TL;DR
- خلاصه وبلاگ:.
- IBM یک معماری مرجع دقیق برای ادغام محاسبات کوانتومیدر مراکز داده و گردش کار HPC منتشر کرده.
- این معماری نشان میدهد که چگونه QPUها میتوانند در زیرساختهای HPC موجود بدون تغییرات.
چه اتفاقی افتاد
خلاصه وبلاگ:. IBM یک معماری مرجع دقیق برای ادغام محاسبات کوانتومیدر مراکز داده و گردش کار HPC منتشر کرده.
است. این معماری نشان میدهد که چگونه QPUها میتوانند در زیرساختهای HPC موجود بدون تغییرات.
مخرب جاسازی شوند. ابر محاسبات کوانتوم محور شبیهسازیهای شیمیرا امکان پذیر میکند که امروزه برای دانشمندان ارزشمند.
است. با این کار، IBM چشم انداز ریچارد فاینمن برای آینده محاسبات را پیش میبرد.
ماموریت ما ارائه محاسبات کوانتومیمفید به جهان است. بنابراین، محاسبات کوانتومیمفید چیست و چگونه آن را به جهان ارائه میکنید؟
برای فیزیکدانان،. کامپیوترهای کوانتومیاز زمانی که آیبیام آنها را در یک دهه پیش روی ابر قرار داد،.
مفید بودهاند. این سیستمها بهعنوان روشهای عملی برای کشف قوانین زیربنایی جهان عمل میکردند،.
جایی که هر کامپیوتر کوانتومیجدید بزرگترین آزمایش این قوانین تا به امروز بود. اما برای جهان گستردهتر،.
ارزش کوانتوم از پیشرفتهترین آن ناشی میشود تواناییهای محاسباتی - مانند پیش بینی خواص فیزیکی یک ماده. شیمیایی فراتر از هر چیزی که در رایانههای امروزی ممکن است.
این یک ابزار انقلابی برای مشکلاتی مانند کشف دارو یا طراحی کاتالیزور خواهد بود. فیزیکدان مشهور ریچارد فاینمن این را در خلال یک سخنرانی در کنفرانس فیزیک محاسبات تحت حمایت MIT و.
IBM بیان کرد:. طبیعت کلاسیک نیست،.
لعنتی،. و اگر میخواهید یک شبیهسازی از طبیعت بسازید،.
بهتر است آن را مکانیکی کوانتومیکنید،. و به قول گلی این یک مشکل فوق العاده است،.
زیرا به نظر آسان نیست. تظاهرات جدید شعله ور گسترش آشکار سودمندی است.
پیش از این،. تحقیقات کوانتومیبر مطالعات فیزیک،.
نمایشهای هدفمند و محک زدن در برابر روشهای کلاسیک متمرکز بود. امروزه،.
سختافزار،. الگوریتمها و تحقیقات جدید شرکای ما،.
محاسبات مربوط را انجام میدهند و بینشهایی را برای آزمایشهای پیشرفته در شیمیو فراتر از آن ارائه. میکنند.
در واقع،. مسیر کنونی روشهای کلاسیک را نشان میدهد که شروع به تزلزل کردهاند و حتی رایانههای کوانتومیمتحمل پیش.
از خطا جایگزین آنها بهعنوان منطقیترین تکنیک برای رسیدگی به برخی مشکلات شبیهسازی میشوند. واقعیترین تحقق دیدگاه فاینمن به زودی پدیدار خواهد شد:.
شبیهسازی یک مولکول یا ویژگی جالب با یک کامپیوتر کوانتومیو سپس زنده کردن آن در آزمایشگاه. بنابراین، چگونه آن را به دنیا میآوریم؟
امروز،. ما یک معماری مرجع دقیق را منتشر میکنیم که نشان میدهد کوانتوم چگونه در آن جا.
میشود جریان کار ابررایانه امروزی،. بنابراین دانشمندان محاسباتی میتوانند خودشان این آزمایشهای هیجان انگیز را بازسازی کنند.
این معماری مرجع نیازی به تغییرات انقلابی در زیرساختهای موجود ندارد. در عوض،.
این طرحی برای تقویت این گردشهای کاری با کوانتوم است – زیرا تنها با سختافزار کوانتومیواقعی و. نرمافزار کوانتومیبا عملکرد بالا،.
کاربران میتوانند از امروز به چشمانداز فاینمن برای آینده محاسباتی دسترسی پیدا کنند. برای جزئیات بیشتر در مورد معماری مرجع جدید، یادداشت فنی ما را در وبلاگ تحقیقاتی IBM بخوانید.
شبیهسازی کوانتوم با کامپیوترهای کوانتومیبه فاینمن علاقه مند است – و ما را نیز علاقه مند. میکند – زیرا آنها به ما اجازه میدهند اطلاعات را رمزگذاری کرده و با استفاده از.
همان ریاضیاتی که بر رفتار اتمها و مولکولهای متقابل حاکم است،. آن را دستکاری کنیم.
شما میتوانید این رفتارها را با استفاده از اشیاء محاسباتی به نام مدارهای کوانتومیبهطور موثر در. یک کامپیوتر کوانتومینشان دهید.
با این حال،. کامپیوترهای کلاسیک باید مدارهای کوانتومیرا با استفاده از بسیاری از عملیات منطقی باینری بهطور نمایی بازسازی کنند.
رایانههای کوانتومیذاتاً پر سر و صدا و مستعد خطا هستند و این حوزه دائماً در حال توسعه. تکنیکهای جدید برای رسیدگی به این خطاها در حین کار روی یک رایانه کوانتومیبا مقیاس بزرگ و.
مقاوم در برابر خطا است - رایانهای که میتواند هنگام بروز خطاها را در حین انجام محاسبات ارزشمند. شناسایی و تصحیح کند.
با این حال،. در چند سال گذشته،.
سختافزار کوانتومیرو به بهبودی ظهور کرده است که میتواند مدارهای کوانتومیرا مانند رایانههای کلاسیک به تنهایی. اجرا کند.
نمیتوان دقیقا بازسازی کرد این تظاهرات جالب بود،. اما لزوماً برای دانشمندانی که امیدوار به ایجاد مولکولها،.
داروها و مواد جدید بودند،. جالب نبود.
یعنی تا کنون به لطف ابر محاسبات کوانتومیمحور. حتی رایانههای کوانتومیبا بالاترین عملکرد و کارآمدترین الگوریتمها به محاسبات کلاسیک برای هماهنگ کردن جریانهای کار،.
کمک به رفع خطاهای ذاتی محاسبات کوانتومیو اجرای محاسباتی که به بهترین شکل ممکن انجام میدهند،. نیاز دارند.
ماه گذشته،. ما نشان دادیم که چگونه و کجا سیستمهای کلاسیک و کوانتومیشروع به کار با هم می.
کنند. گردشهای کاری جدید از پردازندههای گرافیکی برای کمک به تکنیکهای کاهش خطای کوانتومیاستفاده میکنند و به ما.
امکان میدهند نویز را از محاسباتی که روی رایانههای کوانتومیپر سر و صدا انجام میشوند حذف کنیم. به همان اندازه مهم،.
الگوریتمهای ابر محاسباتی کوانتوم محور جدید هستند که برای تخلیه بخشهایی از محاسبات کوانتومیروی سختافزار کلاسیک،. مانند کوانتومیطراحی شدهاند.
روشهای مورب اینها به ما اجازه میدهند با مدارهای کوانتومیروی QPUها و ریاضیات تانسوری روی. پردازندههای گرافیکی بهطور همزمان برای شبیهسازیهای مولکولی محاسبه کنیم.
چند الگوریتم مختلف از این الگوریتمها پدیدار شدهاند،. اما یکی از هیجانانگیزترینها،.
قطریسازی کوانتومی Krylov مبتنی بر نمونه (SKQD) است،. با ویژگیهای همگرایی و تأییدپذیری که آن را از سایر الگوریتمهای کوانتومیکوتاهمدت برای محاسبه انرژیهای حالت پایه.
متمایز میکند. بهعنوان مثال،.
در یک پیش چاپ جدید،. محققان IBM،.
RIKEN و دانشگاه شیکاگو مجموعهای از مسائل انرژی حالت پایه به نام Hamiltonians را ساختند که معیارهای. SKQD را برای همگرایی برآورده میکند.
فراتر از تئوری،. این مشکلات بهطور تجربی با استفاده از SKQD روی یک پردازنده کوانتومیهرون IBM و همچنین با استفاده.
از یک روش کلاسیک محبوب به نام تعامل پیکربندی انتخاب شده (SCI) آزمایش شدند. SKQD با موفقیت به حالت پایه همگرا شد، در حالی که SCI نتوانست این کار را انجام دهد.
مسائل تست در این مطالعه مصنوعی هستند و هیچ سیستم فیزیکی دنیای واقعی را توصیف نمیکنند - اما. وجود موارد استفاده را نشان میدهند که در آن QCSC اجرای SKQD میتواند از روشهای کلاسیک پیشرو بهتر.
عمل کند. ابر محاسبات کوانتوم محور بهعنوان یک ابزار شیمیمفید به لطف این پیشرفتها،.
شیمیدانان برجسته جهان،. محققان داروسازی و دانشمندان مواد،.
کوانتوم را بهعنوان یک تکنیک شبیهسازی معتبر و دقیق در کنار الگوریتمهای شبیهسازی به خوبی. تثبیت شده مانند SCI،.
روشهای ماتریس چگالی مانند c. یکی از این مقالهها از بنیاد کلینیک کلیولند (CCF) انرژیهای پیکربندیهای مختلف مینیپروتئین قفس 300 اتمی تریپتوفان را.
پیشبینی میکند،. یک پروتئین مصنوعی که بهعنوان یک موش آزمایشگاهی در همه جا برای مطالعات محاسباتی عمل میکند - در.
میان بزرگترین مولکولیهای مولکولی. شبیهسازی هنوز این کار از تکنیکی به نام جاسازی مبتنی بر تابع موج (EWF) برای تکه تکه.
کردن (و بازسازی) هامیلتونی مولکول،. سپس محاسبه انرژی چالشبرانگیزترین قطعات با استفاده از SQD استفاده میکند.
در همین حال،. محققان IBM،.
آکسفورد،. دانشگاه منچستر،.
ETH زوریخ،. École Polytechnique Fédérale de Lozanne و دانشگاه Regensburg از کوانتوم برای کمک به مطالعه مولکولهای کاملاً جدید استفاده.
کردند. با استفاده از میکروسکوپ نیروی اتمیآزمایششده با زمان (AFM) و تکنیکهای میکروسکوپ تونلزنی روبشی،.
تیمیبه رهبری لئو گراس از IBM یک مولکول جدید «نیمه متحرک» را مهندسی کردند - حلقهای از. اتمهای کربن که ساختار الکترونیکی آن با نیمپیچش در حین دور زدن شما شکل میگیرد.
علاوه بر این،. آنها از یک الگوریتم مبتنی بر SQD به نام SqDRIFT برای پیشبینی خواص و رفتارهای این مولکول استفاده.
کردند. شبیهسازی این آزمایشها روشهای کلاسیک را تحت فشار قرار میدهد،.
و ما محدودیتی نزدیک به فاصله را میبینیم ما میتوانیم محاسبات کلاسیک را فشار دهیم. در همین حال،.
ما یک مسیر روشن از کوانتومیرا میبینیم که نتایج همیشه در حال بهبود تولید میکند. که در آن تکنیکهای کلاسیک فقط شکست خواهند خورد.
به زودی،. ما امیدواریم که بتوانیم کاملترین تحقق شبیهساز کوانتومیفاینمن را ببینیم:.
رایانهای که میتواند ویژگیهای یک مولکول را پیشبینی کند که بعداً میتوانیم آنها را زنده کنیم،. و به ما امکان میدهد تا یک ماده برای ذخیره انرژی یا یک مولکول جدید برای مبارزه با.
بیماری را طراحی کنیم که بعداً میتوانیم آن را بسازیم. این نتایج اجزای مورد نیاز برای این گردش کار را نشان میدهد.
یک معماری مرجع برای ابر محاسبات کوانتوم محور کوانتوم اکنون ابزاری است که قادر به انجام کارهای علمی. مفید بهعنوان بخشی از گردش کار ابر محاسباتی کوانتوم محور است.
اما چگونه دانشمندان محاسباتی میتوانند به تنهایی شروع به ایجاد مسیرهای مشابه کنند؟ اگر مشکل شیمییا بهینهسازی جالبی دارید و امیدوارید پتانسیل الگوریتمهای کوانتومیرا کشف کنید، چه؟
و سخت افزار کوانتومیدر این فضاها؟ چگونه مراکز کوانتومیو HPC با هم مقیاس میشوند؟
انجام شبیهسازیهای کوانتومیفراتر از روشهای کلاسیک پیشرو نیازمند چند چیز است:. دسترسی به یک کامپیوتر کوانتومی،.
دسترسی به محاسبات کلاسیک،. و معماری حاکم بر نحوه ارتباط این دو.
امروزه IBM یک معماری مرجع برای محاسبات کوانتوم محور منتشر کرده است. این سند طرحی برای مراکز محاسباتی با دانشمندان محاسباتی است که برای کشف کوانتوم در گردش کار خود.
هیجان زده هستند. در عین حال،.
این همچنین یک نقشه راه برای این است که چگونه این سیستمهای هیبریدی بهعنوان بلوغ کوانتومیو. کلاسیک افزایش و کاهش مییابند.
اما ما چرخ را دوباره اختراع نمیکنیم. با این معماری،.
ما قصد داریم کامپیوترهای با کارایی بالا امروزی را تکمیل و طراحی کنیم تا دانشمندان محاسباتی بتوانند به. راحتی کوانتوم را به جریان کار HPC موجود خود بکشانند.
در بالاترین سطح،. معماری در نظر گرفته است برنامههای کوانتوم محور،.
برنامههایی که هم کتابخانههای کوانتومیو هم کتابخانههای کلاسیک را برای جریانهای کاری مانند شبیهسازی،. بهینهسازی یا حل معادلات دیفرانسیل ترکیب میکنند.
همانطور که از یک لایه پایین میرویم،. این کتابخانهها مشکلات را به ساختارهای داده مناسب از جمله تانسورها و مدارهای کوانتومی،.
واحدهای اصلی محاسبات ترسیم میکنند. به نوبه خود،.
لایه میانافزاری این ساختارها را برای اجرا بر روی سختافزار مناسب آماده میکند،. با ابزارهایی مانند OpenMP،.
MPI و SHMEM دادهها را برای پردازش روی پردازندههای گرافیکی با استفاده از CUDA،. Triton و PyTorch آماده میکند،.
در حالی که SDKهای کوانتومیمانند Qiskit،. TKET و CirQ مدارهایی را برای اجرا بر روی QPU آماده میکنند.
در زیر میان افزار،. گردش کار و ابزارهای مدیریت منابع قرار دارند که هماهنگی را انجام میدهند و منابع را در.
سخت افزار مناسب تخصیص میدهند. رابط مدیریت منابع کوانتومی (QRMI) یکی از این ابزارهای باز است،.
یک کتابخانه فروشنده-اگنوستیک برای سیستمهای محاسباتی با کارایی بالا (HPC) دسترسی،. کنترل و نظارت بر رفتار منابع محاسباتی کوانتومی.
و سرانجام پردازش واقعی و پس پردازش میآید - گردش کار و سیستمهای مدیریت منابع که. مشکل را در سخت افزار هماهنگ میکند.
ما از پنج دسته استفاده برای هدایت هماهنگی در این پایینترین لایه استفاده میکنیم،. که QPUها و اتصالات داخلی را برای بزرگکردن و کوچکتر کردن سیستمهای CPU و GPU ترکیب میکنیم.
بهعنوان مثال،. الگوریتمهایی مانند SKQD به حلقههای بسته و بسته نیاز دارند که ملاحظات جفت زمانی و مکانی را ارائه.
میدهند. در همین حال،.
کاهش خطا به منابع CPU و GPU با توان عملیاتی بالا نیاز دارد،. در حالی که کاربران تصحیح خطا را با داشتن سیستمهای کلاسیک با تأخیر کم بهطور دقیقتر ادغام میکنند.
با این معماری مرجع،. مراکز محاسباتی اکنون میتوانند محاسبات کوانتومیرا به خوشههای CPU و GPU خود بیاورند و آنها را در.
یک جریان کاری جامع کوانتوم محور قرار دهند. علاوه بر این،.
آنها میتوانند برنامهریزی کنند و پیش بینی کنند که چگونه کوانتومیو کلاسیک با بلوغ کوانتومی. و ظهور کاربردهای جدید به رشد خود ادامه میدهند.
این معماری به دانشمندان محاسباتی علاقه مند به محاسبات کوانتومیو دسترسی به HPC نشان میدهد که. چگونه میتوانند گامهای مورد نیاز برای کشف چشم انداز فاینمن را بردارند.
با توجه به زیرساختهای هوش مصنوعی در حال رشد خود،. ما در حال ساختن و سرمایهگذاری در آیندهای متکی به این خوشههای GPU در حال رشد هستیم که.
آماده تقویت آن با کوانتومیهستیم. فاینمن چشم اندازی برای آینده شبیهسازی ارائه کرد - و این آینده در حال ظهور است.
IBM متعهد است که به شما کمک کند خودتان آن آینده را درک کنید.
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.