SON DAKİKA

Nvdia

NVIDIA Quantum ile Kuantum Hata Düzeltme Araştırmalarını Hızlandırma

Gürültüyle Baş Etme: Kuantum Hatası Düzeltmenin Önemi

Gürültü, kuantum bilgisayarı için büyük bir tehdit oluşturmaktadır. Kübitle çevresel değişikliklere karşı oldukça hassas olup, en basit kuantum algoritmalarının sonuçlarını anlamlı olmaktan çıkaracak kadar hata biriktirmektedir.

Kuantum hata düzeltme (KHD), bu sorunu aşmak için birçok gürültülü fiziksel kubiti kullanarak gürültüye karşı etkili bir şekilde bağışık olan mantıksal kübitler kodlamaktadır. Hatalar, gürültülü fiziksel kübitlerin bir alt kümesine tekrarlı ölçümler yapılarak tanımlanmaktadır. Bu ölçümler, hata sendromları adı verilen sonuçlar üretir. Bu sendromlar sonra çözülerek hataların doğası ve yeri hakkında bilgi edinilir, böylece hata takip edilebilir ve düzeltilebilir, böylece kuantum algoritması bozulmadan tamamlanabilir.

Kuantum Hata Düzeltme Protokollerinin Zorlukları

Etkin hata düzeltme protokollerini tanımlamak ve bunları ölçeklenebilir şekilde uygulamak, faydalı kuantum bilgisayarının gerçekleştirilmesi için çözülmesi gereken büyük zorluklardan biridir. Yukarıda bahsedilen çözücü işlemi temel bir zorluktur; zira bu işlem, belirli bir sürede doğru bir şekilde gerçekleştirilmelidir. Kodun karmaşıklığını artırmak, hatalara karşı korumayı geliştirebilir; ancak bu, çözme adımının üzerindeki baskıyı daha da artırmaktadır.

Kodu çözmek, pratik ve ölçeklenebilir kuantum hata düzeltmenin, QPU’lar ve GPU’lar arasında sıkı bir entegrasyon gerektiren donanım mimarisiyle gerçekleştirilmesi gerektiği anlamına gelir. Bu mimari, performansı sağlamak için bir çekirdek tabanlı programlama modelini eşzamanlı olarak kullanmak zorundadır. Ayrıca, kuantum hata düzeltme araştırmalarının diğer yönleri için tam olarak hızlandırılmış hesaplamadan faydalanan kütüphanelere de ihtiyaç vardır; bu kısımlar arasında kod oluşturma, test etme ve sentetik veri üretimi bulunmaktadır.

NVIDIA’nın GTC 25 Duyurusu

NVIDIA, GTC 25 etkinliğinde bu görevleri hızlandırmak ve KHD araştırmalarını tüm ekosisteme katkı sağlamak için bir dizi araç tanıttı.

Çözme İçin Zamanı Ayırma

Çözme için mevcut olan dar zaman penceresi, QPU ile AI süper bilgisayar arasındaki veri aktarımının ek zamanı ile daha da daralmaktadır. Supercomputer ile QPU arasındaki gecikmeler çok büyükse, çözücünün hataları tanımlayıp izlemek için yeterli zamanı kalmaz; bu da hata düzeltme sürecinin tamamen başarısız olmasına yol açar.

NVIDIA ile Quantum Machines, bu sorunu çözmek için NVIDIA DGX Quantum referans mimarisini geliştirdi. DGX Quantum, GPU’ların kalibrasyon, kontrol, çözme ve diğer önemli görevler için 4 μs’den daha düşük ultra-düşük yuvarlak yol gecikmeleri ile kuantum donanımına bağlanmasını sağlıyor.

DGX Quantum sistemi, NVIDIA Grace Hopper süper çipleri ile Quantum Machines’in OPX kontrol sistemini birleştirerek QPU’lar ve AI süper bilgisayarları arasında ölçeklenebilir ve modüler bağlantı sağlamaktadır.

GTC 25’te NVIDIA ve Quantum Machines, Nisan ayında gönderimlerine başlanacak olan ilk DGX Quantum Alpha müşterilerini duyurdu. MIT, Fraunhofer IAF, Diraq, Academia Sinica ve Ecole Normale Supérieure de Lyon’daki öncü araştırmacılar, yakından bağlı GPU-QPU sistemlerinin kuantum bilgisayar geliştirmeyi nasıl hızlandıracağını gösterecek ilk araştırmacılar arasında yer alacak.

Gürültü ve Hata Düzeltme Çalışmaları

SEEQC gibi kuantum şirketleri de QPU’ları GPU’lara sıkı bir şekilde bağlamak için çözümler geliştirmeye çalışmaktadır. SEEQC, Tek Flux Kuantum QPU denetleyicileri ile NVIDIA GPU’ları arasında tamamen dijital bir bağlantı tasarladı. Anahtar analog-dijital engelleri kaldırarak, QPU’lar ile AI süper bilgisayarları arasındaki bant genişliği gereksinimlerini TB/s’den GB/s’ye indirmiştir; bu sayede yüksek bant genişliği protokollerine olan ihtiyaç ortadan kalkmıştır.

GTC 25’te SEEQC, bu protokole dayalı ilk uçtan uca iş akışını duyurdu. Bu iş akışı, bir emüle edilmiş QPU’da çalışan beş kübitli bir tekrar kodunun çözülmesini sağladı. Bir GPU tabanlı sinir ağı çözücüsü ile, yuvarlak yol gecikmesi (emüle edilmiş QPU’dan GPU’ya ve geri) yalnızca 6 μs oldu; bu da etkili KHD için kabul edilebilir sınırlar içinde.

Cuda-Q KHD Araç Kutusunu Genişletme

NVIDIA, GTC 25’te CUDA-Q KHD v0.2‘yi tanıttı ve kuantum düşük yoğunlukta parite kontrolü (qLDPC) kodlarının üretilmesi ve hızlandırılması için yeni araçlar sundu.

qLDPC kodları, mantıksal birimlerin daha verimli bir şekilde kodlanmasını sağlarken, aynı zamanda fiziki kübit gürültü eşiğini nispeten yüksek toleransla tolere etmek için umut verici bir sınıf KHD kodlarıdır. Ancak, qLDPC kodlarının karmaşık kübit bağlantı şemaları gerektirmesi, çözümleme süreçlerini zorlaştırmaktadır. Bu nedenle, yeni qLDPC kodlarının daha uygun özelliklerle keşfi sürekli bir araştırma konusu olmaktadır.

CUDA-Q KHD, artık qLDPC kodları ve bunlara ait parite kontrol matrislerini üretmek için Infleqtion kütüphanesi ile entegre edilmiştir. Bu kodeksleri doğrudan CUDA-Q KHD’ye girdi olarak verebilir, bu da üretilecek her kodun özelliklerini değerlendirmek için sofistike KHD deneylerini kolaylaştırmaktadır.

Bu deneylerin en büyük sıkıntısı, çözümleme aşamasıdır. Bazı KHD kodları için etkin çözümleme algoritmaları mevcut olsa da, genel qLDPC çözümleme problemi pratikte çözülmesi çok maliyetli bir durumdur. Doğru heuristik yaklaşımlar, Belirleme Yayılımı ve Sıra İstatistikleri Çözümü (BP+OSD) gibi, qLDPC kodlarını hata düzeltme kodu boyutu büyüdükçe yalnızca küp ölçeğinde çözebilir.

BP+OSD çözücüsü iki aşamalı bir şekilde çalışmaktadır (Şekil 2). BP bölümü, lokal kübit bilgisinin iletildiği iteratif bir süreçtir ve genellikle birkaç hata ile ilişkilendirilmiş sendromları çözmek için yeterlidir. Daha karmaşık sendromlar, hata olasılıklarını sıralamak için matris faktorasyonları uygulayan OSD’yi gerektirir.

Kuantum Gürültü Veri Simülasyonu

Gürültüyü anlamak için büyük miktarda verinin toplanması ve analizi gereklidir. Simülasyon, bu verilerin hızlı ve ucuz bir şekilde üretilmesini sağlar; bu sayede bugün deneysel olarak erişilemeyen sistemler de incelenebilir. Simülasyon, deneylerin tamamlayıcısıdır ve her iki yaklaşımın birleştirilmesi, kuantum gürültüyü incelemek için etkili ve maliyet tasarrufu sağlayan yöntemler sunar.

CUDA-Q sürümü 0.10, dünyanın en güçlü hızlandırılmış gürültülü durumsal ve tensör ağı tabanlı kuantum devre simülatörlerini tanıtarak bu sorunu çözmektedir. Artık birden fazla GPU ve çoklu düğüm simülasyonları gerçekleştirerek, fiziksel QPU’lar ile diğer simülatörlerden daha az zaman ve maliyetle gürültü verisi üretebilirsiniz.

NVIDIA araştırmacıları, önceden seçilmiş gürültülü çalışmaları stratejik olarak toplamak suretiyle daha büyük hızlar elde ettiler; böylece her gürültü (Kraus) operatörü kombinasyonundan birden fazla veri noktası alınabildi (Şekil 4). CUDA-Q’nun durum vektörü simülatörü, QuEra’nın 35-kübitle uyguladığı sihirli durum damıtma devresini çalıştırarak, 1T gürültülü veri üreterek sadece 1.2K H100 GPU düğüm saatinde işlem gerçekleştirmiştir.

CUDA-Q’nun gürültülü tensör ağı simülatörü, QuEra’nın 85-kübitlik devresini modelleyerek daha büyük ölçeklerde gürültü üretimini gerçekleştirmiştir. Bu büyüklükte bir devre için, 1 milyondan fazla gürültülü veri üretebilmek için yalnızca 3.1K H100 GPU saatine ihtiyaç duyulmuştur.

Bu gürültü simülasyonu hızlı olmasının yanı sıra, daha gerçekçi verileri verimli bir şekilde üretmenizi de sağlar. Sadece Clifford bölgesindeki gürültü ile sınırlı olmayıp, her türlü kuantum işleminin gürültü profillerini modelleyebilir. Simülasyon kalitesi, daha önce deneysel verilerden edinilen içgörüler kullanılarak oluşturulan temel gürültü modeline göre sınırlıdır.

CUDA-Q’nun gürültü simülatörü, ayrıca kullanıcı tanımlı bir değerin içinde kalan hata modlarının veri toplanmasına odaklanma seçenekleri sunar; örneğin, en olası hatalar, belirli bir olasılık aralığındaki hatalar veya belirli özelliklere sahip hatalar.

CUDA-Q’nun simülatörünün bir başka avantajı, her sonucun hatalarının biliniyor olmasıdır; bu durum, deneylerde ve çoğu diğer kuantum devre simülasyonlarında gizlenmiş olur. Bu sayede, Aİ çözücülerini eğitmek veya belirli deneysel hataları değerlendirmek amacıyla kullanılabilecek büyük miktarda etiketlenmiş, yüksek kaliteli sentetik veri oluşturmak kolaylaşır.

Araştırmalarınızı Hızlandırın

NVIDIA, pratik KHD’nin gerçekleşmesi için araçlar geliştirmektedir. Her araç, Aİ süper bilgisayarlarını kolayca kullanarak KHD araştırmalarınızı katalize etmeye yardımcı olur ve tüm topluluğa fayda sağlayarak faydalı kuantum bilgisayarı hedeflerine yol almada katkı sağlar.

Araştırmalarınızı hızlandırmaya başlamak için CUDA-Q’yu yükleyin. BP+OSD Çözücüsü ve Infleqtion’un qLDPC kod oluşturucusunu kullanma hakkında daha fazla bilgi için CUDA-Q KHD‘yi inceleyin. NVIDIA’nın kuantum topluluğunda ortakları ile nasıl çalıştığı hakkında daha fazla bilgi almak için NVIDIA Kuantum Bilgisi‘ni ziyaret edin.

Kaynak

Nvdia Blog

Düşüncenizi Paylaşın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

İlgili Teknoloji Haberleri