Quantum Broker: QoS-Aware Distribution of Quantum Computations
Dieses Paper stellt den Quantum Broker vor, ein Open-Source-Framework, das die Verteilung von Quantenschaltkreis-Shots über heterogene, Cloud-basierte QPUs optimiert, um benutzerdefinierte Quality-of-Service-Constraints zu erfüllen und dadurch die Ausführungskosten, die Latenz sowie die Fidelität im Vergleich zu Single-Backend- oder einfachen Multi-Backend-Ansätzen zu verbessern.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Quantencomputing verspricht, Probleme zu lösen, die für herkömmliche Computer derzeit unmöglich sind, doch die Maschinen, die dieses Versprechen in sich tragen, befinden sich noch in einem frühen, fragilen Stadium. Diese Geräte, bekannt als Quantenprozessoren, arbeiten nach den seltsamen Regeln der Quantenmechanik, bei denen winzige Teilchen gleichzeitig in mehreren Zuständen existieren können. Um ein nützliches Ergebnis von einer solchen Maschine zu erhalten, muss ein Benutzer eine spezifische Abfolge von Anweisungen, einen sogenannten Schaltkreis (Circuit), viele Male ausführen. Jeder Durchlauf, oder „Shot“, liefert ein einzelnes zufälliges Ergebnis, und erst durch das Sammeln von tausenden dieser Shots können Wissenschaftler das zugrunde liegende Muster erkennen, das die wahre Antwort repräsentiert. Diese Maschinen sind jedoch derzeit verrauscht und fehleranfällig, zudem werden sie oft von vielen Nutzern gleichzeitig verwendet, was zu langen Wartezeiten und variierenden Kosten führt, je nachdem, welchen Anbieter man wählt. Da die Hardware von einer Maschine zur anderen so stark variiert und die Ergebnisse davon abhängen, wie oft der Schaltkreis ausgeführt wird, ist die Entscheidung darüber, wo und wie ein Quantenjob ausgeführt wird, zu einer komplexen technischen Herausforderung geworden.
Ein Team von Forschern hat ein neues Software-Framework namens „Quantum Broker“ entwickelt, um dieses Problem zu lösen. Anstatt einen Quantenjob als eine einzelne Aufgabe zu behandeln, die an eine spezifische Maschine gesendet werden muss, betrachtet das System die tausenden erforderlichen Durchläufe als eine flexible Ressource, die aufgeteilt und gleichzeitig an viele verschiedene Maschinen gesendet werden kann. Die Forscher haben dieses Werkzeug als intelligenten Manager entwickelt, der auf die spezifischen Bedürfnisse eines Benutzers hört – etwa darauf, Kosten niedrig zu halten, schnell fertig zu werden oder eine hohe Genauigkeit zu gewährleisten – und dann automatisch die beste Art und Weise findet, die Arbeit aufzuteilen. Das System kann auf einen Pool verfügbarer Quantencomputer zugreifen, von denen jeder seinen eigenen Preis, seine eigene Geschwindigkeit und seine eigene Fehlerrate hat, und genau entscheiden, wie viele Shots es an jede Maschine senden soll. Es kann sogar einige Shots an eine schnelle, aber teure Maschine und andere an eine langsamere, günstigere Maschine senden und die Ergebnisse später kombinieren, um eine einzige, hochwertige Antwort zu erstellen.
Der Kern dieser Arbeit ist eine neue Sprache, die die Forscher entwickelt haben, die es Benutzern ermöglicht, ihre Anforderungen in einfacher, logischer Form zu formulieren, ohne die technischen Details jeder einzelnen Maschine kennen zu müssen. Diese Sprache erlaubt es einem Benutzer, Dinge zu sagen wie: „Die Gesamtkosten müssen unter einem bestimmten Limit bleiben“ oder „Die endgültige Antwort muss mindestens diese Genauigkeit aufweisen“. Die Software nutzt dann zwei verschiedene mathematische Motoren, um eine Lösung zu finden. Ein Motor ist sehr schnell und arbeitet gut, wenn die Regeln einfach und linear sind, während der andere langsamer, aber wesentlich leistungsfähiger ist und in der Lage ist, komplexe, unordentliche reale Bedingungen zu bewältigen, bei denen die Regeln nicht geradlinig verlaufen. Die Forscher testeten ihr System mit simulierten Quantencomputern, die das Verhalten echter Geräte einschließlich ihrer Fehler und Verzögerungen nachahmen. Sie fanden heraus, dass das System erfolgreich Pläne erstellen konnte, die strenge Anforderungen erfüllten, bei denen einfachere Methoden scheiterten. In vielen Fällen fand das System Wege, Jobs so auszuführen, dass sie günstiger, schneller oder genauer waren, als wenn der Benutzer einfach eine Maschine ausgewählt und den gesamten Job dort ausgeführt hätte.
Einer der wichtigsten Befunde ist, dass das Aufteilen der Arbeit auf mehrere Maschinen das Endergebnis nicht ruiniert. Da die einzelnen Shots statistisch unabhängig sind, kann das System die Ergebnisse aus verschiedenen Quellen sammeln und zusammenführen, ohne die Integrität der Daten zu verlieren. In ihren Tests führten die Forscher spezifische Quantenalgorithmen über mehrere simulierte Maschinen hinweg aus und kombinierten dann die Ergebnisse. Sie verglichen dieses kombinierte Ergebnis mit dem, was das Ergebnis auf einer perfekten, fehlerfreien Maschine gewesen wäre. Die Ergebnisse zeigten eine sehr hohe Übereinstimmung, was beweist, dass der verteilte Ansatz funktioniert. Sie entdeckten jedoch auch, dass die Qualität der endgültigen Antwort davon abhängt, wie die Arbeit aufgeteilt wird. Wenn eine Maschine nur einen winzigen Bruchteil der gesamten Shots ausführt, kann ihr individuelles Ergebnis sehr schlecht oder verrauscht aussehen, aber wenn es mit den Shots der anderen Maschinen kombiniert wird, wird das Gesamtbild klar und präzise. Das bedeutet, dass die Qualität eines Quantenjobs anhand des kombinierten Ergebnisses beurteilt werden sollte und nicht anhand der Leistung einer einzelnen Maschine in der Gruppe.
Die Studie hob auch einen praktischen Kompromiss zwischen Geschwindigkeit und Perfektion hervor. Der schnelle mathematische Motor konnte einen Plan in einem Bruchteil einer Sekunde erstellen, scheiterte jedoch manchmal daran, eine Lösung zu finden, wenn die Anforderungen zu streng oder das Verhalten der Maschinen zu komplex war. Der langsamere, leistungsstärkere Motor benötigte viel länger – oft zehn oder mehr Sekunden – fand aber konsistent gültige Lösungen, die alle Anforderungen des Benutzers erfüllten, selbst in schwierigen Szenarien. Die Forscher behaupteten nicht, dass dieses System bereit ist, die derzeitige Art und Weise, wie Quantencomputer auf echter Hardware genutzt werden, zu ersetzen, da ihre Tests in einer kontrollierten Simulationsumgebung durchgeführt wurden. Sie merkten an, dass reale Faktoren wie plötzliche Änderungen der Maschinenverfügbarkeit oder sich ändernde Preismodelle noch nicht vollständig erfasst sind. Dennoch zeigt die Arbeit, dass es möglich ist, Quantenressourcen intelligent zu verwalten, indem man die Ausführung eines Programms als ein flexibles technisches Problem betrachtet und nicht als eine starre Einreichung an ein einzelnes Gerät. Indem sie einen Weg bieten, Kosten, Zeit und Qualität in einer fragmentierten Landschaft von Quantenmaschinen automatisch auszubalancieren, bietet der Quantum Broker einen neuen Pfad, um diese leistungsstarken Werkzeuge für zukünftige Anwendungen zuverlässiger und zugänglicher zu machen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.