IBM助力实现费曼量子模拟愿景

IBM发布了将量子计算整合到高性能计算数据中心和工作流程的详细参考架构。该架构展示了如何在不进行颠覆性改变的情况下将量子处理单元嵌入到现有高性能计算基础设施中。量子为中心的超算正在实现为科学家提供价值的化学模拟。通过这项工作IBM正在推进理查德·费曼对计算未来的愿景。我们的使命是将有用的量子计算带给世界。那么什么是有用的量子计算如何将其带给世界对于物理学家来说自IBM十年前将量子计算机放上云端以来它们就已经很有用了。这些系统作为探索宇宙基础规律的实践工具每台新的量子计算机都是对这些规律的最大规模验证。但对更广阔的世界而言量子的价值将来自其先进的计算能力——比如预测化学物质的物理性质超越当今计算机的任何可能性。这将成为药物发现或催化剂设计等问题的革命性工具。著名物理学家理查德·费曼在MIT和IBM赞助的计算物理学会议上的讲座中说得最好自然不是经典的如果你想模拟自然最好让它成为量子力学的天哪这是一个绝妙的问题因为它看起来并不那么容易。新的演示正在点燃明显的实用性扩展。以前量子研究专注于物理研究、专门构建的演示和与经典方法的基准测试。今天来自我们合作伙伴的新硬件、算法和研究正在处理相关的计算并为化学及其他领域的前沿实验提供见解。事实上目前的轨迹显示经典方法开始失效——甚至是容错前量子计算机也在取代它们成为处理某些模拟问题的最合理技术。费曼愿景的最真实实现即将出现用量子计算机模拟有趣的分子或性质然后在实验室中将其变为现实。那么我们如何将其带给世界今天我们发布了一个详细的参考架构演示了量子如何适应当今的超级计算工作流程以便计算科学家能够自己重现这些令人兴奋的实验。这个参考架构不需要对现有基础设施进行革命性改变。相反它是用量子增强这些工作流程的蓝图——因为只有通过真正的量子硬件和高性能量子软件用户才能开始访问费曼对计算未来的愿景就在今天。量子为中心的超级计算量子计算机让费曼感兴趣——也让我们感兴趣——因为它们让我们能够使用控制相互作用原子和分子行为的相同数学来编码信息和操作信息。你可以使用称为量子电路的计算对象在量子计算机上有效地表示这些行为。然而经典计算机必须使用指数级的二进制逻辑运算来笨拙地重现量子电路。量子计算机天生就有噪声和容易出错该领域正在不断开发新技术来处理这些错误同时努力构建大规模容错量子计算机——一种能够在处理有价值计算时检测和纠正错误的计算机。然而在过去几年中不断改进的量子硬件已经出现能够运行经典计算机单独无法精确重现的量子电路。这些演示很有趣但对于希望创造新分子、药物和材料的科学家来说未必感兴趣……直到现在得益于量子为中心的超级计算。即使是性能最高的量子计算机和最有效的算法也需要经典计算来编排工作流程、协助修复量子计算固有的错误以及简单地运行它们最擅长的计算。上个月我们演示了经典和量子系统如何以及在哪里开始协同工作。新工作流程采用GPU来协助量子错误减缓技术允许我们从在噪声量子计算机上运行的计算中消除噪声。同样重要的是新颖的量子为中心超级计算算法旨在将量子计算的部分卸载到经典硬件上比如量子对角化方法。这些让我们能够在QPU上使用量子电路和在GPU上使用张量数学同时进行分子模拟。这些算法出现了几种不同的变体但其中最令人兴奋的是基于样本的Krylov量子对角化SKQD其收敛性和可验证性特性使其在计算基态能量的其他近期量子算法中脱颖而出。例如在一篇新的预印本中来自IBM、RIKEN和芝加哥大学的研究人员构建了一组基态能量问题称为哈密顿量满足SKQD收敛的标准。超越理论这些问题使用IBM Quantum Heron处理器上的SKQD以及称为选择配置相互作用SCI的流行经典方法进行了实验测试。SKQD成功收敛到基态而SCI则失败了。这项研究中的测试问题是合成的不描述任何现实世界的物理系统——但说明了运行SKQD的量子为中心超级计算能够超越领先的纯经典方法的用例存在。量子为中心超级计算的新应用得益于这些进展世界领先的化学家、制药研究人员和材料科学家正在将量子添加到他们的工具箱中作为一种有效且准确的模拟技术与SCI、密度矩阵重整化群技术DMRG和耦合簇方法等成熟的模拟算法并存。克利夫兰诊所基金会CCF的一篇论文预测了300原子色氨酸笼迷你蛋白质不同配置的能量这是一种合成蛋白质是计算研究中无处不在的实验室鼠——是迄今为止最大的分子模拟之一。这项工作采用了一种称为基于波函数的嵌入EWF的技术来分割和重构分子的哈密顿量然后使用SQD计算最具挑战性片段的能量。同时来自IBM、牛津大学、曼彻斯特大学、苏黎世联邦理工学院、洛桑联邦理工学院和雷根斯堡大学的研究人员利用量子帮助研究全新的分子。使用经过时间考验的原子力显微镜AFM和扫描隧道显微镜技术由IBM的Leo Gross领导的团队设计了一种新的半莫比乌斯分子——一个碳原子环其电子结构在绕行时形成半扭转。此外他们使用基于SQD的算法SqDRIFT来预测这种分子的性质和行为。模拟这些实验使经典方法承受压力我们看到推动经典计算的极限正在临近。同时我们看到量子产生不断改进结果的清晰轨迹而那些纯经典技术将会失败。很快我们希望看到费曼量子模拟器的最充分实现一台能够预测分子性质的计算机我们稍后可以将其变为现实让我们能够设计用于储存能量的材料或用于对抗疾病的新分子蓝图稍后我们就可以制造它们。这些结果正在展示这种工作流程所需的要素。将量子引入高性能计算量子现在是一种能够作为量子为中心超级计算工作流程的一部分执行有用科学工作的工具。但计算科学家如何开始自己开辟类似的路径呢如果你有一个有趣的化学或优化问题并希望在这些空间中探索量子算法和量子硬件的潜力呢量子和高性能计算中心如何协同扩展执行超越领先经典方法的量子模拟需要几样东西访问量子计算机、访问经典计算以及管理两者如何通信的架构。今天IBM发布了量子为中心计算的参考架构。这个文档是计算中心的蓝图适用于对在其工作流程中探索量子感到兴奋的计算科学家。同时它也是这些混合系统如何随着量子和经典的成熟而扩展和扩展的路线图。但我们不是在重新发明轮子。通过这种架构我们打算补充和协同设计当今的高性能计算机以便计算科学家能够轻松将量子纳入其现有的高性能计算工作流程。在最高层面该架构考虑量子为中心的应用程序即为模拟、优化或微分方程求解等工作流程整合量子和经典库的程序。当我们深入一层时这些库将问题映射到适当的数据结构包括张量和量子电路这是计算的核心单元。反过来中间件层准备这些结构在适当的硬件上运行OpenMP、MPI和SHMEM等工具准备数据使用CUDA、Triton和PyTorch在GPU上处理而Qiskit、TKET和CirQ等量子SDK准备电路在QPU上运行。中间件下面是执行编排和在适当硬件上分配资源的工作流程和资源管理工具。量子资源管理接口QRMI就是这样一个开放工具一个供高性能计算系统访问、控制和监控量子计算资源行为的供应商无关库。最后是实际的处理和后处理——在硬件上编排问题的工作流程和资源管理系统。我们使用五个用例类别来指导这个最底层的编排整合QPU和互连来扩展CPU和GPU系统。例如像SKQD这样的算法需要扩展和闭环产生时间和空间耦合考虑。同时错误减缓需要高吞吐量的CPU和GPU资源而用户会通过更紧密集成的低延迟经典系统来探索错误纠正。通过这个参考架构计算中心现在可以将量子计算引入他们自己的CPU和GPU集群并将其融入总体的量子为中心工作流程。此外他们可以规划和预测随着量子成熟和新应用出现量子和经典将如何继续增长。该架构向对量子计算感兴趣且能够访问高性能计算的计算科学家展示了他们如何采取必要步骤来探索费曼的愿景。鉴于我们不断成熟的AI基础设施我们正在构建和投资一个依赖这些不断增长的GPU集群的未来我们准备用量子来增强它们。费曼提出了模拟未来的愿景——而这个未来正在出现。IBM致力于帮助您亲自实现这个未来。QAQ1什么是量子为中心超级计算它有什么优势A量子为中心超级计算是将量子处理单元与经典计算机结合的计算架构能够处理经典计算机无法精确重现的量子电路。它的优势在于能够模拟分子和化学反应在药物发现和材料科学方面超越传统计算方法。Q2IBM的量子计算参考架构如何与现有高性能计算基础设施整合AIBM的参考架构不需要对现有基础设施进行革命性改变而是通过中间件层和资源管理工具将量子处理单元嵌入现有CPU和GPU集群中使用OpenMP、MPI等工具协调量子和经典计算资源。Q3SKQD算法在量子计算中有什么特殊意义ASKQD基于样本的Krylov量子对角化是一种新型量子算法具有收敛性和可验证性特性。研究表明在某些基态能量计算问题上SKQD能够成功收敛到解而传统的选择配置相互作用方法则失败了。