Буткемп із квантового програмування: які фахівці потрібні, як опанувати технології та сучасний стан галузі

Привіт! Мене звати Дамир Гадієв, я R&D Science Practice Leader у SoftServe. Уже понад 12 років я працюю у Software engineering, а з 2021-го займаюся квантовими технологіями.

Я маю бекграунд з теоретичної фізики, як і багато моїх колег, однак з розвитком квантових технологій стає очевидним, що галузь потребує мультидисциплінарних спеціалістів, які могли б заповнити нестачу у фахових кадрах. Кілька місяців тому ми з партнерами організували перший в Азії квантовий буткемп, де спробували подолати розрив між різними спеціальностями та відкрити квантову сферу для всіх, хто наважиться її дослідити.

У цій статті разом з моїм колегою Tan Yick Wei Jonas на прикладі нашого буткемпу ми розповімо, які знання і навички варто мати, аби займатися квантовим програмуванням, як за шість тижнів можна опанувати основи цієї складної дисципліни і які задачі можуть вирішити команди з різним бекграундом. У кінці я залишу корисні посилання для тих, хто подужає прочитати статтю повністю 🙂

Команда учасників квантового буткемпу разом із представниками SoftServe та партнерами

Хто потрібен квантовим технологіям

У 2022-му інвестиції у квантум побили новий рекорд, сягнувши 2,35 мільярда доларів. Але, окрім інвестицій, цьому перспективному ринку потрібні таланти — і хоч так званий talent gap торік зменшився, він досі залишається чималим. Як стверджує дослідження McKinsey, завдяки новим університетським програмам з квантового програмування, понад дві третини відкритих вакансій могли бути заповнені випускниками-магістрами.

Так, наприклад, кілька людей з нашої нинішньої команди долучилися до нас після завершення інкубатора, який ми проводили зі Львівським національним університетом імені Івана Франка у 2021-му році. Під керівництвом представників R&D SoftServe та викладачів кафедри теоретичної фізики університету студенти розв’язували прикладні задачі за допомогою квантових обчислень. І запропонували рішення для однієї з задач BMW Quantum Computing Challenge про оптимізацію положення сенсорів на автомобілі для безпілотного керування.

У березні-квітні 2023 року відбувся цикл лекцій та практичних занять з квантових обчислень від представників R&D SoftServe для студентів освітньої програми «Квантові комп’ютери та квантове програмування» фізичного факультету університету, наприкінці якого організували воркшоп, де студенти вчилися шукати цікаві практичні застосування основних квантових алгоритмів.

Однак дослідження також наголошує, що решту вакантних місць можуть заповнити люди із суміжних спеціальностей або ж перекваліфіковані фахівці.

В Україні ми працювали зі студентами-фізиками, і це дало чудовий результат. Цей досвід сподобався багатьом партнерам, зокрема, ним зацікавилися у Сингапурі. І хоча в Сингапурі є багато чудових університетів та талановитих стартапів у галузі квантових технологій, в регіоні не так багато чинних квантових команд, і майже відсутні комплексні інтегровані проєкти, які б поєднали теорію та практику. Тож у співпраці з сингапурським Національним центром квантових обчислень ми організували перший квантовий буткемп в Азії — й обрали дещо інакший підхід до відбору учасників.

Ми вирішили сформувати змішані команди. Перед відбором ми надали учасникам доступ до вступних матеріалів, тож ті, хто не був знайомий з квантовим обчисленнями, зокрема студенти з електроніки чи комп’ютерних наук, змогли стартувати роботу. У нас були студенти з комп’ютерних наук, інжинірингу, математики, фізики, навіть один студент філософії, який виявив сильний інтерес до квантових технологій і під час співбесіди продемонстрував, що готовий опанувати вступний матеріал. Його навичок виявилося достатньо, аби заглибитися в тему, розібратися в базових принципах квантової механіки (і ставити принципово важливі, і неочевидні, питання, щодо розв’язуваних задач). Так само, ми мали учасників, які щойно захистили PhD з експериментальної фізики, або були в процесі на момент буткампу.

Змішаний бекграунд учасників спонукав їх широко дивитися на індустрію, розбиратися у різних процесах, шукаючи для себе найкращу роль: хтось займався аналізом вимог задачі, хтось готував пітч, інші йшли у хардкор та розбиралися з фізичними та математичними основами алгоритму, а хтось працював над імплементацією. Мені також дуже сподобалося, що завдяки різноманітному досвіду учасників, кожен з них приносив на навчання свій контекст, свою перспективу, що дозволяло розглядати проблеми з різних точок зору й інколи привертало увагу до несподіваних речей.

Студенти під час навчання

Як опанувати квантові технології: досвід буткемпу

Наш буткемп тривав майже вісім тижнів: шість з них були присвячені навчанню, воркшопам і фундаментальним лекціям, ще півтора — роботі над практичним проєктом. Очевидно, що глибоко розібратися у квантових технологіях за такий короткий час майже неможливо, але й ми й не ставили собі за мету випустити job-ready спеціалістів.

Нашою ціллю, по-перше, було надання учасникам інструментів й навичок для того, аби вони могли розібратися в основах і зрозуміти, у якому напрямі можуть реалізувати себе; по-друге, дати їм змогу практично застосувати здобуті знання і протестувати можливості квантових технологій. Далі я на прикладі розповім, які базові навички і знання потрібні, щоб почати опановувати квантові технології.

Базові знання

Як я уже згадував, перед початком роботи ми надали учасникам базові матеріали, без яких неможливо починати вивчення квантових технологій. До них входять:

  • Лінійна алгебра, яку можна назвати мовою квантового програмування. Необхідна, щоб зрозуміти, як працюють квантові алгоритми. За допомогою лінійної алгебри описуються стани кубітів, квантові операції і так далі. Щонайменше необхідно ознайомитися з основами векторів і множення матриці.
  • Основи комп’ютерних наук. Для роботи з квантовим програмуванням необхідно розумітися на алгоритмах, програмуванні та структуруванні даних. Ми також давали учасникам ухил на теорію складності обчислень, адже вона знадобиться для розуміння теорії квантової складності, яка вивчає класи складності, визначені з використанням квантових комп’ютерів і квантової інформації.
  • Python, оскільки наразі саме цю мову найчастіше використовують для квантового програмування завдяки її простоті та великим бібліотекам.
  • Базова квантова механіка. Квантові комп’ютери — це, по суті, керовані квантово-механічні пристрої, які використовують властивості квантової фізики для виконання унікальних обчислень, які важко виконати на звичайних комп’ютерах. Це забезпечується завдяки трьом явищам квантової механіки: суперпозиції, інтерференції і заплутаності. Це базові поняття, без яких неможливе подальше заглиблення у квантові технології.

Пірнаємо глибше

Від того, який напрям роботи у квантових технологіях людина для себе обирає (програмування, дослідження, робота з залізом, інжиніринг, продакт-менеджмент тощо), залежатиме глибина тих чи інших знань. Під час буткемпу ми намагалися охопити основні домени та дати той матеріал і навички, які найбільш затребувані в індустрії. Щотижня ми обирали певну тему та заглиблювалися у неї.

Базові квантові алгоритми

Квантові алгоритми — це алгоритми, які повністю або частково виконуються з допомогою квантових комп’ютерів, і здатні вирішувати задачі значно швидше за класичні алгоритми. Найвідомішими є алгоритм Шора, який для факторизації використовує як квантові, так і класичні обчислення. Також у квантовому програмуванні використовуються алгоритм Саймона, алгоритм Дойча-Йожи, алгоритм Гровера, алгоритм Бернштейна-Вазірані та інші.

Варіаційні квантові алгоритми

Базові квантові алгоритми є причиною того, що квантові обчислення набули популярності в перші дні, але вони часто вимагають відмовостійких великомасштабних квантових комп’ютерів для роботи. Останнім часом дослідники вивчають гібридні квантово-класичні алгоритми, які називають варіаційними квантовими алгоритмами, щоб знайти способи зробити КК корисним у найближчій перспективі, такі як VQE або QAOA.

Квантова симуляція для хімії і матеріалознавства

Ідея квантових обчислень насправді почалася з квантових симуляцій! В одній зі своїх лекцій Фейнман запропонував ідею зробити симуляції квантовими, оскільки «Природа, чорт забирай, не класична, і якщо ви хочете зробити її симуляцію, вам краще зробити її квантово-механічною». Методи для цього набору тем, як правило, більш щільні та технічні, але ми хотіли, щоб вони змогли подолати труднощі, пов’язані з переглядом щільних документів, щоб зосередитися на ключових ідеях того, до чого прагнуть дослідники в цій галузі.

Квантове машинне навчання (QML)

Ця дисципліна лежить на перетині квантового програмування і машинного навчання, і є досить молодою та тільки розвивається. Комбінуючи можливості обох напрямів, QML здатне створювати потужніші та ефективніші системи штучного інтелекту шляхом використання унікальних властивостей квантових обчислень.

Одним з найбільш перспективних направлень у квантовому машинному навчанні є квантові нейронні мережі (QNNs), які ґрунтуються на класичних принципах роботи нейронних мереж, однак використовують квантові стани для проведення обчислень. Також варто звернути увагу на дослідження квантових розширень для опорних векторних машин (SVM), завдяки чому SVM можуть тренуватися на більших датасетах і значно швидше (так-так SVM — то «минуле сторіччя» в МL, але для дослідження фундаментальних можливостей алгоритмів та пошуків переваги — підходить чудово).

Квантові мережі, безпека та криптографія

Це цілий окремий напрям, пов’язаний з квантовою безпекою. Окрім того, що потрібно розбиратися у класичних алгоритмах шифрування, принципах їхньої роботи, необхідно ще й розуміти, як можна вибудувати захист. Квантові комп’ютери мають потенціал зламати сучасні алгоритми шифрування, і вже зараз необхідно працювати над виявленням вразливостей і методами захисту.

Ці методи захисту бувають двох видів: Квантовий розподіл ключів (QKD) та постквантова криптографія (PQC). QKD — це квантова технологія, яка мож бути надійним захистом в різних сценаріях (і вже є перші індустріальні приклади), в той час, як PQC — це пошук нових класичних протоколів, які можуть захистити від квантових атак.

Залізо та фреймворки

Звичайно, для роботи з квантовими технологіями важливо також розуміти «залізо» та фреймворки, з допомогою яких здійснюються квантові обчислення. Для цього ми запрошували наших партнерів, які є виробниками квантових продуктів, і зацікавлені у тому, аби навчити спеціалістів працювати з ними. Ось кілька прикладів та тем, які ви частково можете опанувати з допомогою відкритих джерел.

  • IBM Quantum і Qiskit 101: один з найпопулярніших універсальних пакетів програмування для квантових комп’ютерів, який можна використовувати з квантовими комп’ютерами IBM у хмарі.
  • CuQuantum і CUDA Quantum by Nvidia: використовується для запуску симуляцій квантових обчислень на суперкомп’ютерах для прискорення робочих процесів.
  • Amazon Braket від AWS: забезпечує середовище розробки, де можна з’єднати та інтегрувати багато систем разом.
  • Pennylane від Xanadu: ще один популярний пакет програмування для квантових комп’ютерів, пристосований для цілей QML.

Додатково ми з учасниками відвідали Speqtral, щоб ознайомитися з їхніми пристроями квантового програмування.

Наш партнер з IBM розповідає учасникам про Qiskit

Кейси, над якими працювали учасники

Наприкінці буткемпу учасники півтора тижня працювали над реальними бізнес-кейсами. Ми сконтактували компанії-партнери по буткемпу (у статті я не називатиму їх з міркувань конфіденційності) і запитали їх, чи мають вони use cases, які вони хотіли б вирішити за допомогою квантового програмування? В ході дискусій з партнерами ми викристалізували певні кейси, які можна було б лімітовано вирішити під час буткемпу. Звичайно, цього часу недостатньо, аби напрацювати дієве рішення, але цілком вистачило, аби зробити перший аналіз доцільності (feasibility study), зрозуміти, як розвʼязувати цю задачу, коли вона стане практичною, і які квантові алгоритми можна буде застосувати.

Ціноутворення опціонів за допомогою квантових обчислень

Ми всі чули про акції компаній, які можна купити. Ціни на них коливаються залежно від економічних та соціальних обставин і факторів ризику, які є на ринку. Щоб захистити себе від таких коливань, люди виявили інструмент, відомий як опціон. Опціон — це договір, що надає можливість купити або продати певний актив в майбутньому на тих умовах, які визначені під час укладення опціону.

Ці опціони допомагають зменшити ризики, пов’язані з ринковими коливаннями. Самі опціони також можуть бути предметом торгівлі на біржі, в залежності від типу опціону і моменту продажу. Для розрахунку цін на опціони зазвичай використовуються алгоритми Монте-Карло, які можуть розвʼязувати математичні задачі за допомогою моделювання випадкових величин і прогнозувати результати невизначених подій. Проте для великих портфелів і складних опціонів, цей процес стає надто складним і вимогливим в плані обчислення, оскільки потрібно розглядати мільйони можливих варіантів цінових змін.

Квантові комп’ютери можуть потенційно розвʼязати цю задачу швидше, ніж класичні алгоритми. Проте для цього потрібні високопродуктивні квантові пристрої, які наразі ще не доступні на ринку. Тому ми вирішили запропонувати нашим студентам піти іншим шляхом і спробувати використовувати квантові алгоритми машинного навчання.

Тож ми згенерували датасет, згенерований на звичайних Монте-Карло симуляціях для цих асетів, і натренували на ньому класичний та квантовий алгоритм машинного навчання. Машинне навчання обчислює вартість дериватів у 1000 разів швидше, ніж традиційний метод Монте-Карло. Пізніше ми розширили цю ідею до алгоритмів квантового машинного навчання (QML), показуючи до 200-кратного прискорення порівняно з методами Монте-Карло та утримуючи точність 10^-4. Ця модель миттєво зменшує обчислювальні витрати та дозволяє проводити оцінки ризику частіше, що відкриває шлях до значного розширення квадратичного прискорення та безшовної інтеграції квантових технологій у майбутньому.

Симуляція мережі для квантового розподілу ключів (QKD)

Захищений трафік уже зараз може бути дзеркально відображений і скомпрометований, як тільки квантові пристрої досягнуть необхідного розміру. У проєкті ми досліджували квантовий розподіл ключів, безпечне генерування та передачу випадкових ключів на основі законів квантової механіки.

Якщо у вас є власний ключ, ви можете використовувати його для відкриття лише конкретних «дверей», для яких він призначений. Зазвичай ключі створюються традиційними методами. Але завдяки квантовим властивостям і принципам квантової механіки, ви можете створити ключі, які неможливо точно скопіювати. Під час надсилання такого ключа від однієї точки до іншої, завдяки властивостям квантової механіки буде виявлено будь-яку спробу злому і ключ миттєво знищиться. Так ця мережа буде надзвичайно захищеною від вторгнень, оскільки вона базується на принципах квантової механіки.

Для розподілу квантових ключів між різними користувачами існують протоколи, які не порушують квантову механіку. Це дозволяє забезпечити безпеку в обміні повідомленнями, оскільки кожне повідомлення буде зашифроване цим безпечним ключем.

Учасники провели симуляцію цієї квантової мережі та імплементували протокол, який вже стандартизований. В результаті вони змогли успішно забезпечити безпечний обмін повідомленнями всередині мережі. Наступним кроком є побудова справжньої мережі, в якій за допомогою справжніх квантових ключів будуть зашифровані повідомлення для забезпечення їхньої безпеки. Ця ідея обіцяє значні можливості для застосування квантової безпеки на практиці, особливо в області обміну конфіденційною інформацією.

Контроль маршрутів БПЛА

У зв’язку зі зростанням кількості автоматизованих дронів, контроль їхніх маршрутів стає ключовим для ефективності, безпеки та моніторингу усієї системи. Для планування маршрутів БПЛА зараз використовують алгоритми Монте-Карло, детерміновані алгоритми, наприклад алгоритм Дейкстри, але вони витрачають на це дуже багато часу, особливо, якщо потрібно врахувати умови, пов’язані з погодою, рельєфом, будинками тощо.

Разом з учасниками ми хотіли обрати інший, нетривіальний підхід, і звернулися до машинного навчання, оскільки ця модель може легко адаптуватися до різних умов. Команда розробила модель на основі квантового машинного навчання для створення надійної системи управління трафіком великої кількості дронів. Система є гнучкою до змін ландшафту та умов погоди, а також можливих інших викликів. Результат показав, що ця система може навчатися краще, порівняно з класичними аналогами, та ефективно виявляє нелінійні залежності.

Порівнюючи модель машинного навчання із класичними алгоритмами планування маршруту, можна побачити, що модель машинного навчання навчається швидше. Втім, вона вимагає деякого часу на обробку запитів через квантовий комп’ютер. Це може бути більш часозатратним процесом порівняно з традиційними алгоритмами, але надає переваги при тренуванні та адаптації моделі під нові умови.

Робимо спільне селфі з колегами 🙂

Висновки

Можна з упевненістю сказати, що квантові обчислення можуть мати найбільший вплив на розв’язання проблем, які покладаються на квантові явища: моделювання квантових систем (наприклад, молекулярна динаміка), хімія та дизайн матеріалів. Але вони також можуть бути застосовані у шифруванні та кібербезпеці, фінансових послугах, аналізі даних, логістиці ланцюгів постачання і високопродуктивних обчислень (комбінаторна оптимізація, задовільність, планування, первинний факторинг, моделювання методом Монте-Карло, рівняння в частинних похідних).

Спеціалістам з фізичною освітою буде легше розібратися в принципах квантового програмування, але як показує практика — в сучасних реаліях це не є обов’язковою умовою для роботи з квантовими технологіями (фізика — дуже широкий домен, але більшість інформації необхідної для розуміння базових концепцій квантових обчислень викладається на загальних для всіх курсах). Насправді люди з різним досвідом (особливо стане в нагоді computer science, ML, прикладна математика, програмування в широкому сенсі) можуть прийти та запропонувати свій власний унікальний погляд на квантові технології.

Необхідно мати розуміння комп’ютерних наук та програмування, аби програмувати та оцінювати складність алгоритмів, щоб визначати, де саме квантовий комп’ютер може надати перевагу в порівнянні з класичними алгоритмами. Також слід навчитися розробляти аплікації та класичні рішення для квантової інфраструктури. Розуміння, як будувати системи та як використовувати алгоритми в реальних проєктах, допоможе розвʼязувати практичні задачі в галузі квантового обчислення.

Як показує досвід буткемпу, студенти абсолютно різних спеціальностей можуть опанувати основи за кілька тижнів до рівня, коли самостійно можуть обрати цікаву галузь квантових обчислень і напрямок подальшого розвитку (тримаючи в голові застосування знаннь для розвʼязання лімітованих практичних задач). Окрім hard skills, однією з найважливіших навичок є вміння розбиратися у новому. 🙂

Для тих, хто дочитав до цього моменту і зберіг інтерес до квантового програмування, лишаю посилання на кілька корисних навчальних ресурсів з квантового програмування.

  • На каналі Qiskit можна знайти багато корисного про основи квантового програмування та їх застосування з допомогою коду. Qiskit (quantum information science kit) — open-source пекедж Python, який дозволяє працювати з квантовими алгоритмами на залізі від IBM.
  • Microsoft Quantum Development Kit це пакет SDK, необхідний для взаємодії зі службою Azure Quantum. Він вбудований у портал Azure Quantum, де можна розробляти програми з допомогою безплатних записних книжок Jupyter Notebook. До нього входять бібліотеки Q# з відкритим кодом, квантові симулятори та розширення для Visual Studio 2022 й Visual Studio Code.
  • Google Quantum Computing Playground — це симулятор квантового комп’ютера, що імітує квантовий регістр із 22 кубітів і дозволяє користуватися алгоритмами Шора і Гровера.
  • PennyLane — це програмний фреймворк з відкритим вихідним кодом для квантового машинного навчання, квантової хімії та квантових обчислень, з можливістю запуску на будь-якому обладнанні, побудованому за допомогою Xanadu.
  • Курси від Національного центру квантових обчислень у Сингапурі. Вони почали випускати свої курси, а також запустили блог, у якому можна знайти корисні матеріали.

Сподіваюся, цей матеріал був для вас корисним. Бажаю вам чудової та захопливої подорожі у світі квантових обчислень!

👍ПодобаєтьсяСподобалось8
До обраногоВ обраному6
LinkedIn
Дозволені теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter
Дозволені теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter

Чи має сенс квантові обчислення без грунтованих знань у інших галузях. Як тобі фізика, хімія, NLP, клітинна біологія мабуть?

Наскільки продвинутим повинні бути знання лінійної алгебри? бо якщо взяти звичайні лінійні простори то навіть без точного апарату на інтуїції можно працювати, а як справи із Гільбертовими просторами? Вони начебто не дуже легко даються.

Чи ви знаєте гарні матеріали які популяризують квантові обчислення. Я бачив лише або є спрощення на рівні кьюбітів або зразу беремо і показуємо матапарат. Можливо якісь проміжні ідеї як зробити напрямок більш доступним?

Хотілось би зрозуміти тренди
1) Що за 10 років змінилося в плані заліза і в плані алгоритмів.
2)В ярких задачах ML квантові комп’ютери дають прискорення вже зараз/будуть давати через кілька років? Яке число параметрів для задач ML, на разі на смартфоні моделі з мільйонами параметрів можна виконувати в real-time. Виглядає що існують симуляції квантових обчислень, якими емулюють тренувати моделей машинного навчання. Питання, який стан на реальному залізі, та його перспективи в найближчі кілька років?
3) Через фізичні обмеження схоже що квантові обчислення будуть лише доступні через хмарні обчислення, доступ до яких будуть надавати корпорації.
Що дкмаєте про спроби Intel:
www.bloomberg.com/...​rch-for-quantum-computing

Дякую за статтю!

Питання: коли ми проходили в університеті квантові комп’ютери, то пам’ятаю що квантовими алгоритмами, які дійсно давали гарну додану вартість, були алгоритм Шора (який дійсно може зламувати RSA значно швидше) та Дойча — Йожи.

Чи можете ви навести якісь нові приклади алгоритмів, які можуть зробити велику різницю? (бачу, що ви описали сфери застосування, але конкретні алгоритми не знайшов)

Просто переглянути книгу «Програмування квантових комп’ютерів», там багато прикладів. Так э розв`язок проблеми 3-SAT, фазове кодування для алгоритму antialiasing, ...

3-Sat це Np складна задача, її неможливо вирішити(за поліноміальний час) на квантовому компьютерi

Ну... розв’язок покращує експоненту зі 1.329 (класика) до 1.153 (квантовий).

Але, як я розумію, інтерпретація квантового комп’ютеру на звичайному це також експонента. Як я чув, відношення між класами BQP та NP-complete на сьогодні невідоме.

Ви праві, тому основна користь в покращенні поліноміальних алгоритмів. Якщо є експонента то там вже не дуже важливо який коефіцієнт

Ну... З практичної точки зору коефіцієнт важливий. Наприклад,
1.153 ^ 100 ~= 1.5e+6, а от 1.329 ^ 100 ~= 2.2e+12, тобто різніця шість порядків.

Ну буде не 100, а 150, таке. Якщо не буде знайдено спосіб перетворити поліном на щось більш привабливе — це принципово нічого не змінить і більшість буде використовувати рандомізовані алгоритми. Хоча мої знання кк обмежені університетськими курсами тому може мені не варто бути настільки впевненим в сфері де я слабо розбираюсь

А яка зараз ситуація із шумами та корекцією помилок? Скільки зараз потрібно об`єднати фізичних кубітів для створення одного надійного логічного кубіту?

Залежить від виробника, технології, і того як хто хоче рахувати. В результаті, важливо скільки кубітів можна використовувати з точністю що підходить експерименту. Хтось каже потрібно 1:1000 (особливо якщо ти виробник нової «проривної» технології, а той пристрій що потребує 1:1000 — твій конкурент :D), а хтось скаже що потрібно 1:1

Який зараз стан з залізом? Скільки квантових компьютерів є в світі? Скільки чесних кубітів максимум. Які практичні задачі на них вирішуть? Чи це все ще на рівні досліджень? Навіщо мені вчити квантове програмування якщо в мене немає доступу до заліза. IBM Quantum Platform наче запустили 7 років тому і який з цього профіт? Коли запустили ChatGPT всі захотіли собі його десь прикрутити. Чому ніхто не хоче собі десь прикрутити квантові обчислення? Шось таке відчуття що діло не йде і якогось відчутного прогресу у практичному застосуванні квантових обислень немає. Розкажіть як з цим справи зараз.

Взагалі Amazon і Alibaba дає доступ до квантових обчислень. Причому реальних а не симуляція
Комерційні кейси доречі теж були на скільки я знаю. Була наприклад вирішена задача комівояжера для таксі у Пекіні. Не те щоб не можливо її було вирішити на звичайному кремнії, але факт залишається фактом — якісь задачі там вирішують.
Якраз головна проблема — нема єдиного стандарту обчислень. Кожен виробник ліпить щось своє і поки не з’являться хоч якісь стандарти про масове використання не може бути йти і мови . Впринципі це щось нагадує і зародження кремнієвої епохи

Amazon і Alibaba дає доступ до квантових обчислень.

Скільки кібітів там і яка ціна? Зможу я наприклад на них якийсь хеш реверснути?

Хеш реверснути сумніваюсь що поки що здатні (принайні за адекватний прайс)
По цінам та можливостям ось
aws.amazon.com/braket/pricing
Тут все заплутано і треба вивчати. Ну ось перший що попався IonQ Harmony пишуть 11 кубітів 30 центів/task Що таке task хз

Точно не здатні, станом на 2023 — потрібні тисячі (десятки тисяч) кубітів (логічних) і fault tolerant пристрої (без помилок) + є деякі фундаментальні думки на цей рахунок: arxiv.org/abs/2209.06930

Що ви маєте на увазі кажучи що задача комівояжера була вирішена? Покращена — можливо, але на квантовому комп’ютері НП складність прибрати неможна і за поліноміальний час її не вирішити

Якраз головна проблема — нема єдиного стандарту обчислень.

Насправді є робота в цьому напрямку: github.com/openqasm/openqasm і про стандартизацію заліза також думають, ми просто наразі на етапі приблизно перших звичайних обчислювальних машин :D

Мені здається що до сраки то. Усі стандарти задасть перший комерційно успішний виробник. А стандартизаторам залишиться просто його задокументувати. Як в принципі завжди це робили.

Ну IBM (найдоступніші і найперевіреніші, і можливо найбільш комерційно успішні пристрої наразі) якраз релізили імплементацію QASM в Qiskit, ну наразі інші платформи намагаються до цього стандарту йти, і якщо потрібно щось швидко перенести з однієї платформи на іншу то якраз QASM і допомагає (якщо вона за технологією сумісна)

IBM Quantum Platform наче запустили 7 років тому і який з цього профіт? Коли запустили ChatGPT всі захотіли собі його десь прикрутити. Чому ніхто не хоче собі десь прикрутити квантові обчислення?

Хороше питання

IBM Quantum
Try Qiskit Runtime on IBM Cloud and claim a $500 voucher! 🚀
If you’re interested in trying the newly available 127-qubit device on IBM Cloud, use the “QUANTUM23” promo code and claim your $500 USD voucher here.
cloud.ibm.com/...​ervices/quantum-computing
IBM Quantum Platform наче запустили 7 років тому і який з цього профіт? Коли запустили ChatGPT всі захотіли собі його десь прикрутити. Чому ніхто не хоче собі десь прикрутити квантові обчислення?

Ну... ChatGPT дуже простий у використанні: написав текст — отримав відповідь. Або відправив HTTP-запит з JSON, отримав JSON. Це можуть зробити 99% розробників. Якщо брати квантові обчислення, то... там все по іншому... м’яко кажучи. Знову це скоріше має відношення до різних обчислень, які досить довго виконуються на звичайному залізі, а це... дуже невеликий відсоток шипотребу.

Який зараз стан з залізом?

Я б сказав що все ще у дуже початковому стані. Є багато напрямків (універсальний квантовий комп’ютер (en.wikipedia.org/...​ki/Quantum_Turing_machine), або QPU що виконує лише специфічні задачі, наприклад квантовий аннілер від D-Wave) і технологій (холодні атоми, різноманітні фотонні пристрої, надпровідні і т.д.). Більшість з існуючих пристроїв це 1-2 кубітні девайси в університетських лабораторіях (якщо термін кубіт взагалі можна до них вживати в залежності від технології або рівня), ну і є доволі великі гравці з десятками і сотнями кубітів (тут ще залежить хто як рахує скільки фізичних кубітів можна назвати одним логічним). Всі вони мають великий відсоток помилок (чим більше кубітів і глибші логічні ланцюжки) — тим гірше.

Скільки чесних кубітів максимум.

Дуже залежить від задачі яку вирішуєш, можна підібрати такий лейаут що дуже ефективно пасує до формулювання і можна використати 127 кубітів, можна використати великі пристрої d-wave під специфічні задачі і там будуть доступні тисячі кубітів.

Які практичні задачі на них вирішуть

Єдиними практичними задачами наразі я б назвав ті задачі, що допомагають будувати кращі квантові процессори, або вирішувати задачі в яких є квантова природа за визначенням (фізична і хімічна симуляція)

Навіщо мені вчити квантове програмування якщо в мене немає доступу до заліза

Доступ до заліза є через багато платформ, в тому числі безкоштовний.

BM Quantum Platform наче запустили 7 років тому і який з цього профіт?

Вони зробили першу доступну платформу, відкриту до взаємодії і дуже сильно розвинули цим всю індустрію, бо вчені можуть робити експерименти і підтягувати теоретичну і практичну базу, створювати стандатри і т.д.

Коли запустили ChatGPT всі захотіли собі його десь прикрутити.

QC — це технологія що має на меті використовувати інший принцип для розрахунків, і ще далекий від того щоб приймати участь реальних бізнес-процессах, де хотілося б його прикрутити. Наразі для індустрії — місце технології це R&D, але коли пристроїв буде достатньо то можна буде мати і реальні аплікейшни. Для науки — це засіб вирішити задачі, які принципово неможливо вирішити використовуючи звичайні обчислювальні машини.

Шось таке відчуття що діло не йде і якогось відчутного прогресу у практичному застосуванні квантових обислень немає.

Я б сказав що був пік хибних очікувань від технології, наразі трошки більше критики, але насправді — все зійшло до того, щоб сидіти і робити досліди (а це те що наразі треба, тільки тримати в голові де це б можна було впровадити до життя)

Прикольно, але нажаль як думаю «круто зайнятись би наукою» одразу спадає на думку «де ж взяти стільки бабла»

Підписатись на коментарі