Quantum Integration Software Suite For HPC-Quantum Computing Workflows

Il mondo dell'informatica si trova attualmente a un bivio. Da un lato si estende il panorama familiare dei supercomputer classici, macchine massicce che risolvono problemi complessi scomponendoli in miliardi di piccoli passi sequenziali. Dall'altro lato c'è la frontiera emergente del calcolo quantistico, una tecnologia che utilizza le strane regole della fisica subatomica per elaborare informazioni in modi fondamentalmente diversi. Sebbene i computer classici siano eccellenti in molti compiti, faticano con tipi specifici di problemi, come la simulazione del comportamento delle molecole per la scoperta di farmaci o l'ottimizzazione di vaste reti logistiche. I computer quantistici promettono di risolvere questi problemi specifici molto più velocemente, ma non sono ancora pronti a sostituire le macchine classiche. Invece, la via più pratica da seguire prevede una partnership: un sistema ibrido in cui un supercomputer classico si occupa del lavoro pesante di gestione dei dati e della logica, mentre un processore quantistico affronta i calcoli specifici e difficili che sono fuori portata per le macchine classiche. La sfida per gli scienziati è capire come collegare questi due mondi molto diversi in modo efficiente, assicurandosi che il tempo trascorso a spostare dati tra di essi non annulli i guadagni di velocità forniti dal computer quantistico.

In uno studio recente, i ricercatori del Science and Technology Facilities Council nel Regno Unito hanno costruito un nuovo set di strumenti software progettati per colmare questo divario. Il loro lavoro si concentra sulla creazione di un flusso di lavoro fluido che consenta ai supercomputer classici di dialogare con i processori quantistici, o almeno di simulare tale conversazione con alta precisionità. Il team ha introdotto due strumenti principali. Il primo è un traduttore, chiamato compilatore, che prende le istruzioni scritte in un linguaggio moderno per computer quantistici e le converte in un formato che un potente simulatore classico possa eseguire. Il secondo strumento è un modello di prestazione, una sorta di sfera di cristallo digitale che predice quanto tempo impiegherà un compito e quanta traffico di dati genererà durante il movimento tra la parte classica e quella quantistica del sistema. Combinando questi strumenti, i ricercatori hanno dimostrato come gli scienziati possano testare e perfezionare i flussi di lavoro ibridi senza dover avere un accesso immediato e costante all'hardware quantistico reale, che è costoso e limitato.

Il nucleo di questa nuova suite software è un compilatore progettato per gestire un linguaggio specifico noto come OpenQASM 3.0. Pensate a questo linguaggio come al manuale di istruzioni per un computer quantistico. Le versioni precedenti di questo manuale erano piuttosto limitate; potevano descrivere sequenze semplici di passaggi ma faticavano con la logica complessa, come cicli o decisioni che dipendono da risultati intermedi. La versione più recente, OpenQASM 3.0, consente istruzioni molto più sofisticate, incluso il potere di misurare una particella a metà di un calcolo e cambiare i passaggi successivi in base a quel risultato. Tuttavia, fino ad ora, c'erano pochissimi strumenti capaci di prendere queste istruzioni avanzate ed eseguirle efficientemente su macchine classiche. I ricercatori hanno costruito il loro compilatore per risolvere questo problema. Esso prende il complesso file OpenQASM 3.0 e lo traduce in codice C++, un linguaggio standard per l'informatica ad alte prestazioni. Questo codice generato viene poi collegato a un simulatore ad alta velocità chiamato QuEST, che può mimare il comportamento di un computer quantistico con grande precisione. Il risultato è un sistema in grado di eseguire algoritmi quantistici complessi su un supercomputer classico, permettendo ai ricercatori di verificare la propria logica e testare le proprie idee prima ancora di toccare un vero dispositivo quantistico.

Per rendere questo sistema davvero utile per la pianificazione, il team ha anche sviluppato uno strumento per stimare il costo dell'esecuzione di questi flussi di lavoro ibridi. Quando un computer classico invia un compito a un processore quantistico, è coinvolto un ritardo nell'invio dei dati e nell'attesa del risultato. Questo ritardo, noto come latenza, e la velocità con cui i dati si muovono, nota come larghezza di banda, possono variare enormemente a seconda di come i due sistemi sono connessi. Potrebbero trovarsi sulla stessa macchina fisica, su macchine diverse nello stesso data center, o essere connessi tramite internet in una configurazione cloud. I ricercatori hanno creato un modello che calcola questi costi in base alla dimensione del circuito quantistico e al tipo di connessione utilizzata. Hanno testato questo modello utilizzando uno scenario realistico nel campo della chimica: il calcolo dell'energia dello stato fondamentale delle molecole. Questo è un compito critico per comprendere come le sostanze chimiche reagiscono, ed è un candidato primario per l'accelerazione quantistica. Il flusso di lavoro prevedeva la generazione di un circuito quantistico, la sua compilazione, la simulazione dei risultati e il successivo inserimento dei dati energetici in un ciclo di simulazione chimica più ampio.

I risultati dei loro test hanno rivelato dettagli importanti su come si comportano questi sistemi ibridi. Quando i ricercatori hanno simulato la connessione tra le parti classiche e quelle quantistiche, hanno scoperto che il tempo necessario per comunicare i dati dipende fortemente dalle dimensioni del compito e dalla distanza tra i computer. Per compiti piccoli, la differenza tra avere i computer sulla stessa macchina rispetto al connetterli tramite internet è drammatica. Il ritardo per una connessione internet era circa due ordini di grandezza superiore rispetto a una connessione locale, il che significa che il tempo di attesa era circa cento volte più lungo. Tuttavia, man mano che la dimensione del compito quantistico cresceva, la differenza tra connessioni locali e remote iniziava a ridursi. Questo perché i grandi trasferimenti di dati su internet vengono suddivisi in molti piccoli pacchetti, e i protocolli di rete che governano questi pacchetti creano un overhead costante che non cambia molto con la dimensione. Nonostante questi ritardi di comunicazione, i ricercatori hanno scoperto che, per l'algoritmo chimico specifico testato, il tempo speso in attesa dei dati non era il collo di bottiglia principale. Il vero buco temporale era il calcolo effettivo e il tempo necessario per tradurre il circuito in un formato che l'hardware potesse comprendere.

Lo studio ha inoltre evidenziato che la scelta di come connettere i sistemi conta di più per i compiti piccoli e frequenti. In un flusso di lavoro in cui un computer classico invia un piccolo lavoro quantistico, attende la risposta e ne invia immediatamente un altro, il ritardo di comunicazione può dominare l'intero processo. Ciò è particolarmente vero per gli algoritmi che richiedono molti scambi avanti e indietro, come quelli utilizzati per trovare la migliore configurazione di una molecola. Al contrario, l'algoritmo utilizzato in questo studio, che esegue un calcolo lungo e continuo, è meno sensibile a questi ritardi. I ricercatori hanno notato che il tempo impiegato per tradurre le istruzioni quantistiche in una forma che l'hardware possa utilizzare cresceva significativamente all'aumentare del numero di particelle nella simulazione. Per la molecola più grande testata, che coinvolgeva ventisette particelle, il tempo per preparare le istruzioni era di centinaia di secondi, mentre il tempo di esecuzione effettivo era ancora più lungo. Ciò suggerisce che, man mano che i computer quantistici diventano più potenti e gestiscono problemi più complessi, l'efficienza del software di traduzione diventerà importante quanto la velocità dell'hardware stesso.

Fornendo questi strumenti, i ricercatori hanno dato alla comunità scientifica un modo per progettare e testare flussi di lavoro ibridi senza dover attendere l'arrivo di un hardware quantistico perfetto. Il loro compilatore permette agli scienziati di utilizzare tutto il potere dei moderni set di istruzioni quantistiche sugli esistenti supercomputer, mentre il loro modello di prestazione offre una visione realistica dei compromessi coinvolti nelle diverse strategie di integrazione. Il lavoro funge da guida pratica per il futuro, mostrando che, sebbene il sogno di un computer completamente quantistico sia ancora lontano anni, la strada verso sistemi ibridi utili è già in fase di costruzione. Gli strumenti sono progettati per essere flessibili, capaci di adattarsi a diversi tipi di hardware quantistico e diversi problemi scientifici, a condizione che le istruzioni seguano il formato standard. Mentre il campo avanza, questo tipo di ponti software sarà essenziale per trasformare il potenziale teorico del calcolo quantistico in scoperte scientifiche reali.