Innholdsfortegnelse[Gjemme seg][Forestilling]
Kvantedatabehandling er en ny teknologi som bruker kvantefysikk for å løse problemer som ligger utenfor tradisjonelle datamaskiners evner.
Mange selskaper forsøker nå å gjøre faktisk kvantemaskinvare tilgjengelig for titusenvis av utviklere, et verktøy som forskerne bare drømte om for tre tiår siden.
Som et resultat distribuerer ingeniørene våre ofte stadig kraftigere superledende kvantedatamaskiner, noe som bringer oss nærmere kvanteberegningshastigheten og kapasiteten som er nødvendig for å endre verden.
I dette innlegget skal vi se nærmere på kvanteberegning og verktøyene og rammeverket som følger med det, samt hvor de vil være i 2022.
Hva er Quantum Computing?
Disse superdatamaskinene er bygget på prinsippene for superposisjon og sammenfiltring, som er to aspekter ved kvantefysikk. Kvantedatamaskiner kan nå utføre oppgaver med hastigheter som er størrelsesordener raskere enn tradisjonelle datamaskiner mens de bruker langt mindre energi.
På 1980-tallet oppsto området med kvanteberegning. Så ble det avslørt at kvantealgoritmer var mer effektive enn deres konvensjonelle ekvivalenter til å løse visse dataoppgaver.
Quantum computing er en disiplin innen informatikk som fokuserer på fremskritt av datateknologi basert på kvanteteoretiske konsepter. Den benytter seg av subatomære partiklers ekstraordinære evne til å eksistere i flere tilstander samtidig, for eksempel 0 og 1. De er i stand til å behandle betydelig mer data enn vanlige datamaskiner.
Kvantetilstanden til et element brukes til å lage en qubit i kvanteberegningsoperasjoner. Qubits er de grunnleggende dataenhetene for kvanteberegning. I kvantedatabehandling tjener de den samme jobben som bits gjør i vanlig databehandling, men de oppfører seg ganske annerledes.
Tradisjonelle biter er binære og kan bare opprettholde en posisjon på 0 eller 1, mens qubits kan inkludere en superposisjon av alle mulige tilstander.
Beste rammeverk for kvanteberegning
1. cirq
Cirq ble bygget av Googles Quantum AI-team. Den brukes til å designe og forbedre kvantekretser som deretter testes på kvantedatamaskiner og simulatorer. Cirq er fantastisk siden det tilbyr utviklingssimulatorer som er ganske like de man ser i det virkelige liv.
Dette innebærer at biblioteket jobber seg gjennom maskinvaredetaljene rundt NISQ (Noisy Intermediate-Scale Quantum) slik at vi kan være sikre på at algoritmen eller kretsen kan kjøres på en ekte kvantedatamaskin etter at den er ferdig.
Som et resultat har den potensialet til å bli utnyttet til å lage adaptive og distribuerbare kvantekretser. Den har også interoperabilitetsfunksjoner. En programvare som importerer og eksporterer kvantekretser og simuleringer, for eksempel.
Et rammeverk for programmering av kvantedatamaskiner som er åpen kildekode. Cirq er en Python programvarepakke som lar deg lage, manipulere og optimalisere kvantekretser før du kjører dem på kvantedatamaskiner og simulatorer.
Cirq er en effektiv abstraksjon for å håndtere dagens støyende mellomskala kvantedatamaskiner, der maskinvarekrav er avgjørende for å oppnå banebrytende resultater.
Egenskaper
- Fra porter som opererer på qubits, kan du lære hvordan du designer kvantekretser. Lær hva et øyeblikk er og hvordan ulike innsettingstaktikker kan hjelpe deg med å konstruere din ideelle krets. Lær hvordan du deler opp kretser for å lage nye og forbedrede kretser.
- Teknologirestriksjoner har en betydelig innflytelse på hvorvidt en krets kan implementeres på moderne maskinvare. Lær hvordan du programmerer Googles Quantum Computing Service og hvordan du lager enheter for å håndtere disse begrensningene.
- Både bølgefunksjoner og tetthetsmatriser har innebygde simulatorer i Cirq. Monte Carlo eller full tetthetsmatrisesimuleringer kan brukes til å takle støyende kvantekanaler.
- For å utføre tester på Googles kvanteprosessorer, samarbeider Cirq med Quantum Computing Service.
2. ProjectQ
ETH Zurich opprettet ProjectQ, en åpen kildekodearkitektur for kvantedatabehandling. Det gir en robust og grei syntaks for brukere å lage kvanteapplikasjoner i Python. ProjectQ kan deretter konvertere disse skriptene til enhver form for back-end, enten det er en klassisk datasimulator eller en kvanteprosessor.
ProjectQ kan deretter konvertere disse applikasjonene til alle slags back-ends, for eksempel en klassisk datasimulator eller en kvanteprosessor, for eksempel IBM Quantum Experience-plattformen.
Egenskaper
- IT er et høyt nivå programmeringsspråk for kvanteprogrammer.
- Den har en modulær og tilpasningsbar kompilator.
- Den tilbyr også en rekke maskinvare- og programvarestøtter.
- Et kvantedatamaskinbibliotek (FermiLib) for å løse fermioniske problemer
- IBM Quantum Experience-brikken, AQT-enheter, AWS Braket og IonQ-tjenesteleverte enheter kan alle brukes til å kjøre kvantealgoritmer.
- På et høyere abstraksjonsnivå kan kvanteprogrammer emuleres (f.eks. etterligne handlingen til store orakler i stedet for å kompilere dem til porter på lavt nivå)
- På klassiske datamaskiner kan kvanteprogrammer simuleres.
3. Tensoflow Quantum
Python-rammeverket TensorFlow Quantum (TFQ) er for kvante maskinlæring. TFQ er et TensorFlow-applikasjonsrammeverk som lar kvantealgoritme- og maskinlæringsforskere bruke Googles kvanteberegningsrammeverk direkte fra TensorFlow.
TensorFlow Quantum er et program som fokuserer på kvantedata og opprettelsen av kvanteklassiske hybridmodeller. Den kombinerer Cirq-designede kvantedatabehandlingsteknikker og logikk med TensorFlow APIer, samt høyytelses kvantekretssimulatorer.
TFQ-rammeverket kan brukes til å kjøre både tradisjonelle og hybride modeller, for eksempel Quantum CNN (QCNN). Som et resultat kan TFQ brukes til ethvert problem som tidligere var umulig å besvare ved bruk av tradisjonelle tilnærminger. For å svare på visse problemer i den virkelige verden, start med TFQ for å lage kvante- eller kvanteklassiske hybridmodeller.
Egenskaper
- Forskere kan bruke TFQ til å lage tensorer ved å bruke kvantedatasett, kvantemodeller og konvensjonelle kontrollparametere i et enkelt beregningsnettverk.
- Tensorer brukes til å lagre kvantedata (en flerdimensjonal rekke tall). Hver tensor av kvantedata er beskrevet som en Cirq-kvantekrets som lager kvantedata i farten.
- Forskeren kan bruke Cirq til å prototype et kvante nevrale nettverket som vil bli inkludert i en TensorFlow-beregningsgraf senere.
- Kapasiteten til å trene og utføre en rekke kvantekretser samtidig er en viktig funksjon i TensorFlow Quantum.
4. Percevel
Perceval er et åpen kildekode-rammeverk for programmering av fotoniske kvantedatamaskiner utviklet av Perceval, en fransk virksomhet som fokuserer på å bygge en ny generasjon kvantedatamaskiner basert på lysmanipulasjon.
Perceval tilbyr verktøy for å komponere kretser fra lineære optiske komponenter, definere enkeltfotonkilder, manipulere Fock-tilstander, kjøre kvantesimuleringer, reprodusere publiserte eksperimentelle artikler og eksperimentere med en ny generasjon kvantealgoritmer gjennom et enkelt objektorientert Python API.
Målet er å være et følgeverktøy for å konstruere kvantefotoniske kretser - for å simulere og foredle designen deres, modellere både ideell og faktisk oppførsel, og tilby et standardisert grensesnitt for å kontrollere dem via forestillingen om backends.
Den er optimalisert for å operere på et lokalt skrivebord, med mange forbedringer for HPC-klynger, og gir tilgang til sofistikerte backends for numerisk og symbolsk simulering av kvantealgoritmer på fotoniske kretser.
Du kan også bruke et stort antall prefabrikkerte komponenter for å lage algoritmer og kompliserte lineære optikkkretser. Et bibliotek med kjente algoritmer er tilgjengelig, samt leksjoner om hvordan du bruker dem.
Du kan også bruke noen få linjer med kode for å utføre eksperimenter for å finjustere algoritmer, sammenligne med eksperimentelle data og gjenskape publiserte publikasjoner.
Egenskaper
- En unik arkitektur dedikert helt til lineær optikk og fotonisk kvanteberegning
- Prosjektet er et åpen kildekode-prosjekt med en modulær arkitektur som tar imot samfunnsbidrag.
- Ved å bruke et enormt bibliotek av prefabrikkerte komponenter, lag algoritmer og kompliserte lineære optikkkretser. Et bibliotek med kjente algoritmer er tilgjengelig, samt leksjoner om hvordan du bruker dem.
- Eksperimenter med algoritmer for å finjustere dem, sammenlign dem med eksperimentelle data og kopier eksisterende publikasjoner i noen få linjer med kode.
- For å emulere kvantealgoritmer på fotoniske kretser, bruk sofistikerte backends. Perceval er designet for å kjøre på et lokalt skrivebord når det gjelder både numerisk og symbolsk ytelse, med mange forbedringer for HPC-klynger.
5. Qiskit
Vi vet at hvis vi snakker om neste generasjons teknologi, vil IBM ha noe å tilby. Det gjør den absolutt. QisKit er en åpen kildekode-plattform for utvikling av kvanteprogramvare.
Qiskit er et IBM-finansiert programvarerammeverk som gjør det lettere for brukere å lære om kvanteberegning. Fordi kvantedatamaskiner er vanskelige å få tak i, kan du bruke en skyleverandør som IBMs Qiskit-verktøysett for å få tilgang til en.
Det er helt gratis å bruke, og all koden er det åpen kildekode. Det er en nettbasert lærebok som lærer deg alt det grunnleggende om kvantefysikk, som er veldig nyttig for nybegynnere som ikke er kjent med emnet.
Kvantedatamaskiner kan brukes på nivå med pulser, kretser og applikasjonsmoduler.
Egenskaper
- Brukere på ulike nivåer kan bruke Qiskit til forskning og applikasjonsutvikling fordi den kommer med en komplett samling av kvanteporter og en rekke forhåndsbygde kretser.
- Du kan bruke Qiskit Runtime til å koordinere kvanteapplikasjoner på skybaserte CPUer, QPUer og GPUer, samt kjøre og planlegge aktiviteter på faktiske kvanteprosessorer.
- Transpilatoren konverterer Qiskit-kode til en effektiv krets ved å bruke det opprinnelige portsettet til backend, slik at brukere kan designe for enhver kvanteprosessor eller arkitektur med minimum innganger.
konklusjonen
For å oppsummere kan kvantedatamaskiner raskt trenge gjennom dagens krypteringsteknikker på kort tid, mens den største superdatamaskinen som er tilgjengelig nå tar årevis.
Til tross for at kvantedatamaskiner vil være i stand til å knekke mange av dagens krypteringssystemer, er det forventet at de vil utvikle hacksikre alternativer. Kvantedatamaskiner er fantastiske til å takle optimaliseringsproblemer.
Legg igjen en kommentar