Բառը[Թաքցնել][Ցուցադրում]
Ավելի արագ, քան երբևէ, աշխարհը փոխվում է թվային փոփոխությունների շնորհիվ:
Տեխնոլոգիաների ևս մեկ բոլորովին նոր ալիքի մոտալուտ գալուստով, որն ունակ է ապշեցուցիչ արագությամբ և հզորությամբ կտրուկ փոխել ընթացիկ պարադիգմները՝ քվանտային հաշվարկը, թվային դարաշրջանի հիմնարար գաղափարների ըմբռնումը ավելի կարևոր կդառնա:
Բեկումնային տեխնիկան, որը կոչվում է քվանտային հաշվարկ, օգտագործում է քվանտային ֆիզիկան՝ լուծելու այնպիսի խնդիրներ, որոնք դուրս են սովորական համակարգիչների շրջանակից:
Քվանտային տեսության սկզբունքները ցույց են տալիս, թե նյութն ու էներգիան ինչպես են վարվում ատոմային և ենթաատոմային մասշտաբներում, իսկ IBM-ի Qiskit-ը բաց կոդով քվանտային ծրագրաշարի մշակման հավաքածու է, որն օգնում է ստեղծել քվանտային հաշվողական համակարգեր:
Այս հոդվածը փորձում է բացատրել դա և ձեզ տրամադրել քվանտային հաշվարկների ակնարկ:
Մենք կբացատրենք մեր ընթերցողներին բաց կոդով քվանտային հաշվարկի օգնությամբ SDK, այսինքն. Qiskit և թույլ տվեք ուսումնասիրել՝ օգտագործելով Յուպիերային նոթատետրեր հյուրընկալվել է IBM Quantum Lab-ում:
Ի՞նչ է քվանտային հաշվարկը:
Քվանտային հաշվարկ համակարգչային գիտության ճյուղ է, որը կենտրոնանում է համակարգչային տեխնոլոգիաների զարգացման վրա՝ օգտագործելով քվանտային տեսության գաղափարները:
Այն օգտվում է ենթաատոմային մասնիկների բացառիկ հզորությունից, որը միաժամանակ գոյություն ունի բազմաթիվ վիճակներում, ինչպիսիք են 0 և 1:
Նրանք կարողանում են շատ ավելի շատ տվյալներ մշակել, քան սովորական համակարգիչները:
Քվանտային հաշվողական գործընթացներում քյուբիթը պատրաստվում է օբյեկտի քվանտային վիճակի միջոցով: Քվանտային հաշվարկում տեղեկատվության հիմնական մասերը քյուբիթներն են:
Նրանք կատարում են նույն գործառույթը, ինչ բիթերը քվանտային հաշվարկներում սովորական հաշվարկներում, բայց գործում են բոլորովին այլ կերպ: Քվանտային հաշվարկը ոլորտ է, որն առաջացել է 1980-ականներին:
Այնուհետև պարզվեց, որ քվանտային ալգորիթմներն ավելի արդյունավետ են համակարգչային որոշ առաջադրանքներ կատարելիս, քան իրենց դասական գործընկերները:
Սուպերպոզիցիան և խճճվածությունը՝ քվանտային ֆիզիկայի երկու հասկացություններ, այն հիմքերն են, որոնց վրա հիմնված են այս սուպերհամակարգիչները:
Սովորական համակարգիչների համեմատ, քվանտային համակարգիչները ներկայումս կարող են ավելի արագ կատարել մեծության պատվերներ՝ միաժամանակ շատ ավելի քիչ էներգիա սպառելով:
Մենք պետք է շարունակենք քվանտային համակարգիչների աշխատանքը, որպեսզի այն ամբողջությամբ ընկալենք։ Սկսենք հիմա։
Ինչպե՞ս է իրականում աշխատում քվանտային համակարգիչը:
Համեմատած ավանդական համակարգիչների հետ, որոնց մենք սովոր ենք, քվանտային համակարգիչները տարբեր կերպ են մոտենում խնդիրների լուծմանը: Որոշ առաջադրանքների համար քվանտային համակարգիչները մի շարք առումներով նախընտրելի են ավանդականներից:
Ենթադրվում է, որ դրա պատճառը միանգամից բազմաթիվ նահանգներում գոյություն ունենալու նրանց կարողությունն է: Մյուս կողմից, սովորական համակարգիչները կարող են միանգամից լինել միայն մեկ վիճակում:
Կան երեք հիմնական հասկացություններ, որոնք դուք պետք է հասկանաք, որպեսզի հասկանաք, թե ինչպես են գործում քվանտային համակարգիչները.
- Սուպերպոզիցիա.
- Խճճվածություն.
- Միջամտություն
Գոյություն
Բիթերը ավանդական համակարգիչների հիմնական բաղադրիչներն են: Քվանտային բիթերը կամ Կուբիթները քվանտային համակարգիչների հիմնական միավորներն են։
Սկզբունքորեն, քվանտային բիթերը տարբեր կերպ են գործում: Երկուական բիթը, որը երբեմն հայտնի է որպես ավանդական բիթ, անջատիչ է, որը կարող է լինել կամ 0 կամ 1:
Մենք ետ ենք ստանում բիտի ներկայիս վիճակը, երբ այն չափում ենք: Կուբիթները բացառություն են այս հարցում: Կուբիթները կարելի է համեմատել եռաչափ մատնանշված սլաքների հետ:
Նրանք գտնվում են 0-ի պայմաններում, եթե ուղղում են դեպի վեր: Նրանք գտնվում են 1-ին վիճակում, եթե ուղղում են դեպի ներքև: Նույնը վերաբերում է դասական բիթերին:
Այնուամենայնիվ, նրանք կարող են նաև ընտրել լինել սուպերպոզիցիոն վիճակում:
Սլաքն այն վիճակում է, երբ այն ուղղված է ցանկացած այլ ուղղությամբ: 0-ի և 1-ի սուպերպոզիցիան հանգեցնում է այս վիճակին: Կուբիթը դեռևս կարտադրի կամ 1 կամ 0 որպես արդյունք, երբ այն չափվում է:
Այնուամենայնիվ, սլաքի կողմնորոշումը որոշում է հավանականությունը, որը տեղին է:
Ավելի հավանական է, որ դուք կստանաք 1, եթե սլաքը հիմնականում ուղղված է դեպի ներքև, և 0, եթե այն հիմնականում ուղղված է դեպի վեր:
Յուրաքանչյուրի համար հաղթելու 50% հնարավորություն կունենաք, եթե սլաքը կենտրոնում է: Մի խոսքով, դա սուպերպոզիցիա է:
Խափանման միջոց
Ավանդական համակարգչի բիթերը միմյանցից անկախ են: Մի բիտի վիճակը որևէ ազդեցություն չունի մյուս բիտի վիճակի վրա:
Քվանտային համակարգիչների քյուբիթները կարող են խճճվել միմյանց հետ: Սա ենթադրում է, որ դրանք միաձուլվում են մեկ մեծ քվանտային վիճակի մեջ:
Պատկերազարդման համար դիտարկենք երկու քյուբիթ, որոնք գտնվում են տարբեր սուպերպոզիցիոն վիճակներում, բայց դեռ խճճված չեն: Այս պահին նրանց հավանականությունը կախված չէ մեկը մյուսի վրա:
Երբ մենք դրանք խճճում ենք, մենք պետք է հրաժարվենք այդ անկախ հավանականություններից և որոշենք բոլոր այլընտրանքային վիճակների հավանականությունները, որոնցից կարող ենք խուսափել, այն է՝ 00, 01, 10 և 11:
Ամբողջ համակարգի հավանականության բաշխումը փոխվում է, եթե մեկ քյուբիթի վրա սլաքի ուղղությունը փոխվում է, քանի որ քյուբիթները խճճված են:
Կուբիտների անկախությունը միմյանցից կորել է: Նրանցից յուրաքանչյուրը միևնույն զգալի վիճակի բաղադրիչն է։ Անկախ նրանից, թե քանի քյուբիթ ունեք, դա դեռ այդպես է:
Հնարավոր է 2n վիճակների համակցություն n քյուբիթով քվանտային համակարգչի համար:
Դուք ունեք հավանականության բաշխում երկու վիճակների վրա, օրինակ՝ մեկ քյուբիթի համար: Դուք ունեք հավանականության բաշխում չորս վիճակների միջև երկու քյուբիթի համար և այլն: Դասական և քվանտային համակարգիչների հիմնական տարբերությունը սա է:
Դուք կարող եք դասական համակարգիչները դնել ցանկացած վիճակում, բայց միայն մեկ անգամ: Բոլոր այդ վիճակները կարող են միաժամանակ գոյություն ունենալ քվանտային համակարգիչների վրա՝ որպես սուպերպոզիցիա:
Ինչպե՞ս կարող է համակարգիչը օգուտ քաղել այդ բոլոր նահանգներում միանգամից գտնվելուց: Այս պահին մտնում է միջամտության վերջին տարրը:
Միջամտություն
Քվանտային ալիքի ֆունկցիան կարող է օգտագործվել քյուբիթի վիճակը նկարագրելու համար։
Քվանտային ֆիզիկայում ամեն ինչի հիմնարար մաթեմատիկական նկարագրությունը տրվում է ալիքային ֆունկցիաներով։
Երբ շատ քյուբիթներ խճճվում են, նրանց առանձին ալիքային ֆունկցիաները միավորվում են միասին՝ ձևավորելով մեկ ալիքային ֆունկցիա, որը նկարագրում է քվանտային համակարգչի ընդհանուր վիճակը։
Միջամտությունը այս ալիքային ֆունկցիաները միասին ավելացնելու արդյունք է: Երբ ալիքները գումարվում են իրար, դրանք կարող են կառուցողականորեն փոխազդել և միավորվել՝ ստեղծելով ավելի մեծ ալիք, ճիշտ այնպես, ինչպես ջրի ալիքներն են անում:
Նրանք կարող են նաև կործանարար կերպով փոխազդել՝ միմյանց հակազդելու համար: Տարբեր վիճակների բազմազան հավանականությունը որոշվում է քվանտային համակարգչի ընդհանուր ալիքային ֆունկցիայով:
Մենք կարող ենք փոփոխել որոշակի վիճակների առաջացման հավանականությունը, երբ չափում ենք քվանտային համակարգիչը՝ փոփոխելով տարբեր քյուբիթների վիճակները:
Չնայած քվանտային համակարգիչը կարող է գոյություն ունենալ մի քանի վիճակների միանգամից մի քանի սուպերպոզիցիայով, չափումները բացահայտում են այդ վիճակներից միայն մեկը:
Հետևաբար, հաշվողական աշխատանքն ավարտելու համար քվանտային համակարգիչ օգտագործելիս անհրաժեշտ է կառուցողական միջամտություն՝ ճիշտ պատասխան ստանալու հավանականությունը բարձրացնելու համար, իսկ կործանարար միջամտություն՝ սխալ պատասխան ստանալու հավանականությունը նվազեցնելու համար:
Հիմա եկեք սկսենք Qiskit-ից:
Ինչ է Կիսկիթ?
Qiskit-ը IBM-ի կողմից ֆինանսավորվող ծրագրային շրջանակ է, որը նախատեսված է հեշտացնելու ցանկացած մարդու մուտքը քվանտային հաշվարկների ոլորտ:
Քանի որ քվանտային համակարգիչները դժվար է ձեռք բերել, դուք կարող եք դրանք ձեռք բերել ամպային մատակարարի միջոցով, ինչպիսին IBM-ն է՝ օգտագործելով իրենց Qiskit գործիքների տուփը:
Այն հասանելի է անվճար, և դրա ամբողջ ծածկագիրը կա բաց աղբյուր.
Կա կա առցանց դասագիրք որը ձեզ սովորեցնում է քվանտային ֆիզիկայի բոլոր հիմունքները, ինչը շատ օգտակար է նրանց համար, ովքեր ծանոթ չեն թեմային: Python-ն օգտագործվում է Qiskit գործիքակազմը մշակելու համար:
Այսպիսով, եթե դուք ծանոթ եք Python ծրագրավորման լեզվին, դուք կճանաչեք շատ կոդեր:
Ծրագրային շրջանակը հարմար է նրանց համար, ովքեր ցանկանում են սովորել քվանտային հաշվարկների մասին միաժամանակ ձեռք բերելով գործնական փորձ:
Qiskit-ի ամենահիմնական կողմն այն է, որ այն գործում է երկու փուլով: Քայլերից մեկը կառուցման փուլն է, որտեղ մենք ստեղծում ենք մի քանի քվանտային սխեմաներ և օգտագործում ենք այդ սխեմաները խնդիրը լուծելու համար։
Այնուհետև, կառուցման փուլն ավարտելուց կամ լուծմանը հասնելուց հետո, մենք անցնում ենք հաջորդ փուլին, որը հայտնի է որպես կատարման փուլ, որտեղ մենք փորձում ենք գործարկել մեր կառուցումը կամ լուծումը տարբեր հետնամասերում (state vector backend, unitary backend, open ASM backend), և գործարկումն ավարտվելուց հետո մենք մշակում ենք կառուցման տվյալները ցանկալի արդյունքի համար:
Սկսում ենք Qiskit-ով
Ձեր անձնական համակարգչում կամ Jupyter Notebook-ում, որը տեղակայված է IBM-ում, դուք կարող եք տեղայնորեն տեղադրել այն: Windows համակարգչի վրա տեղական տեղադրման համար գրեք հետևյալ կոդը.
Մենք պետք է գրանցվենք այստեղ, որպեսզի մուտք գործենք API նշան, որը մեզ հնարավորություն է տալիս օգտագործել IBM-ի քվանտային սարքերը, այնուհետև մենք կարող ենք սկսել աշխատել ընկերության կայքի հետ: Դուք կարող եք պատկերացնել դա անել՝ օգտագործելով Qiskit-ում տեղադրված Jupyter Notebook-ը, որն աշխատում է առցանց:
Դուք կարող եք մուտք գործել այն՝ էջի վերին աջ անկյունում գտնվող ցանկից ընտրելով ձեր պրոֆիլը, այնուհետև ընտրելով «Հաշվի տեղեկությունները»: Դուք կարող եք գտնել ձեր API նշանը API նշանների բաժնի տակ *** ձևով: Այն պատճենվում է, այնուհետև մուտքագրվում է հետևյալ ծածկագիրը.
Այս կոդը գործարկվելուց հետո ձեր API նշանը կպահվի ձեր համակարգչում՝ հնարավորություն տալով օգտագործել IBM-ի քվանտային սարքերը: Մուտքագրեք հետևյալը՝ պարզելու համար, թե արդյոք դուք մուտք ունեք նման սարք.
Եթե վերը նշված կոդը գործարկվի, դուք պետք է կարողանաք գործարկել կոդը ոչ միայն ձեր համակարգչում, այլև ներկառուցված քվանտային սխեմաները ուղարկելով IBM-ի քվանտային սարքերին և ստանալով արդյունքներ:
Այսպիսով, օգտագործելով սխեմաների գրադարանը, մենք կարող ենք սկսել մեր առաջին քվանտային ալգորիթմի մշակումը: Մենք սկսում ենք Qiskit-ից հիմնական կախվածությունները ներմուծելով մեր նախագիծ:
Այնուհետև մենք կառուցում ենք երկու կուբիթանոց քվանտային ռեգիստր և երկու բիթանոց պայմանական ռեգիստր:
Այսպիսով, այժմ մենք ունենք և՛ դասական, և՛ քվանտային ռեգիստր: Օգտագործելով այս երկուսը, մենք կարող ենք կառուցել շղթան, և եթե շղթայի փոփոխության ընթացքում ցանկացած պահի ցանկանում եք ուրվագծել, թե ինչ տեսք ունի քվանտային շղթան, գրեք հետևյալ կոդը.
Նկարից տեսնում ենք, որ շղթան բաղկացած է երկու քվանտային բիթից և երկու դասական բիթից։
Ինչպես կա, այս շրջանին բացակայում են դարպասները, ինչը այն դարձնում է անհետաքրքիր: Հիմա եկեք կառուցենք շղթան՝ օգտագործելով քվանտային դարպասները: Դասականի նման տրամաբանական դարպասներ (ԵՎ, ԿԱՄ դարպասները) սովորական թվային սխեմաների համար են, քվանտային դարպասները քվանտային սխեմաների հիմնական բաղադրիչներն են:
Hadamard-ի դարպասը առաջին քյուբիտին կիրառելը խճճվածություն ստեղծելու առաջին քայլն է: Այնուհետև, օգտագործելով հետևյալ կոդը, մենք կավելացնենք երկու քուբիթով կառավարվող x գործողություն.
Այժմ, երբ այս երկու օպերատորներն օգտագործվել են մեր քվանտային սխեման կառուցելու համար, ժամանակն է չափել քվանտային բիթերը (qubits), վերցնել այդ չափումները և դրանք պահել դասական բիթերում: Եկեք ստեղծենք անհրաժեշտ կոդը դրան հասնելու համար.
Ստորև բերված դիագրամը պատկերում է մեր շղթայի դասավորությունը.
Շղթան այնուհետև պետք է գործարկվի ավանդական համակարգչային սիմուլյատորի վրա: Շրջանակն ավարտված է: Եվ քննեք այդ մահապատժի արդյունքները:
Այդ միացումն իրականացնելուց ստացված տեղեկատվությունը պահվում է արդյունքի փոփոխականում։ Եկեք ցուցադրենք այս արդյունքները՝ օգտագործելով սյուժեի հիստոգրամը:
Դա այն է, ինչ տեղի է ունենում, երբ մենք գործարկում ենք մեր քվանտային միացումը: 00 և 11 թվերի համար մենք ստանում ենք մոտ 50% հավանականություն։ Ձեր նախնական քվանտային համակարգչային միացումը ստեղծվել է: Շնորհավորում եմ:
Qiskit Quantum Computing-ի կիրառությունները
Qiskit Finance
Ցուցադրական գործիքների և հավելվածների հավաքածուն առաջարկում է Qiskit Finance-ը: Դրանք ներառում են պորտֆելի օպտիմալացման համար Ising թարգմանիչներ, փաստացի կամ պատահական տվյալների համար տվյալների մատակարարներ և տարբեր ֆինանսական տարբերակների գնագոյացման կամ վարկային ռիսկի գնահատման իրականացում:
Qiskit բնություն
Հավելվածներ, ինչպիսիք են սպիտակուցի ծալում և էլեկտրոնային/վիբրոնային կառուցվածք Ինչպես հուզված, այնպես էլ հիմնական վիճակների համար հաշվարկներն աջակցվում են Qiskit Nature-ի կողմից:
Այն առաջարկում է բոլոր մասերը, որոնք անհրաժեշտ են դասական կոդերը միացնելու և քվանտային համակարգիչների համար անհրաժեշտ տարբեր ներկայացումների ավտոմատ փոխակերպման համար:
Qiskit մեքենայական ուսուցում
Քվանտ Machine Learning մեթոդները, որոնք օգտագործում են դրանք տարբեր խնդիրներ լուծելու համար, ինչպիսիք են ռեգրեսիան և դասակարգումը, տրամադրվում են Qiskit Machine Learning-ի, ինչպես նաև հիմնարար քվանտային միջուկների և քվանտային նեյրոնային ցանցերի (QNNs) կողմից՝ որպես շինանյութեր:
Այն նաև հնարավորություն է տալիս QNN-ների միացումը PyTorch-ին՝ քվանտային տարրերը դասական գործողությունների մեջ ներառելու նպատակով:
Qiskit օպտիմիզացում
Qiskit Optimization-ն առաջարկում է օպտիմալացման ծառայությունների ողջ սպեկտրը, ներառյալ օպտիմալացման խնդիրների բարձր մակարդակի մոդելավորումը, խնդիրների ավտոմատ թարգմանությունը տարբեր անհրաժեշտ ներկայացումներին և պարզ քվանտային օպտիմալացման մեթոդների հավաքածու:
Եզրափակում
Եզրափակելով, թեև այժմ հասանելի ամենաարագ սուպերհամակարգիչը տարիներ է պահանջում, քվանտային համակարգիչները կարող են արագորեն ճեղքել ընթացիկ գաղտնագրման մեթոդները:
Չնայած այն հանգամանքին, որ քվանտային համակարգիչները կկարողանան կոտրել գաղտնագրման շատ մեթոդներ, որոնք օգտագործվում են այսօր, ակնկալվում է, որ նրանք կստեղծեն հաքերից պաշտպանվող փոխարինիչներ:
Խնդիրների օպտիմիզացումը քվանտային համակարգիչների ուժն է: Լրացուցիչ մանրամասների համար այցելեք Qiskit GitHub.
Թողնել գրառում