将量子处理器与经典超级计算机集成,是实现实用量子计算的关键任务之一。来自AWS、英伟达(Nvidia)、美国国家航空航天局(NASA)以及劳伦斯伯克利国家实验室的顶尖专家开发了一种分析模型,能够确定量子设备何时应物理上靠近高性能计算基础设施部署,以及何时仅需云访问即可满足需求。

该模型将量子-经典交互分为两个截然不同的层级。第一层是设备的实时管理:量子比特校准和量子纠错数据处理。在此层面,延迟至关重要——经典系统必须在微秒级时间内处理测量结果并发送纠错指令。通过普通网络进行远程连接对于此类任务是不可接受的。

第二层是混合算法,其中经典处理器和量子处理器交替执行计算任务的部分环节。在此层面,延迟会影响整体性能,但并非总是阻碍任务执行。然而,对具体算法的分析表明,需求可能千差万别。

两个典型示例

研究过程中测试了两种截然不同的算法。第一种是基于采样的量子对角化(SQD)算法,用于量子化学计算,在IBM Heron的77量子比特处理器上运行。主要时间消耗在经典结果处理上,通信开销仅占0.0001%。对于此类场景,通过云访问量子处理器已绰绰有余。

第二种算法——量子加速马尔可夫链蒙特卡洛方法(QE-MCMC)——在IBM的10量子比特设备上测试时,情况则完全不同。该算法需要频繁的连续数据交换,远程访问时通信开销约为计算时间的1000倍。但值得注意的是,该算法并不需要强大的超级计算机,只需一台具备超低延迟连接的小型经典控制器即可满足需求。

未来在于紧密集成

随着向具有逻辑量子比特的容错量子计算机过渡,对经典基础设施的要求只会越来越高。系统必须持续处理测量结果、检测错误并发送纠错指令。经典部分的速度将开始决定量子计算机的工作节奏。

研究人员强调:不存在通用的架构。需求取决于具体算法、设备特性、交换次数以及数据量。所提出的模型允许随着量子处理器的发展定期重新评估基础设施。

我的分析。 这项工作是迈向务实看待量子计算的重要一步。市场常常高估任何量子处理器都需要“超级计算机环境”的必要性。该模型为基础设施投资决策提供了明确标准,这对于计划将量子技术整合到业务流程中的公司至关重要。