Quantum Integration Software Suite For HPC-Quantum Computing Workflows

Die Welt des Computing steht derzeit an einem Scheideweg. Auf der einen Seite liegt die vertraute Landschaft klassischer Supercomputer, massiver Maschinen, die komplexe Probleme lösen, indem sie diese in Milliarden winziger, sequenzieller Schritte zerlegen. Auf der anderen Seite steht die aufstrebende Grenze des Quantencomputings, einer Technologie, die die seltsamen Regeln der subatomaren Physik nutzt, um Informationen auf grundlegend andere Weise zu verarbeiten. Während klassische Computer bei vielen Aufgaben exzellent sind, haben sie mit spezifischen Arten von Problemen Schwierigkeiten, wie etwa der Simulation des Verhaltens von Molekülen für die Arzneimittelentwicklung oder der Optimierung riesiger logistischer Netzwerke. Quantencomputer versprechen, diese spezifischen Probleme viel schneller zu lösen, sind aber noch nicht bereit, klassische Maschinen zu ersetzen. Stattdessen besteht der praktischste Weg nach vorn in einer Partnerschaft: einem Hybridsystem, bei dem ein klassischer Supercomputer die schwere Arbeit der Datenverwaltung und Logik übernimmt, während ein Quantenprozessor die spezifischen, schwierigen Berechnungen bewältigt, die für klassische Maschinen unerreichbar sind. Die Herausforderung für Wissenschaftler besteht darin, herauszufinden, wie man diese zwei sehr unterschiedlichen Welten effizient verbindet, um sicherzustellen, dass die Zeit, die für das Bewegen von Daten zwischen ihnen aufgewendet wird, nicht die Geschwindigkeitsgewinne zunichtemacht, die der Quantencomputer bietet.

In einer kürzlich durchgeführten Studie haben Forscher des Science and Technology Facilities Council im Vereinigten Königreich eine neue Reihe von Softwarewerkzeugen entwickelt, die darauf ausgelegt sind, diese Lücke zu schließen. Ihre Arbeit konzentriert sich auf die Schaffung eines nahtlosen Workflows, der es klassischen Supercomputern ermöglicht, mit Quantenprozessoren zu kommunizieren oder zumindest dieses Gespräch mit hoher Genauigkeit zu simulieren. Das Team stellte zwei Hauptwerkzeuge vor. Das erste ist ein Übersetzer, ein sogenannter Compiler, der Anweisungen, die in einer modernen Sprache für Quantencomputer geschrieben wurden, nimmt und sie in ein Format konvertiert, das ein leistungsstarker klassischer Simulator ausführen kann. Das zweite Werkzeug ist ein Leistungsmodell, eine Art digitaler Kristallball, der vorhersagt, wie lange eine Aufgabe dauern wird und wie viel Datenverkehr generiert wird, wenn sie zwischen den klassischen und den Quantenteilen des Systems bewegt werden. Durch die Kombination dieser Werkzeuge demonstrierten die Forscher, wie Wissenschaftler hybride Workflows testen und verfeinern können, ohne sofortigen, ständigen Zugriff auf teure und begrenzte reale Quantenhardware zu benötigen.

Der Kern dieser neuen Software-Suite ist ein Compiler, der für eine spezifische Sprache namens OpenQASM 3.0 entwickelt wurde. Betrachten Sie diese Sprache als das Handbuch für einen Quantencomputer. Ältere Versionen dieses Handbuchs waren recht begrenzt; sie konnten einfache Schrittfolgen beschreiben, hatten aber Schwierigkeiten mit komplexer Logik, wie etwa Schleifen oder Entscheidungen, die von Zwischenergebnissen abhängen. Die neuere Version, OpenQASM 3.0, erlaubt viel anspruchsvollere Anweisungen, einschließlich der Fähigkeit, ein Teilchen halbwegs durch eine Berechnung zu messen und die nächsten Schritte basierend auf diesem Ergebnis zu ändern. Bis jetzt gab es jedoch nur sehr wenige Werkzeuge, die in der Lage waren, diese fortgeschrittenen Anweisungen zu nehmen und sie effizient auf klassischen Maschinen auszuführen. Die Forscher bauten ihren Compiler, um dies zu lösen. Er nimmt die komplexe OpenQASM 3.0-Datei und übersetzt sie in C++-Code, eine Standardsprache für Hochleistungsrechnen. Dieser generierte Code wird dann mit einem Hochgeschwindigkeits-Simulator namens QuEST verknüpft, der das Verhalten eines Quantencomputers mit großer Präzision nachahmen kann. Das Ergebnis ist ein System, das komplexe Quantenalgorithmen auf einem klassischen Supercomputer ausführen kann, wodurch Forscher ihre Logik verifizieren und ihre Ideen testen können, bevor sie jemals ein echtes Quantengerät berühren.

Um dieses System wirklich nützlich für die Planung zu machen, entwickelte das Team ein Werkzeug, um die Kosten für das Ausführen dieser hybriden Workflows abzuschätzen. Wenn ein klassischer Computer eine Aufgabe an einen Quantenprozessor sendet, entsteht eine Verzögerung beim Senden der Daten und beim Warten auf das Ergebnis. Diese Verzögerung, bekannt als Latenz, und die Geschwindigkeit, mit der Daten fließen, bekannt als Bandbreite, können je nach Art der Verbindung zwischen den beiden Systemen stark variieren. Sie könnten sich auf derselben physischen Maschine befinden, auf verschiedenen Maschinen im selben Rechenzentrum oder über das Internet in einem Cloud-Setup verbunden sein. Die Forscher entwickelten ein Modell, das diese Kosten basierend auf der Größe des Quantenschaltkreises und der Art der verwendeten Verbindung berechnet. Sie testeten dieses Modell anhand eines realistischen Szenarios aus dem Bereich der Chemie: der Berechnung der Grundzustandsenergie von Molekülen. Dies ist eine kritische Aufgabe für das Verständnis, wie Chemikalien reagieren, und ein primärer Kandidat für die Quantenbeschleunigung. Der Workflow beinhaltete das Generieren eines Quantenschaltkreises, das Kompilieren desselben, das Simulieren der Ergebnisse und das Zurückspeisen der Energiedaten in einen größeren chemischen Simulationszyklus.

Die Ergebnisse ihrer Tests lieferten wichtige Details darüber, wie sich diese hybriden Systeme verhalten. Als die Forscher die Verbindung zwischen den klassischen und den Quantenteilen simulierten, stellten sie fest, dass die Zeit für die Datenkommunikation stark von der Größe der Aufgabe und der Distanz zwischen den Computern abhängt. Bei kleinen Aufgaben ist der Unterschied zwischen dem Vorhandensein der Computer auf derselben Maschine gegenüber einer Verbindung über das Internet dramatisch. Die Verzögerung für eine Internetverbindung war etwa zwei Größenordnungen höher als für eine lokale Verbindung, was bedeutet, dass die Wartezeit etwa hundertmal länger war. Mit zunehmender Größe der Quantenaufgabe begann jedoch der Unterschied zwischen lokalen und entfernten Verbindungen zu schrumpfen. Dies liegt daran, dass große Datentransfers über das Internet in viele kleine Pakete aufgeteilt werden und die Netzwerkprotokolle, die diese Pakete steuern, einen konstanten Overhead erzeugen, der sich mit der Größe nicht wesentlich ändert. Trotz dieser Kommunikationsverzögerungen fanden die Forscher heraus, dass bei dem von ihnen getesteten spezifischen Chemie-Algorithmus die Zeit, die mit dem Warten auf Daten verbracht wurde, nicht der Hauptengpass war. Der eigentliche Zeitfresser war die eigentliche Berechnung selbst und die Zeit, die benötigt wurde, um den Schaltkreis in ein Format zu übersetzen, das die Hardware verstehen kann.

Die Studie hob auch hervor, dass die Wahl der Art und Weise, wie die Systeme verbunden werden, am wichtigsten für kleine, häufige Aufgaben ist. In einem Workflow, in dem ein klassischer Computer einen kleinen Quantenjob sendet, auf die Antwort wartet und sofort einen weiteren sendet, kann die Kommunikationsverzögerung den gesamten Prozess dominieren. Dies gilt insbesondere für Algorithmen, die viele Hin-und-Her-Austausche erfordern, wie sie beispielsweise zur Bestimmung der optimalen Konfiguration eines Moleküls verwendet werden. Im Gegensatz dazu ist der in dieser Studie verwendete Algorithmus, der eine lange, kontinuierliche Berechnung durchführt, weniger empfindlich gegenüber diesen Verzögerungen. Die Forscher stellten fest, dass die Zeit, die für die Übersetzung der Quanteninstruktionen in eine Form aufgewendet wurde, die die Hardware nutzen kann, signifikant anstieg, wenn die Anzahl der Teilchen in der Simulation zunahm. Für das größte getestte Molekül, das siebenundzwanzig Teilchen umfasste, betrug die Zeit zur Vorbereitung der Instruktionen mehrere hundert Sekunden, während die eigentliche Ausführungszeit sogar noch länger war. Dies deutet darauf an, dass mit zunehmender Leistungsfähigkeit der Quantencomputer und der Handhabung komplexerer Probleme die Effizienz der Übersetzungssoftware genauso wichtig werden wird wie die Geschwindigkeit der Hardware selbst.

Indem sie diese Werkzeuge bereitstellen, haben die Forscher der wissenschaftlichen Gemeinschaft einen Weg eröffnet, hybride Workflows zu entwerfen und zu testen, ohne auf perfekte Quantenhardware warten zu müssen. Ihr Compiler ermöglicht es Wissenschaftlern, die volle Kraft moderner Quanten-Instruktionssätze auf bestehenden Supercomputern zu nutzen, während ihr Leistungsmodell eine realistische Sicht auf die Kompromisse bietet, die mit verschiedenen Integrationsstrategien verbunden sind. Die Arbeit dient als praktischer Leitfaden für die Zukunft und zeigt, dass der Weg zu nützlichen Hybridsystemen bereits geebnet wird, auch wenn der Traum eines voll funktionsfähigen Quantencomputers noch Jahre entfernt ist. Die Werkzeuge sind so konzipiert, dass sie flexibel sind und in der Lage sind, sich an verschiedene Arten von Quantenhardware und unterschiedliche wissenschaftliche Probleme anzupassen, sofern die Instruktionen dem Standardformat folgen. Diese Art von Softwarebrücken wird essenziell sein, um das theoretische Potenzial des Quantencomputings in reale wissenschaftliche Durchbrüche zu verwandeln.