Emerging Personas and Tools for Hybrid Quantum-HPC Systems

计算世界正站在一个静谧而深远的十字路口。一边是熟悉的、强大的高性能计算技术，即那些长期以来帮助科学家模拟气候模式、模拟新材料并求解复杂方程的大型超级计算机。另一边是新兴的量子计算领域，它利用亚原子世界的奇异规则来处理信息，其方式是经典机器无法实现的。多年来，这两个世界一直运行在各自的轨道上。但随着量子机器从微小的实验演变为拥有数十个甚至数百个微小信息单元的处理器，一个新的现实已经形成。科学家和工程师们正在将这两种技术缝合在一起，创建混合系统，让量子处理器与经典超级计算机协同工作，以解决两者单独都无法解决的问题。这种融合通常被称为“以量子为中心的超算”（quantum-centric supercomputing），它有望为从设计更好的电池到理解自然界基本力量等方方面面的问题解锁解决方案。然而，随着这些系统在全球主要研究中心上线，一个新的挑战也随之出现：构建、运行和使用它们的人来自截然不同的背景，并且他们往往说着不同的技术语言。

最近，来自 IBM 和橡树岭国家实验室（Oak Ridge National Laboratory）的研究人员发表了一篇论文，旨在通过绘制参与者的具体角色图谱，为这一不断发展的生态系统带来清晰度。作者并没有将所有接触这些系统的人都视为单一类型的“量子用户”，而是确定了六个不同的群体或“画像”（personas），每个群体都有其独特的目标、工具和数据需求。研究强调，随着这些混合系统的成熟，最关键的工作正发生在量子世界与经典世界交汇的边界处。三个新的角色已经出现，用于管理这一复杂的界面：负责维持运行的“操作员”（operator）、构建技术桥梁的“系统工程师”（system engineer），以及编写使两者协同工作的代码的“软件开发人员”（software developer）。通过定义这些角色，研究人员希望建立一种共同语言，使致力于这些系统的多样化团队能够有效地共享信息，并构建真正符合每个人需求的工具。

论文首先承认，虽然硬件变得更加强大，但人的因素正变得更加复杂。在量子计算的早期阶段，一位物理学家可能处理从校准机器到运行实验的所有工作。现在，随着系统集成到大规模数据中心中，工作已经分化为专门的轨道。作者描述了构成这一景观的六个关键画像。首先是“量子内核与库开发者”（quantum kernel and library developers），他们是设计量子算法基本构建模块的架构师。他们的重点是让电路在不完美的硬件上高效运行，不断尝试从那些仍易出错的机器中榨取最准确的结果。他们思考的是如何在发生错误时进行纠错，确保量子计算即使在底层物理环境存在噪声的情况下也能保持可靠。

与他们并肩作战的是“领域科学家”（domain scientists），他们是化学或机器学习等领域的专家，希望利用这些机器来解决现实世界的问题。这些用户并不关心量子电路是如何构建的细节；他们只关心答案。他们将量子计算机视为加速其特定研究的强大工具，寻找将量子步骤与经典步骤结合起来的方法，以更快、更便宜地获得结果。他们的主要关注点在于，无论使用何种类型的量子硬件，该混合系统能否在合理的时限和预算内为他们的科学问题提供解决方案。

然而，论文指出，最显著的变化发生在介于这两组人之间的三个新角色中。“量子中心超算（QCSC）操作员”负责整个系统的日常健康状况。他们负责调度，确保昂贵的量子资源不会在等待经典计算机时处于闲置状态，反之亦然。他们还必须处理安全性，确保正确的人能够访问正确的机器，并监控系统是否存在任何异常，从失效的量子处理器到网络故障。他们的工作是保持复杂机械的平稳运行，以便科学家和开发人员能够专注于他们的工作。

接着是“QCSC 系统工程师”，即构建量子与经典世界之间实际连接的建造者。这一角色涉及对硬件和软件栈进行协同设计，使量子处理器看起来并表现得像超级计算机中一个标准的、可管理的组成部分。他们致力于创建接口，使得不同类型的量子机器可以在无需每次都重写软件的情况下被使用。他们的目标是实现无缝集成，隐藏量子硬件的复杂性，使系统的其余部分可以将其视为另一种资源，就像显卡或存储驱动器一样。

完成这个三位一体组合的是“QCSC 高性能计算（HPC）软件开发人员”，他们是编写编排混合工作流程序的经典计算专家。这些开发者设计的脚本会告诉系统何时从经典处理切换到量子执行，反之亦然。他们的重点是最大限度地减少数据在两种处理器之间移动所需的时间，确保系统不会在等待信息传输方面浪费时间。他们构建的工具能让领域科学家在无需理解量子硬件深层技术细节的情况下运行复杂的实验。

最后一个被识别的画像是“量子物理学家”，他们充当整个系统的反馈环。虽然他们不构建硬件，但他们是诊断机器为何表现不佳的人。他们使用专门的工具探测量子处理器，寻找导致错误的特定物理原因，例如干扰或信号损失。通过了解机器在繁忙数据中心压力下的行为，他们可以调整设置以提高性能，确保量子处理器即使在被许多不同用户使用时也能保持可靠。

论文的一个重要发现是，这六个群体中的每一个都需要不同类型的信息来开展工作。研究人员绘制了每个画像所依赖的具体数据类别，从设施的温度和功耗到量子处理器的详细错误率。例如，操作员需要看到系统健康状况和资源使用的全局视图，以便做出调度决策；而量子物理学家则需要关于脉冲序列和错误特征的细粒度数据，以进行机器调优。与此同时，领域科学家主要关心最终结果以及获得结果所花费的时间。论文指出，如果没有一种一致的方式来表示和共享这些数据，整个系统将难以高效运作。如果操作员使用的工具无法与开发者使用的工具对话，或者物理学家收集的数据无法被科学家轻易理解，那么这些混合系统的潜力将难以释放。

作者强调，随着这些系统的增长，操作员、系统工程师和软件开发人员的角色将变得日益重要。一个数据中心可能会托管不同类型的量子机器，每种机器都有其独特的特性和要求，从而产生巨大的管理负担。科学结果的正确性将很大程度上取决于经典部分与量子部分的协调程度，而能够在不同机器之间迁移工作流的能力对于该领域实现规模化扩展至关重要。通过明确定义职责及所需数据，该论文为构建更好的工具和标准奠定了基础。这是对整个社区的行动号召：不要再将这些系统视为孤立部分的集合，而要将其视为一个统一的生态系统，其中人员、工具和数据必须和谐共生。未来的路径不仅在于构建更好的量子计算机，更在于构建能够让多样化团队有效利用它们的硬件与技术基础设施，从而推动下一阶段的科学发现。