Quantum Integration Software Suite For HPC-Quantum Computing Workflows

Le monde de l'informatique se trouve actuellement à la croisée des chemins. D'un côté se trouve le paysage familier des supercalculateurs classiques, des machines massives qui résolvent des problèmes complexes en les décomposant en des milliards de petites étapes séquentielles. De l'autre côté se trouve la frontière émergente de l'informatique quantique, une technologie qui utilise les règles étranges de la physique subatomique pour traiter l'information de manières fondamentalement différentes. Bien que les ordinateurs classiques soient excellents pour de nombreuses tâches, ils éprouvent des difficultés avec certains types de problèmes spécifiques, tels que la simulation du comportement de molécules pour la découverte de médicaments ou l'optimisation de vastes réseaux logistiques. Les ordinateurs quantiques promettent de résoudre ces problèmes spécifiques beaucoup plus rapidement, mais ils ne sont pas encore prêts à remplacer les machines classiques. Au lieu de cela, la voie la plus pratique consiste en un partenariat : un système hybride où un supercalculateur classique gère la lourde charge de la gestion des données et de la logique, tandis qu'un processeur quantique s'attaque aux calculs spécifiques et difficiles qui sont hors de portée des machines classiques. Le défi pour les scientifiques est de comprendre comment connecter ces deux mondes très différents de manière efficace, en veillant à ce que le temps passé à déplacer les données entre eux n'annule pas les gains de vitesse fournis par l'ordinateur quantique.

Dans une étude récente, des chercheurs du Science and Technology Facilities Council au Royaume-Uni ont construit un nouvel ensemble d'outils logiciels conçus pour combler ce fossé. Leur travail se concentre sur la création d'un flux de travail fluide qui permet aux supercalculateurs classiques de communiquer avec les processeurs quantiques, ou du moins de simuler cette conversation avec une grande précision. L'équipe a introduit deux outils principaux. Le premier est un traducteur, appelé compilateur, qui prend des instructions écrites dans un langage moderne pour les ordinateurs quantiques et les convertit en un format qu'un simulateur classique puissant peut exécuter. Le second outil est un modèle de performance, une sorte de boule de cristal numérique qui prédit combien de temps une tâche prendra et quel volume de trafic de données elle générera lors du mouvement entre les parties classiques et quantiques du système. En combinant ces outils, les chercheurs ont démontré comment les scientifiques peuvent tester et affiner les flux de travail hybrides sans avoir besoin d'un accès immédiat et constant au matériel quantique réel, coûteux et limité.

Le cœur de cette nouvelle suite logicielle est un compilateur conçu pour gérer un langage spécifique connu sous le nom d'OpenQASM 3.0. Considérez ce langage comme le manuel d'instructions d'un ordinateur quantique. Les versions antérieures de ce manuel étaient assez limitées ; elles pouvaient décrire des séquences simples d'étapes mais peinaient face à une logique complexe, telle que des boucles ou des décisions dépendant de résultats intermédiaires. La version plus récente, OpenQASM 3.0, permet des instructions beaucoup plus sophistiquées, incluant la capacité de mesurer une particule à mi-chemin d'un calcul et de modifier les étapes suivantes en fonction de ce résultat. Cependant, jusqu'à présent, il y avait très peu d'outils capables de prendre ces instructions avancées et de les exécuter efficacement sur des machines classiques. Les chercheurs ont construit leur compilateur pour résoudre ce problème. Il prend le fichier OpenQASM 3.0 complexe et le traduit en code C++, un langage standard pour le calcul haute performance. Ce code généré est ensuite lié à un simulateur à haute vitesse appelé QuEST, qui peut imiter le comportement d'un ordinateur quantique avec une grande précision. Le résultat est un système capable d'exécuter des algorithmes quantiques complexes sur un supercalculateur classique, permettant aux chercheurs de vérifier leur logique et de tester leurs idées avant même de toucher un véritable dispositif quantique.

Pour rendre ce système véritablement utile à la planification, l'équipe a également développé un outil pour estimer le coût de l'exécution de ces flux de travail hybrides. Lorsqu'un ordinateur classique envoie une tâche à un processeur quantique, un délai est impliqué dans l'envoi des données et l'attente du résultat. Ce délai, connu sous le nom de latence, et la vitesse à laquelle les données circulent, appelée bande passante, peuvent varier considérablement selon la façon dont les deux systèmes sont connectés. Ils peuvent se trouver sur la même machine physique, sur des machines différentes dans le même centre de données, ou être connectés via Internet dans une configuration de cloud. Les chercheurs ont créé un modèle qui calcule ces coûts en fonction de la taille du circuit quantique et du type de connexion utilisé. Ils ont testé ce modèle en utilisant un scénario réaliste issu du domaine de la chimie : le calcul de l'énergie de l'état fondamental des molécules. Il s'agit d'une tâche critique pour comprendre comment les produits chimiques réagissent, et c'est un candidat de premier plan pour l'accélération quantique. Le flux de travail consistait à générer un circuit quantique, à le compiler, à simuler les résultats, et à réinjecter les données énergétiques dans une boucle de simulation chimique plus large.

Les résultats de leurs tests ont révélé des détails importants sur le comportement de ces systèmes hybrides. Lorsque les chercheurs ont simulé la connexion entre les parties classiques et quantiques, ils ont constaté que le temps nécessaire pour communiquer les données dépend fortement de la taille de la tâche et de la distance entre les ordinateurs. Pour les petites tâches, la différence entre avoir les ordinateurs sur la même machine et les connecter via Internet est spectaculaire. Le délai pour une connexion Internet était environ deux ordres de grandeur plus élevé que pour une connexion locale, ce qui signifie que le temps d'attente était environ cent fois plus long. Cependant, à mesure que la taille de la tâche quantique augmentait, la différence entre les connexions locales et distantes commençait à diminuer. Cela s'explique par le fait que les transferts de données volumineux sur Internet sont divisés en de nombreux petits paquets, et les protocoles réseau régissant ces paquets créent une surcharge constante qui ne change pas beaucoup avec la taille. Malgré ces délais de communication, les chercheurs ont constaté que, pour l'algorithme de chimie spécifique qu'ils ont testé, le temps passé à attendre les données n'était pas le principal goulot d'étranglement. Le véritable gouffre temporel était le calcul proprement dit et le temps requis pour traduire le circuit dans un format que le matériel puisse comprendre.

L'étude a également souligné que le choix de la manière de connecter les systèmes importe le plus pour les tâches petites et fréquentes. Dans un flux de travail où un ordinateur classique envoie un petit travail quantique, attend la réponse, puis en envoie immédiatement un autre, le délai de communication peut dominer l'ensemble du processus. Cela est particulièrement vrai pour les algorithmes qui nécessitent de nombreux échanges de va-et-vient, comme ceux utilisés pour trouver la meilleure configuration d'une molécule. En revanche, l'algorithme utilisé dans cette étude, qui effectue un calcul long et continu, est moins sensible à ces délais. Les chercheurs ont noté que le temps passé à traduire les instructions quantiques en une forme utilisable par le matériel augmentait de manière significative à mesure que le nombre de particules dans la simulation augmentait. Pour la plus grande molécule testée, qui impliquait vingt-sept particules, le temps de préparation des instructions s'élevait à des centaines de secondes, tandis que le temps d'exécution réel était encore plus long. Cela suggère qu'à mesure que les ordinateurs quantiques deviendront plus puissants et traiteront des problèmes plus complexes, l'efficacité du logiciel de traduction deviendra aussi importante que la vitesse du matériel lui-même.

En fournissant ces outils, les chercheurs ont offert à la communauté scientifique un moyen de concevoir et de tester des flux de travail hybrides sans avoir à attendre un matériel quantique parfait. Leur compilateur permet aux scientifiques d'utiliser toute la puissance des ensembles d'instructions quantiques modernes sur les supercalculateurs existants, tandis que leur modèle de performance offre une vision réaliste des compromis impliqués dans les différentes stratégies d'intégration. Ce travail sert de guide pratique pour l'avenir, montrant que bien que le rêve d'un ordinateur entièrement quantique soit encore à des années de distance, le chemin vers des systèmes hybrides utiles est déjà en train d'être tracé. Les outils sont conçus pour être flexibles, capables de s'adapter à différents types de matériel quantique et à différents problèmes scientifiques, à condition que les instructions suivent le format standard. À mesure que le domaine progresse, ces sortes de ponts logiciels seront essentiels pour transformer le potentiel théorique de l'informatique quantique en percées scientifiques concrètes.