关于量子处理器应与经典超级计算机集成到何种程度的问题,长期以来悬而未决。如今,来自亚马逊云服务、英伟达、劳伦斯伯克利国家实验室及美国国家航空航天局的一流研究团队提出了一种分析模型,可客观评估这一参数。
该框架明确了何时需将量子设备直接部署在高性能计算集群旁,何时通过云服务远程访问即可。这一区分至关重要,因为将量子系统安置在超级计算机附近的成本极高。
两种交互层级
研究人员划分了两种截然不同的量子-经典交互类型。第一层涉及实时设备管理:物理量子比特校准与量子纠错数据处理。第二层涵盖混合算法,其中经典处理器与量子处理器交替执行计算任务。
在纠错过程中,经典系统需在亚微秒至数微秒的间隔内分析控制测量结果并发送修正指令。此类任务要求直接连接且延迟极低——通过常规网络远程连接显然无法满足需求。
实际案例:云端适用与不适用的场景
实际应用中的情况较为复杂。首个案例中,作者针对量子化学问题,在IBM Heron 77量子比特处理器上测试了基于采样的量子对角化算法。主要耗时集中在经典结果处理上,通信开销占比仅约0.0001。在此场景下,远程访问量子处理器完全可行。
然而,在IBM 10量子比特设备上运行量子加速马尔可夫链蒙特卡洛方法时,情况截然不同。该算法需要频繁的连续数据交换。远程访问时,通信开销超出计算时间约1000倍。但值得注意的是,执行该算法无需完整超级计算机,仅需一台低延迟连接的小型经典控制器即可。
未来趋势:集成化发展
随着逻辑量子比特与容错量子计算机的推进,经典基础设施的作用将持续增强。系统需持续处理测量数据、检测错误并发送修正指令。经典部分的处理速度将直接决定量子计算机的运行效率。
作者预计,大型容错量子设备将需要与高性能计算系统更紧密的集成。但不存在通用架构——具体要求取决于具体算法、设备特性、数据交换次数及传输数据量。
我的专家评论:该框架是推动量子计算务实发展的重要一步。它摒弃了过度乐观的倾向,明确指出并非所有算法都需要超级计算机就近支持,但云端也非万能解决方案。对行业而言,这意味着更合理的资源分配与混合计算系统的加速落地。