המעבדה הלאומית לורנס ברקלי הודיעה כי חוקרי מעבדה ואוניברסיטה לאומית פרסמו לאחרונה שני מאמרים המציגים שיטות חדשות של אחסון וניתוח נתונים כדי להפוך את המחשוב הקוונטי למעשי יותר ולחקור כיצד הדמיה מסייעת בהבנת המחשוב הקוונטי.
"עבודה זו מייצגת צעדים משמעותיים בהבנה ורתימת התקנים קוונטיים נוכחיים לקידוד, עיבוד והדמיה של נתונים", אמרה טלית פרצ'יאנו, מדענית מחקר בחטיבת הנתונים המדעיים במעבדה הלאומית לורנס ברקלי ומובילת המאמץ הזה.
"תרומות אלו מתבססות על הקודמות שלנו מַאֲמָצִים להדגיש את החקר המתמשך ואת הפוטנציאל של טכנולוגיות קוונטיות בעיצוב ניתוח נתונים מדעיים והדמיה. מימוש הפרויקטים הללו מדגיש את התפקיד החיוני של עבודת צוות, שכן כל חבר הביא את המומחיות והפרספקטיבה הייחודית שלו. שיתוף הפעולה הזה הוא עדות לכך שבתחום הקוונטי, כמו בהיבטים רבים של החיים, התקדמות היא לא רק הישגים אישיים, אלא מאמץ קולקטיבי וחזון משותף של הצוות".
לפי מאמר באתר LBNL מאת קרול פוט, התורמים לפרויקט זה - יחד עם פרסיאנו - כוללים חוקרים מחטיבת הנתונים המדעיים, החטיבה למתמטיקה שימושית ומחקר חישובי ומהמרכז הלאומי למחשוב מדעי לחקר האנרגיה (NERSC), בשיתוף עם צוותים מ- אוניברסיטת סן פרנסיסקו סטייט (SFSU) ואוניברסיטת קייס ווסטרן רזרב.
איזון בין קלאסי לקוונטי
שיתוף הפעולה: (שורה עליונה, משמאל לימין) טלית פרסיאנו, יאן באלבסקי, דאן קאמפס. (שורה תחתונה, משמאל לימין) רואל ואן ביומן, מרסי ג'י אמנקווה, א' ווס בת'ל
ההתמקדות של הצוות בקידוד נתונים קלאסיים לשימוש על ידי אלגוריתמים קוונטיים היא אבן דרך לקראת התקדמות במינוף שיטות מדע וטכנולוגיה קוונטיים (QIST) כחלק מגרפיקה והדמיה, שתיהן יקרות מבחינה חישובית. "מציאת האיזון הנכון בין היכולות של QIST לבין מחשוב קלאסי הוא אתגר מחקרי גדול. מצד אחד, מערכות קוונטיות יכולות להתמודד עם בעיות גדולות יותר באופן אקספוננציאלי ככל שאנו מוסיפים עוד קיוביטים. מצד שני, למערכות קלאסיות ולפלטפורמות HPC יש עשרות שנים של מחקר ותשתית מוצקים, אבל הן פוגעות במגבלות טכנולוגיות בקנה מידה, "אמרה בת'ל. "מסלול סביר אחד הוא הרעיון של מחשוב קלאסי-קוונטי היברידי, מיזוג מעבדים קלאסיים עם יחידות עיבוד קוונטיות (QPUs). גישה זו משלבת את הטוב משני העולמות, ומציעה אפשרויות מרגשות ליישומים מדעיים ספציפיים."
העיתון הראשון, פורסם לאחרונה ב- Nature Scientific Reports, בוחן כיצד לקודד ולאחסן נתונים קלאסיים במערכות קוונטיות כדי לשפר יכולות אנליטיות ומכסה את שתי השיטות החדשות וכיצד הן פועלות. QCrank פועל על ידי קידוד קבוצות של מספרים אמיתיים לסיבובים רציפים של קיוביטים נבחרים, ומאפשר ייצוג של יותר נתונים תוך שימוש בפחות מקום. QBArt, לעומת זאת, מייצג ישירות נתונים בינאריים כסדרה של אפסים ואחדים הממופים למצבי אפס טהור וקווביט אחד, מה שמקל על ביצוע חישובים על הנתונים.
בעיתון השני, הצוות התעמק באינטראקציה בין ויזואליזציה למחשוב קוונטי, והראה כיצד ההדמיה תרמה למחשוב קוונטי על ידי מתן אפשרות לייצוג של מצבים קוונטיים מורכבים בצורה גרפית וחקר את היתרונות והאתגרים הפוטנציאליים של שילוב מחשוב קוונטי בתחום של חקר וניתוח נתונים חזותיים . בחקירה מדעית, הדמיה מאפשרת לחוקרים לחקור את הלא נודע ו"לראות את הבלתי ניתן לראות", תוך העברת מידע מופשט ביעילות לתמונות מובנות בקלות.
הצוות בדק את השיטות שלהם על חומרה קוונטית של NISQ תוך שימוש בכמה סוגים של משימות עיבוד נתונים, כגון התאמת תבניות ב-DNA, חישוב המרחק בין רצפים של מספרים שלמים, מניפולציה של רצף של מספרים מרוכבים, וכתיבת ואחזור תמונות העשויות מפיקסלים בינאריים. הצוות הפעיל את הבדיקות הללו באמצעות מעבד קוונטי בשם Quantinuum H1-1, כמו גם במעבדים קוונטיים אחרים הזמינים דרך IBMQ ו-IonQ. לעתים קרובות, אלגוריתמים קוונטיים המעבדים דגימות נתונים כה גדולות כמו מעגל בודד במכשירי NISQ פועלים בצורה גרועה מאוד או מניבים פלט אקראי לחלוטין. המחברים הוכיחו כי השיטות החדשות שלהם השיגו תוצאות מדויקות להפליא בעת שימוש בחומרה כזו.
התמודדות עם קידוד נתונים והצלבה
בעת תכנון והטמעה של אלגוריתמים קוונטיים המעבדים נתונים קלאסיים, נוצר אתגר משמעותי המכונה בעיית קידוד הנתונים, כלומר כיצד להמיר נתונים קלאסיים לצורה שמחשב קוונטי יכול לעבוד איתו. במהלך תהליך הקידוד, קיים פשרה בין שימוש יעיל במשאבים קוונטיים לבין שמירה על המורכבות החישובית של אלגוריתמים פשוטה מספיק לניהול.
"ההתמקדות הייתה באיזון מגבלות החומרה הקוונטיות הנוכחיות. כמה שיטות קידוד מוצקות מבחינה מתמטית משתמשות בכל כך הרבה שלבים, או שערים קוונטיים, עד שהמערכת הקוונטית מאבדת את המידע הראשוני עוד לפני שהיא מגיעה לשער הסופי. זה לא משאיר הזדמנות לחשב נכון את הנתונים המקודדים", אמר יאן באלבסקי, יועץ ב-NERSC והמחבר הראשון של המאמר Scientific Reports. "כדי להתמודד עם זה, המצאנו את הסכימה של פירוק רצף ארוך אחד להרבה זרמי קידוד מקבילים."
למרבה הצער, שיטה זו הובילה לבעיה חדשה, הצלבה בין זרמים, שעיוותה את המידע המאוחסן. "זה כמו לנסות להאזין לשיחות מרובות בחדר צפוף; כאשר הם חופפים, הבנת כל מסר הופכת למאתגרת. במערכות נתונים, דיבור צולב מעוות מידע, מה שהופך את התובנות לפחות מדויקות", אמר Balewski. "התמודדנו עם ההצלבה בשתי דרכים: עבור QCrank, הצגנו שלב כיול; עבור QBArt, פישטנו את השפה שבה נעשה שימוש בהודעות. צמצום מספר האסימונים בשימוש זה כמו מעבר מהאלפבית הלטיני לקוד מורס - איטי יותר לשליחה אך מושפע פחות מעיוותים."
מחקר זה מציג שני התקדמויות משמעותיות, מה שהופך את הקידוד והניתוח של נתונים קוונטיים למעשיים יותר. ראשית, מעגלים מקבילים בשליטה אחידה בסיבוב (pUCR) מפחיתים באופן דרסטי את המורכבות של מעגלים קוונטיים בהשוואה לשיטות קודמות. מעגלים אלו מאפשרים להתרחש מספר פעולות בו-זמנית, מה שהופך אותם למתאימים היטב עבור מעבדים קוונטיים, כגון התקן H1-1 מבית Quantinuum, עם קישוריות גבוהה ותמיכה בביצוע שער מקבילי. שנית, המחקר מציג את QCrank ו-QBArt, שתי טכניקות קידוד הנתונים המשתמשות במעגלי pUCR: QCrank מקודד נתונים אמיתיים מתמשכים כזוויות סיבוב ו-QBArt מקודד נתונים שלמים בצורה בינארית. המחקר גם מציג סדרה של ניסויים שנערכו באמצעות מעבדי IonQ ו-IBMQ, המדגימים קידוד וניתוח נתונים קוונטיים מוצלחים בקנה מידה גדול יותר ממה שהושג קודם לכן. ניסויים אלה משלבים גם אסטרטגיות חדשות להפחתת שגיאות לתיקון תוצאות חומרה רועשות, תוך שיפור מהימנות החישובים.
הניסויים שנערכו עם QCrank מראים תוצאות מבטיחות, קידוד ושליפה מוצלח של 384 פיקסלים בשחור-לבן ב-12 קיוביטים עם רמת דיוק גבוהה בשחזור המידע (איור 1). יש לציין שתמונה זו מייצגת את התמונה הגדולה ביותר שקודדה אי פעם בהצלחה במכשיר קוונטי, מה שמסמן אותה כהישג פורץ דרך. אחסון אותה תמונה במחשב קלאסי ידרוש 384 סיביות, מה שהופך אותה ליעילה פי 30 בהשוואה למחשב קוונטי. מכיוון שהקיבולת של המערכת הקוונטית גדלה באופן אקספוננציאלי עם מספר הקיוביטים, רק 35 קיוביטים במחשב קוונטי אידיאלי יכולים, למשל, להכיל את כל 150 הגיגה-בייט של מידע DNA שנמצא בגנום האנושי.
ניסויים שנערכו עם QBArt הציגו את יכולתה המדהימה בקידוד ועיבוד של רצפים מגוונים של נתונים, מרצפי DNA מורכבים (איור 2) ועד למספרים מרוכבים, עם נאמנות כמעט מושלמת. בנוסף, המחקר מתעמק בהערכת הביצועים של מעבדים קוונטיים שונים בקידוד נתונים בינאריים, חושף את היכולות יוצאות הדופן של מעבדים מבוססי מלכודת יונים למשימות הנשענות על מעגלי pUCR. ממצאים אלה לא רק מכינים את הבמה לחקירות מעמיקות יותר של יישומים של מעגלים קומפקטיים ומקבילים על פני אלגוריתמים קוונטיים שונים ואלגוריתמים קוונטיים-קלאסיים היברידיים; הם גם סוללים את הדרך להתקדמות מלהיבה במשימות עתידיות של למידת מכונות קוונטיות ועיבוד נתונים.
"בנווט בחזית המחשוב הקוונטי, הצוות שלנו, הניזון מכישרונות מתפתחים, בוחן התקדמות תיאורטית תוך שימוש בשיטות קידוד הנתונים שלנו להתמודדות עם מגוון רחב של משימות ניתוח. גישות חדשניות אלו טומנות בחובן את ההבטחה לפתיחת יכולות אנליטיות בקנה מידה שלא ראינו בעבר עם מכשירי NISQ", אמר פרסיאנו. "ממנפים הן את HPC והן את החומרה הקוונטית, אנו שואפים להרחיב את האופקים של מחקר המחשוב הקוונטי, ולראות כיצד הקוונטי יכול לחולל מהפכה בשיטות פתרון בעיות בתחומים מדעיים שונים. ככל שהחומרה הקוונטית מתפתחת, כולנו בצוות המחקר מאמינים בפוטנציאל המעשיות והשימושיות שלה ככלי רב עוצמה לניתוח והדמיה של נתונים מדעיים בקנה מידה גדול."
עם הקריאה האחרונה לבנות ולחנך כוח עבודה קוונטי, ארגונים רבים, כולל משרד האנרגיה האמריקני (DOE), מחפשים דרכים לעזור לקדם מחקר ולפתח אלגוריתמים, מערכות וסביבות תוכנה חדשות עבור QIST. לשם כך, שיתוף הפעולה המתמשך של מעבדת ברקלי עם SFSU, מוסד המשרת מיעוטים, ממנף את מאמצי המעבדה ב-QIST ומרחיב את תוכניות הלימודים הקיימות של SFSU כך שיכללו קורסים והכשרה חדשים הממוקדים ב-QIST. לשעבר מדען מחשבים בכיר במעבדת ברקלי, פרופסור חבר ב-SFSU Wes Bethel הוביל את המשימה לקראת הפקת דור חדש של סטודנטים בוגרי SFSU Computing Science Master, רבים מקבוצות שאינן מיוצגות, עם תזות המתמקדות בנושאי QIST.
Mercy Amankwah, Ph.D. סטודנטית באוניברסיטת קייס ווסטרן, הייתה חלק משיתוף הפעולה הזה מאז יוני 2021, והקדישה 12 שבועות מחופשות הקיץ שלה מדי שנה כדי להשתתף בתוכנית מסלולי מחקר בר קיימא, שותפות בין מעבדת ברקלי ומכון אופק בר קיימא. Amankwah מינפה את המומחיות שלה באלגברה לינארית כדי לחדש את התכנון והמניפולציה של מעגלים קוונטיים כדי להשיג את היעילות לה קיווה הצוות בשתי שיטות חדשות, QCrank ו-ABArt. השיטות משתמשות בטכניקות החדשניות של הצוות לקידוד נתונים עבור מחשבים קוונטיים. "העבודה שאנחנו עושים היא באמת שובה לב", אמר אמנקווה. "זהו מסע שדוחף אותנו כל הזמן להרהר בפריצות הדרך הגדולות הבאות. אני מצפה בהתרגשות לתרום תרומות משפיעות יותר לתחום הזה כשאני נכנס לפוסט-דוקטורט שלי. הרפתקה בקריירה."
מחקר זה נתמך על ידי משרד האנרגיה האמריקני (DOE) למחקר חקר מחשוב מדעי מתקדם (ASCR) למדע בקנה מידה קיצוני, מכון אופק בר קיימא, ותוכנית המחקר והפיתוח המכוון במעבדה של מעבדת ברקלי והשתמשו במשאבי מחשוב ב-NERSC ומתקן מחשוב המנהיגות Oak Ridge.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
- PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
- PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
- PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
- מקור: https://insidehpc.com/2024/04/lbnl-leads-quantum-data-storage-visualization-project/