インサイダーブリーフ
- Pacific Northwest National Laboratoryの研究者は、ハイブリッド量子クラシックコンピューティングの重要なボトルネックに対処し、量子データの準備時間を85％削減する新しいアルゴリズムPicassoを開発しました。
- このアルゴリズムは、高度なグラフ分析とクリークパーティションを使用して、大規模なデータセットを圧縮および整理するため、以前のツールよりも50倍大きい問題から量子入力を準備することができます。
- スパース化技術とAIガイド付き最適化を組み合わせることにより、Picassoは数百または数千のキュービットを持つ量子システムに向けて効率的なスケーリングを可能にします。
プレスリリース – 量子コンピューターは、計算化学や高速ネットワーキングなどのいくつかの重要な分野で劇的に計算を速めることを約束します。 しかし、それらは今日のコンピューターとは非常に異なっているため、科学者は情報を最大限に活用するために最良の方法を見つけ出す必要があります。データは、量子処理のためにカスタマイズされた新しい方法で梱包する必要があります。
エネルギー省の研究者 太平洋北西国立研究所 まさにそのことをして、量子システムのデータを準備するために特別に設計されたアルゴリズムを開発します。最近公開されたコード ギルブ で提示された後 並列および分散処理に関するIEEE国際シンポジウム、量子準備作業の重要な側面を85％削減します。
チームは 以前に手法を実証しました、最新の研究では、スケーリングに関連する重要なボトルネックに取り組んでおり、このアプローチは、既存のツールの可能性の50倍の問題でも効果的であることを示しています。
「量子コンピューティングは非常に高速で効率的ですが、潜在的なボトルネックに対処する必要があります。現在、量子システムの情報を準備することは私たちを妨げる要因の1つです」 AI @PNNLセンター。
「これは、量子コンピューターが効率的に作業できるように問題をパッケージ化する新しい方法です」とHalappanavarは付け加えました。
この作業は、PNNLのコンピューティングスペース全体の数人の専門家とのコラボレーションの結果です。主要な貢献者には、高性能コンピューティングの専門家であり、論文の最初の著者であるSm Ferdousが含まれます。量子コンピューティング研究者のボーペン。ノースカロライナ州立大学の大学院生であり、PNNLの著名な大学院研究プログラムフェローであるReece Neffは、プロジェクトのリードソフトウェア開発者でした。 Ferdousは現在のLinus Pauling Distinguished Postdoctoral Fellowであり、PengはPNNLの元ポーリングフェローです。
その他の著者は、Salman ShuvoとSayak Mukherjeeで、機械学習の専門知識を備えています。高性能コンピューティングを専門とするMarco Minutoli。 Karol Kowalski、実験室のフェローおよび量子コンピューティングの専門家。ノースカロライナ州立大学のミケラ・ベッキ。とハラパナバル。
彼らの仕事を理解するために、受賞歴のあるメニューと優れたウェイターを備えたレストランを想像してください。料理と料理に追いつくことができる効率的なバックルームキッチンの運用がなければ、顧客がレストランに座ることができない場合、食べ物がどれほど良いかは関係ありません。
それであります 量子コンピューティング：バックルームの操作は、量子コンピューターが潜在能力を達成するために効率的に実行する必要があります。
「量子コンピューティングはプラグアンドプレイではありません」とPeng氏は言います。 「量子コンピューターがそれを理解してやり取りできるように、特定の方法で入力を準備する必要があります。私たちのアルゴリズムは、効率的なハイブリッドコンピューティングのツールであり、クラシックコンピューティングを使用して量子コンピューティングの量子データを準備します。」
ピカソはデータをスリムにします
計算の負担を軽減するために、PNNLチームは、グラフカラーリングと呼ばれる一種のアルゴリズム、つまりFerdousとHalappanavarの専門に変わりました。そのアプローチにより、研究者はネットワーク内の関係を探求し、何らかの形で類似または異なる用語を迅速に並べ替えることができます。目標は、すべての関係をできるだけ少ないグループに分類することです。
PNNLアルゴリズムの名前はPicassoと名付けられています。これは、画家の色の使用とグラフ分析での用語の使用にうんざりしています。
チームは、非常に複雑なテストベッドである大規模な水素モデルシステムのシミュレーションでグラフの着色をテストしました。これは、数兆個の計算で数兆個の迅速な量子データの準備を要求する一種の化学組成です。
チームがテストした水素システムの一部は、Pauli Stringsとして知られる200万を超える量子要素を生成し、クラシックコンピューターが追跡するために1兆以上の関係に変換されました。現在のツールは、通常、何万ものパウリ弦を持つシステムに限定されています。
PNNLチームは、新しいグラフ分析方法を開発してパウリ操作をグループ化することにより、計算負荷を大幅に軽減することができ、計算に含まれるパウリの弦の数を約85％削減しました。全体として、アルゴリズムは15分で200万枚のパウリ弦と兆個以上の関係の問題を解決しました。他のアプローチと比較して、チームのアルゴリズムは、ほぼ50倍のパウリ弦または頂点、および2,400倍以上の関係、またはエッジから入力を処理できます。
科学者は、クリークパーティション化として知られる手法を通じて計算負荷を減らしました。計算の各段階を通じて利用可能なすべてのデータに沿って引っ張る代わりに、チームは、同様のアイテムを「クリーク」と呼ばれる明確なグループに並べ替えることにより、はるかに少ない量のデータを使用して計算をガイドする方法を作成しました。目標は、すべてのデータを可能な限り最小のクリークに分類し、それでも正確な計算を可能にすることです。
「高性能コンピューティングの観点から見ると、このタイプの問題は、実際に自分自身をクリークの分割問題として提示します」とFerdous氏は述べています。 「グラフィック分析を使用して非常に大量のデータを表し、必要な計算を減らすことができます。」
スパース化
研究者によると、より大きなシステムに対する障壁は記憶消費によるものだったと述べた。
「パウリの弦とその関係は、記憶をすぐに使い果たし、取り組むことができる問題のサイズを制限します」とフェルドスは言いました。 「Picassoは、ストリーミングやランダム化などの最新のツールを使用して、すべての生データを操作する必要性を回避します。」
PNNLチームの研究作業は、「」を発表した他の研究者による仕事に基づいています。パレットスパル化定理2019年。シミュレーションのすべての要因間のすべての関係を含めるのではなく、PNNLチームは、正確な計算を実行するために、合計の約10分の1だけで、はるかにスパースなデータセットに描かれました。
「多くのデータを確保し、メモリをはるかに少なく使用して正確な結果を達成することができます。」 皮肉と言った。
Halappanavarを追加しました：「それは動きのために家を梱包するようなものです。あなたは移動するために最小数の箱を持ちたいです。あなたは効率的に梱包する必要があります。」
研究者は、ピカソを拡張して、量子コンピューティングのフロンティアである100〜1,000キクを必要とするシステムを含む、さらに大きな問題に対処するために拡張できると考えています。
追加のボーナスとして、チームはまた、ユーザーが計算で使用されるデータの量と必要なメモリの量との間の最良のトレードオフを計算できるようにAIアルゴリズムを開発しました。
