[ad_1]
Zagłębianie się w architekturę Ascelli SEKCJA 1
U podstaw, Ascella to unikalna technologia, która wykorzystuje światło do wykonywania złożonych obliczeń. Jej sprzęt składa się z kilku kluczowych komponentów. Po pierwsze, jest to źródło pojedynczego fotonu, które wytwarza fotony na żądanie. Źródło to emituje fotony do światłowodu, który następnie wysyła je w podróż przez system. System zawiera urządzenie zwane demultiplekserem, które jest odpowiedzialne za dzielenie strumienia fotonów na osobne strumienie. W ten sposób układ otrzymuje 6 fotonów, które docierają do niego w tym samym czasie. Po drugie, w uniwersalnym interferometrze znajduje się macierz jednostkowa, która określa ewolucję fotonów i wreszcie detektory (SNSPD) na wyjściach.
1.1 Peering into AscellaMechanizm operacyjny
Interferencja kwantowa jest tym, co umożliwia Ascellaoperacji. Sercem systemu jest układ scalony, zawierający wiele sterowanych napięciem przesuwników fazowych i beamsplitterów. Obwód ten można zaprogramować do wykonywania różnych zadań, przekształcając stany fotonów podczas ich przemieszczania się przez obwód. Fotony te są następnie wykrywane i rejestrowane, tworząc dane wyjściowe z Ascella.
1.2 Stabilność i wydajność
Jak dobrze naoliwiona maszyna, Ascella musi działać konsekwentnie w czasie. Aby to zapewnić, kluczowe wskaźniki wydajności są monitorowane, a system przechodzi automatyczne cogodzinne optymalizacje. To zaangażowanie w utrzymanie wydajności pozwala Ascella aby pozostać stabilnym i wydajnym przez wiele tygodni, co jest niezbędną cechą dla każdej platformy obliczeniowej, a zwłaszcza dla wymagającej sfery obliczeń kwantowych.
1.3 AscellaInterfejs użytkownika
Łatwość użytkowania jest kolejnym ważnym aspektem Ascellaprojekt. Użytkownicy mogą wchodzić w interakcje z Ascella zdalnie przy użyciu open-source’owego frameworka Perceval. Umożliwia to użytkownikom wysyłanie zadań, takich jak określanie określonego wzorca dla obwodu fotonicznego lub żądanie określonej transformacji stanu wejściowego, który może zawierać od jednego do sześciu fotonów. Wyniki są następnie wysyłane z powrotem do użytkownika.
Ascella stanowi ekscytujący krok w kierunku skalowalnych obliczeń kwantowych. Obsługuje rekordową liczbę pojedynczych fotonów na chipie, a jego solidne możliwości w połączeniu z przyjaznym dla użytkownika interfejsem sprawiają, że jest obiecującym graczem w hałaśliwej erze obliczeń kwantowych w pośredniej skali (NISQ).
Chemia kwantowa: Ascella’s Variational Quantum Eigensolver
SEKCJA 2
Zrozumienie zachowania cząsteczek ma kluczowe znaczenie w dziedzinach takich jak chemia i medycyna. Jednak symulowanie zachowania molekularnego może być niezwykle skomplikowane dla klasycznych komputerów, zwłaszcza jeśli chodzi o zjawiska kwantowe. AscellaFotoniczny komputer kwantowy Quandela wykorzystuje Variational Quantum Eigensolver (VQE), narzędzie chemii kwantowej.
VQE to hybrydowy algorytm kwantowo-klasyczny, który może oszacować energię stanu podstawowego cząsteczki, zapewniając wgląd w jej konfigurację o najniższej energii. Wiedza o stanie podstawowym ma kluczowe znaczenie, ponieważ może pomóc przewidzieć, jak cząsteczka zareaguje w reakcji chemicznej, co z kolei może prowadzić do opracowania nowych leków lub bardziej wydajnych materiałów do produkcji energii. W naszym przypadku algorytm VQE został użyty na cząsteczce H2 z następującym ansatzem.
W tym miejscu pojawia się „wariacyjna” część VQE: iteracyjnie zmienia parametry funkcji falowej, aby znaleźć tę, która daje najniższą energię. Odbywa się to w pętli sprzężenia zwrotnego, w której komputer kwantowy oblicza wartość oczekiwaną, a następnie komputer klasyczny aktualizuje parametry i nakazuje systemowi kwantowemu ponowne obliczenia w oparciu o te nowe parametry.
W praktyce, AscellaVQE konsekwentnie zbiega do teoretycznej wartości własnej energii w ciągu 50 do 100 iteracji, niezależnie od początkowych losowych parametrów lub długości wiązania. W testach algorytm osiągnął dokładność chemiczną – błąd wynoszący zaledwie ±0,0016 Hartree, jednostkę energii w skali atomowej – z prawdopodobieństwem sukcesu wynoszącym 93%. Te znaczące ulepszenia można przypisać wysokiej jakości źródłom pojedynczych fotonów i zaawansowanej kontroli układu fotonicznego.
Ascellakwantowa sieć neuronowa/wariacyjny algorytm kwantowy do klasyfikacji: SEKCJA 3
Firma Quandela z powodzeniem skonstruowała i wytrenowała kwantową sieć neuronową (QNN) do nadzorowanego zadania klasyfikacji uczenia się przy użyciu naszej zaawansowanej kwantowej platformy obliczeniowej, Ascella. Projektując nasze podejście, wykorzystaliśmy wariacyjny algorytm kwantowy (VQA) do budowy QNN. Podobnie jak w przypadku klasycznych sieci neuronowych, w których połączone neurony są reprezentowane przez numeryczne wagi i odchylenia, QNN składa się z kubitów manipulowanych przez bramki kwantowe. Parametry tych bramek kwantowych, analogiczne do wag i uprzedzeń w klasycznych sieciach, są dostosowywane podczas procesu uczenia się w celu zminimalizowania pewnej funkcji kosztu.
VQA reprezentuje hybrydową strategię kwantowo-klasyczną, w której urządzenie kwantowe przygotowuje stan kwantowy zależny od zestawu parametrów, a urządzenie klasyczne szacuje wartość tego stanu.
Opracowaliśmy nasz algorytm kwantowy z ansatzem fotonicznym. Ansatz ten został zaprojektowany bezpośrednio na Ascella za pomocą rozdzielaczy wiązki i przesuwników fazowych. Następnie zastosowaliśmy tę metodologię do zbioru danych Iris, który zawiera pomiary takie jak rozmiary płatków i działek różnych gatunków kwiatów Iris. Zadanie polegało na przewidywaniu gatunku tęczówki na podstawie tych pomiarów.
Eksperyment ten stanowi zastosowanie wariacyjnego klasyfikatora kwantowego z pojedynczymi fotonami, co jest godnym uwagi osiągnięciem. Proces ten dał dokładność 92% na zestawie treningowym i jeszcze wyższą 95% na zestawie testowym po około 15 iteracjach.
Podsumowując, nasze wyniki stanowią ważny krok w kwantowym uczeniu maszynowym. Pomyślnie trenując QNN w klasycznym problemie uczenia maszynowego, zademonstrowaliśmy potencjał komputerów kwantowych do wydajnego przetwarzania złożonych danych. To udane zastosowanie wariacyjnego klasyfikatora kwantowego z pojedynczymi fotonami zwiastuje ekscytujące możliwości dla przyszłości obliczeń kwantowych i uczenia maszynowego.
Kwantowe a klasyczne zadanie obliczeniowe: próbkowanie bozonowe SEKCJA 4
Jako krok naprzód w naszym podejściu do obliczeń kwantowych, przeprowadziliśmy eksperyment próbkowania bozonowego z sześcioma pojedynczymi fotonami.
Wyjaśnijmy, co to oznacza, zaczynając od Boson Sampling. Potraktujmy to jako próbę przewidzenia, w jaki sposób grupa fotonów (cząstek światła) rozłoży się po przejściu przez złożoną sieć luster i rozdzielaczy. Klasyczna wersja, tablica Galtona, może pomóc w wizualizacji tego z kulką poruszającą się między kołkami i tworzącą coś takiego.
Jednak prawdziwe zadanie kwantowe jest znacznie bardziej złożone. W przeciwieństwie do kulek na tablicy Galtona, fotony interferują ze sobą w sposób kwantowo-mechaniczny, co prowadzi do bardzo złożonego rozkładu prawdopodobieństwa stanów wyjściowych. Symulowanie tego procesu za pomocą klasycznych komputerów jest niezwykle trudne, ale komputer kwantowy, naśladując zachodzące procesy fizyczne, może rozwiązać ten problem w sposób naturalny.
Nasz eksperyment polega na przeprowadzeniu próbkowania bozonowego dla rekordowej liczby sześciu fotonów za pomocą w pełni rekonfigurowalnego interferometru. Interferometr to urządzenie służące do rozdzielania i rekombinacji wiązek światła, tworząc wzór interferencyjny, który można zmierzyć.
W eksperymencie zmierzyliśmy występowanie koincydencji fotonów (gdy wiele fotonów jest wykrywanych w tym samym czasie) dla maksymalnie sześciu fotonów. Następnie porównaliśmy zaobserwowany rozkład wyjść fotonów z idealnym rozkładem przewidywanym przez nasz model.
Osiągnięcie to jest znaczącym krokiem naprzód dla obliczeń kwantowych, przeprowadziliśmy eksperyment w próbkowaniu bozonowym z sześcioma pojedynczymi fotonami z wysoką wiernością, demonstrując to kwantowe ponadklasyczne zadanie obliczeniowe.
Rozszerzenie Ascella’s Quantum Computing Capabilities SEKCJA 5
Przesuwamy granice naszych możliwości w zakresie obliczeń kwantowych. Obecnie osiągnęliśmy prędkość działania, która jest imponująca. Wierzymy, że prędkość tę można jeszcze poprawić, optymalizując każdy element naszego systemu.
Jednym z takich komponentów jest źródło pojedynczych fotonów, które zasadniczo generuje maleńkie cząsteczki światła lub fotony, które przenoszą informacje w tym systemie. Obecnie działa ono z wydajnością około 55%[i]. Dzięki postępowi technologicznemu wierzymy, że możemy zwiększyć tę wydajność nawet o 96%. Oznacza to, że platforma będzie generować prawie dwa razy więcej użytecznych fotonów niż obecnie, co znacznie zwiększy potencjał przetwarzania danych.
Ponadto planujemy zwiększyć rozmiar interferometru na używanym przez nas chipie. Oznacza to, że chip może przetwarzać więcej informacji jednocześnie, co oznacza, że możemy przeprowadzać testy na większych cząsteczkach niż H2 i ogólnie bardziej wyrafinowanych algorytmach.
Istotną częścią tych badań są stany GHZ. Są to specyficzne splątane konfiguracje w układzie kwantowym obejmującym trzy lub więcej cząstek. Tworzenie i kontrolowanie tych stanów GHZ jest kamieniem milowym w informatyce kwantowej. Reprezentuje naszą rosnącą zdolność do manipulowania złożonymi splątaniami kwantowymi obejmującymi wiele cząstek, co jest kluczowym aspektem obliczeń kwantowych opartych na pomiarach (MBQC). Jeszcze bardziej imponujące jest to, że na Ascella udało nam się wygenerować te stany GHZ w sposób przewidywalny lub „zwiastowany”. Oznacza to, że mogliśmy nie tylko przewidzieć powstanie tych stanów, ale także potwierdzić ich wystąpienie.
Pomyślne wdrożenie tych zwiastunowych schematów splątania otwiera drzwi do odpornych na błędy obliczeń kwantowych. To ekscytujący czas dla obliczeń kwantowych i cieszymy się, że możemy być w czołówce dzięki Ascella!
[ad_2]