ローレンス・バークレー国立研究所は、国立研究所と大学の研究者が最近、量子コンピューティングをより実用的なものにするためのデータ保存と分析の新しい方法を紹介し、視覚化が量子コンピューティングの理解にどのように役立つかを探る 2 つの論文を発表したと発表しました。
「この研究は、データのエンコード、処理、視覚化のための現在の量子デバイスの理解と利用における大きな進歩を表しています」と、ローレンス・バークレー国立研究所の科学データ部門の研究員であり、この取り組みのリーダーであるタリタ・ペルシアーノは述べています。
「これらの貢献は、これまでの私たちの取り組みに基づいています。 努力 科学データの分析と視覚化を形作る上で進行中の量子テクノロジーの探求と可能性を強調します。これらのプロジェクトの実現には、各メンバーが独自の専門知識と視点を持ち込むため、チームワークの重要な役割が強調されます。このコラボレーションは、生活の多くの側面と同様に、量子の領域でも進歩は個人の成果だけではなく、チームの集合的な努力と共有されたビジョンによってもたらされるという事実の証です。」
による 記事 キャロル・ポットによる LBNL サイトで、ペルシアーノとともにこのプロジェクトに貢献した人には、科学データ部門、応用数学および計算研究部門、国立エネルギー研究科学計算センター (NERSC) の研究者が含まれており、そのチームと協力しています。サンフランシスコ州立大学 (SFSU) とケース ウェスタン リザーブ大学。
古典と量子のバランスをとる
コラボレーション: (上段、左から右へ) タリタ ペルシアーノ、ヤン バレウスキー、ダーン キャンプス。 (下列、左から右へ) ロエル・ヴァン・ビューメン、マーシー・G・アマンクワ、E・ウェス・ベテル
量子アルゴリズムで使用する古典的データのエンコードにチームが焦点を当てていることは、歴史的に計算コストがかかる量子情報科学技術 (QIST) 手法をグラフィックスや視覚化の一部として活用する進歩への足がかりとなる。 「QIST の機能と古典的コンピューティングの機能の間の適切なバランスを見つけることは、大きな研究課題です。一方で、量子システムは量子ビットを追加するにつれて、指数関数的に大きな問題を処理できるようになります。一方、古典的なシステムと HPC プラットフォームには、数十年にわたる堅実な研究とインフラストラクチャがありますが、拡張において技術的な限界に達しています」とベセル氏は述べています。 「考えられる経路の 1 つは、古典的な CPU と量子処理装置 (QPU) をブレンドする、ハイブリッド古典量子コンピューティングのアイデアです。このアプローチは両方の長所を組み合わせ、特定の科学用途に刺激的な可能性を提供します。」
最初の論文は、 Nature Scientific Reports に最近掲載されましたでは、古典的なデータを量子システムにエンコードして保存して分析能力を向上させる方法を探り、2 つの新しい方法とその機能について説明します。 QCrank は、実数のセットを選択した量子ビットの連続回転にエンコードすることで機能し、より少ないスペースでより多くのデータを表現できるようにします。一方、QBArt は、純粋な 0 と 1 量子ビットの状態にマップされた一連の 0 と 1 としてバイナリ データを直接表現するため、データの計算が容易になります。
2番目の論文ではチームは、可視化と量子コンピューティングの相互作用を詳しく調査し、複雑な量子状態をグラフィカルに表現できるようにすることで可視化が量子コンピューティングにどのように貢献してきたかを示し、量子コンピューティングをビジュアルデータの探索と分析の領域に統合することの潜在的な利点と課題を探りました。 。科学的探査では、視覚化により研究者は未知のものを探索し、「見えないものを見る」ことができ、抽象的な情報を理解しやすい画像に効果的に変換できます。
研究チームは、DNA 内のパターンの照合、整数列間の距離の計算、複素数列の操作、バイナリ ピクセルで構成される画像の書き込みと取得など、数種類のデータ処理タスクを使用して、NISQ 量子ハードウェア上でメソッドをテストしました。チームは、Quantinuum H1-1 と呼ばれる量子プロセッサーと、IBMQ および IonQ を通じて利用可能な他の量子プロセッサーを使用してこれらのテストを実行しました。多くの場合、このような大きなデータ サンプルを NISQ デバイス上の単一回路として処理する量子アルゴリズムは、パフォーマンスが非常に悪いか、完全にランダムな出力を生成します。著者らは、そのようなハードウェアを使用した場合に、新しい方法で驚くほど正確な結果が得られることを実証しました。
データのエンコーディングとクロストークへの対処
古典データを処理する量子アルゴリズムを設計および実装する場合、データ符号化問題として知られる重要な課題が発生します。これは、古典データを量子コンピューターが使用できる形式に変換する方法です。エンコード プロセス中、量子リソースを効率的に使用することと、アルゴリズムの計算の複雑さを管理しやすい程度に保つことの間にはトレードオフがあります。
「現在の量子ハードウェアの制約のバランスを取ることに重点が置かれていました。数学的に堅牢なエンコード方法の中には、非常に多くのステップ (量子ゲート) を使用するものがあるため、量子システムは最終ゲートに到達する前に初期情報を失ってしまいます。これでは、エンコードされたデータを正しく計算する機会がなくなってしまいます」と、NERSC のコンサルタントであり、Scientific Reports 論文の筆頭著者である Jan Balewski 氏は述べています。 「これに対処するために、私たちは 1 つの長いシーケンスを多数の並列エンコード ストリームに分割するスキームを思いつきました。」
残念ながら、この方法ではストリーム間のクロストークという新たな問題が発生し、保存された情報が歪められました。 「それは、混雑した部屋で複数の会話を聞こうとするようなものです。それらが重なると、それぞれのメッセージを理解することが困難になります。データ システムでは、クロストークにより情報が歪められ、洞察の精度が低下します」と Balewski 氏は述べています。 「私たちは 2 つの方法でクロストークに取り組みました。QCrank ではキャリブレーション ステップを導入しました。 QBArt では、メッセージで使用される言語を簡素化しました。使用されるトークンの数を減らすことは、ラテン文字からモールス信号に切り替えるようなもので、送信は遅くなりますが、歪みの影響は少なくなります。」
この研究では、量子データの符号化と分析をより実用的なものにする 1 つの重要な進歩が導入されました。まず、並列均一制御回転 (pUCR) 回路により、以前の方法と比較して量子回路の複雑さが大幅に軽減されます。これらの回路は複数の操作を同時に実行できるため、高い接続性と並列ゲート実行のサポートを備えた Quantinuum の H1-XNUMX デバイスなどの量子プロセッサに最適です。次に、この研究では、pUCR 回路を利用する XNUMX つのデータ エンコード技術である QCrank と QBArt を紹介します。QCrank は連続実数データを回転角度としてエンコードし、QBArt は整数データをバイナリ形式でエンコードします。この研究では、IonQ および IBMQ 量子プロセッサを使用して実施された一連の実験も紹介されており、これまでに達成されていたよりも大規模な量子データのエンコードと分析が成功したことが実証されています。これらの実験には、ノイズの多いハードウェア結果を修正するための新しいエラー軽減戦略も組み込まれており、計算の信頼性が向上します。
QCrank を使用して行われた実験では、有望な結果が示され、384 量子ビット上の 12 個の白黒ピクセルを高レベルの精度で符号化して情報を復元することに成功しました (図 1)。注目すべきことに、この画像は量子デバイス上でこれまでにエンコードに成功した最大の画像を表しており、画期的な成果となっています。同じ画像を従来のコンピューターに保存するには 384 ビットが必要となり、量子コンピューターに比べて効率が 30 倍低くなります。量子システムの容量は量子ビットの数とともに指数関数的に増加するため、たとえば、理想的な量子コンピューターではわずか 35 量子ビットで、ヒトゲノムにある 150 ギガバイトの DNA 情報全体を保持できます。
QBArt を使用して行われた実験では、複雑な DNA 配列 (図 2) から複素数に至るまで、さまざまなデータ配列をほぼ完璧な忠実度でエンコードおよび処理する際のその驚くべき能力が実証されました。さらに、この研究では、バイナリデータの符号化におけるさまざまな量子プロセッサの性能評価を詳しく調べ、pUCR回路に依存するタスクに対するイオントラップベースのプロセッサの優れた能力を明らかにしています。これらの発見は、さまざまな量子アルゴリズムや量子と古典のハイブリッド アルゴリズムにわたるコンパクトな並列回路のアプリケーションに関するより深い研究の準備を整えるだけではありません。また、将来の量子機械学習やデータ処理タスクにおけるエキサイティングな進歩への道も開かれます。
「量子コンピューティングの最前線をナビゲートする私たちのチームは、新興の才能に活気づけられ、データエンコーディング手法を活用して幅広い分析タスクに取り組む理論的な進歩を模索しています。これらの新しいアプローチは、NISQ デバイスでこれまでに見たことのない規模で分析機能を解き放つ可能性を秘めています」と Perciano 氏は述べています。 「HPC と量子ハードウェアの両方を活用することで、私たちは量子コンピューティング研究の視野を拡大し、量子がさまざまな科学分野にわたって問題解決手法にどのような革命をもたらすことができるかを構想しています。量子ハードウェアが進化するにつれて、私たち研究チーム全員が、大規模な科学データの分析と視覚化のための強力なツールとしての実用性と有用性の可能性を信じています。」
最近、量子労働力の構築と教育が求められているため、米国エネルギー省 (DOE) を含む多くの組織が、研究を推進し、QIST 用の新しいアルゴリズム、システム、ソフトウェア環境を開発するのに役立つ方法を模索しています。この目的を達成するために、バークレー研究所は少数派教育機関であるSFSUと継続的に協力しており、QISTにおける同研究所の取り組みを活用し、SFSUの既存のカリキュラムを拡張してQISTに焦点を当てた新しいコースワークとトレーニングの機会を組み込んでいます。元バークレー研究所の上級コンピューター科学者である SFSU 准教授の Wes Bethel は、QIST のトピックに焦点を当てた論文で、SFSU コンピューターサイエンス修士課程を卒業する新世代の卒業生の多くが過小評価されているグループの出身者を輩出する取り組みを主導しました。
マーシー・アマンクワ博士ケース ウェスタン大学の学生である彼女は、2021 年 12 月からこのコラボレーションに参加しており、毎年夏休みの XNUMX 週間を、バークレー研究所とサステイナブル ホライゾンズ研究所のパートナーシップである持続可能な研究パスウェイ プログラムに参加するために捧げています。アマンクワ氏は線形代数の専門知識を活用して量子回路の設計と操作を革新し、QCrank と ABArt という XNUMX つの新しい手法でチームが期待していた効率を達成しました。この手法では、チームの革新的な技術を使用して、量子コンピューター用にデータをエンコードします。 「私たちが行っている仕事は本当に魅力的です」とアマンクワ氏は言いました。 「これは常に私たちに次の大きな進歩を熟考させる旅です。私は博士号取得後の進路に向けて、この分野にさらに影響力のある貢献をできることをとても楽しみにしています。キャリアの冒険。」
この研究は、米国エネルギー省 (DOE) 先端科学コンピューティング研究局 (ASCR) の極限科学のための探索的研究、Sustainable Horizons Institute、およびバークレー研究所の研究開発プログラムによって支援され、NERSC のコンピューティング リソースを使用しました。そしてオークリッジリーダーシップコンピューティング施設。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源： https://insidehpc.com/2024/04/lbnl-leads-quantum-data-storage-visualization-project/