kunstig intelligens i Los Alamos. "De udfører accepttest på et enormt sæt benchmarks. Vi havde ikke gode analoger til det på kvanteudglødningscomputere. For kvanteudglødning, vores nye en Quantum Annealing Single-qubit Assessment, eller QASA, protokol giver os ét værktøj til accepttest."

Coffrin er hovedefterforsker af projektet "Accelerating Combinatorial Optimization with Noisy Analog Hardware, "som udviklede papiret, "Single-Qubit Fidelity Assessment of Quantum Annealing Hardware."

QASA er tilgængelig som open source-software på github.com/lanl-ansi/QASA. QASA, som udføres parallelt for alle qubits på en kvanteudglødningsanordning, giver en detaljeret karakterisering gennem fremtrædende målinger om individuelle qubits, såsom deres effektive temperatur, støj, og bias. I det centrale gennembrud for dette arbejde, enkelt-qubit-modellen kan udføres parallelt for hver qubit i en kvanteudglødningshardwareenhed.

"QASA-protokollen kunne i sidste ende finde en bred vifte af anvendelser, såsom at spore forbedret ydeevne i kvanteudglødningscomputere og hjælpe hardwareudviklere med at opdage uoverensstemmelser i deres egne enheder, " sagde Coffrin. Med protokollen, brugere af kvante-annealere kunne også kalibrere deres algoritmer til deres specifikke computere.

"At karakterisere støjen i systemet er nok den mest virkningsfulde ting, fordi det er det mindst velkendte aspekt af hardwaren, " Coffrin bemærkede. "Vi kan måle det, og forstå, hvordan det er fordelt i hele hardwaren."

Protokollen kaster lys over variabiliteten af ​​qubit-egenskaber på tværs af hele computeren. Med denne detaljerede analyse af egenskaberne for hver qubit, quantum annealer-brugere kan anvende QASA til hurtigt at verificere niveauet af konsistens på tværs af hardwarens qubits og enten undgå eller kompensere for ikke-ideelle qubits. Brugere bruger også disse oplysninger til at kalibrere idealiserede kvantesimuleringer, der kører på specifikke hardwareenheder.

Analysen giver også flere nøglemålinger, såsom qubit-støj, der understøtter sporing af tekniske forbedringer af kvanteudglødningshardware, efterhånden som det udvikles.

Efterhånden som både gate-baserede kvantecomputere og kvanteudglødningscomputere bevæger sig fra videnskabsprojekter til opgaver i den virkelige verden, måling og sporing af ændringer i pålideligheden af ​​kvantehardwareplatforme er afgørende for at forstå disse enheders begrænsninger og kvantificere fremskridt, efterhånden som disse platforme fortsætter med at forbedre sig, oplyser avisen.

I en datadrevet opdagelsesproces, Coffrin sagde, Los Alamos-teamet brugte maskinlæring og data fra en D-Wave 2000Q-computer på laboratoriet til at udvikle QASA-protokollen, som kan køre på enhver kvantegløder.

"Vi kørte en masse eksperimenter på vores D-Wave, indsætte forskellige værdier for én parameter, og så hvad der skete, " sagde han. Resultaterne gav en overraskende kurve, når de blev tegnet. "Vi var nødt til at udvikle en ny teoretisk model for at svare til, hvad der foregår." Derefter designede holdet en maskinlæringsmetode, der tilpassede den teoretiske model til dataene. Kvanteudglødning computere fungerer efter et andet princip end gate-baserede kvantecomputere, som bruger porte analogt med de logiske porte på en klassisk binær computer.

Kvanteudglødninger udnytter en jævn kvanteudvikling til at udnytte grundlæggende kvanteprincipper til at finde løsninger af høj kvalitet. Denne proces er mere specialiseret end gate-baseret computer, men er stadig tilstrækkelig til at løse udfordrende beregningsproblemer inden for områder som magnetiske materialer, maskinlæring og optimering, som alle er afhængige af optimering, eller finde det bedste svar blandt alle plausible svar. For eksempel, Det er et klassisk optimeringsproblem at finde den korteste rute for en varevogn, der afleverer pakker på flere lokationer.