Terra Quantum, ein führendes Unternehmen für Quantentechnologie, hat ein umfassendes Benchmarking von öffentlich zugänglichen simulierten und nativen Quantencomputer-Plattformen durchgeführt. Ziel der Studie war es, zu untersuchen, wie die Vorhersagegenauigkeit und Trainingszeit von neuronalen Netzen durch die Verwendung eines hybriden Ansatzes (simulierte und native Quantenprozessoren in Kombination mit Hochleistungsrechnern) verbessert werden können. Die Studienergebnisse zeigen, dass die Kombination aus simulierten Quantenprozessoren und klassischen Hochleistungscomputern den leistungsfähigsten, kosteneffizientesten und robustesten Ansatz liefert.
Das erste Benchmarking wurde am 25. November abgeschlossen und vergleicht die Leistung einer Vielzahl öffentlich zugänglicher nativer¹ und simulierter² Quantencomputer (inklusive IonQ, Rigetti, Oxford Quantum Circuits, IBM, QMware und Amazon Braket). Da der Schwerpunkt der Studie auf realen Anwendungen lag, wurden keine Systeme in den Vergleich aufgenommen, die nicht öffentlich zugänglich sind oder sich noch in einem experimentellen Stadium³ befinden. Terra Quantum plant, das Benchmarking fortlaufend weiterzuführen und mit der technologischen Entwicklung am Markt zu erweitern.
„Das Benchmarking von Terra Quantum liefert belastbare Erkenntnisse für alle, die Quantencomputing einsetzen wollen. So können sie den effizientesten Einsatz sicherstellen und die Vorteile der Technologie heute schon nutzen, um sich erfolgreich auf die Quantenzukunft vorzubereiten,“ sagt Markus Pflitsch, CEO und Gründer von Terra Quantum. „Wir wollen Entscheidungsträgern und Experten in relevanten Branchen aktuelle Erkenntnisse für den optimalen Einsatz liefern. Die vorgestellten Ergebnisse sind eine wichtige Grundlage für die einfache und umfassende gewerbliche Anwendung.“
Basierend auf einer Kombination aus Geschwindigkeit, Betriebskosten und Ergebnisqualität wurde die Leistungsfähigkeit öffentlich zugänglicher Quantencomputer verglichen. Die Ergebnisse zeigen, dass eine Kombination aus simulierten Quantenprozessoren und klassischen Hochleistungscomputern (ein sogenannter hybrider Ansatz) heutzutage die zeit- und kosteneffizienteste Lösung für das Training von Quantenalgorithmen darstellt. Dies liefert wertvolle Erkenntnisse für gewerbliche Erstanwender, wenn sie die effizienteste Nutzung der Quantencomputertechnologie bewerten.
Das Training der neuronalen Netze auf einem simulierten Quantenprozessor vermeidet das Training eines Modells auf nativen Quantenprozessoren, das kostenintensive Wiederholungen erfordert. Diese sind erforderlich, da die heutigen nativen Quantenprozessoren Berechnungsfehler produzieren. Diese Fehler stellen aktuell die größte Herausforderung für Anbieter nativer Quantenprozessoren dar. Denn die Fehleranfälligkeit heutiger nativer Quantenprozessoren reduziert die Nutzbarkeit einer großen Anzahl physikalischer Qubits auf nur wenige nutzbare Qubits. Simulierte Quantenprozessoren bieten bis zu 40 fehlerfreie (sogenannte algorithmische) Qubits und ermöglichen damit heute komplexe quantengestützte Problemlösungen. QMware bietet bis zu 40 und AWS SV1 bis zu 34 simulierte Qubits.
„Die Analyse zeigt eindrucksvoll, dass nur eine Kombination von simulierten oder nativen Qubits mit klassischer Hochleistungsrechenleistung wettbewerbsfähige Ergebnisse im Vergleich zu den heutigen rein klassischen Ansätzen liefert. Das Benchmarking unterstreicht außerdem, dass Trainingsalgorithmen mit simulierten Qubits heute die einzige kommerziell vertretbare Option sind,“ unterstreicht Georg Gesek, CTO und Mitbegründer von QMware. „Sie sind im Vergleich zu nativen Quantenprozessoren günstiger und genauer. Bei Algorithmen die weniger als 30 Qubits benötigen, lieferten sie sogar schnellere Ergebnisse als ihre nativen Gegenstücke. Die von QMware simulierte QPU ist heute die schnellste öffentlich verfügbare Option für Algorithmen, die weniger als 27 Qubits benötigen. Im Benchmarking verarbeitete die Soft- und Hardware-Plattform von QMware die Daten 78% schneller als die zweitbeste Plattform.“
Selbst eine geringe Anzahl nativer Quantenverarbeitungsleistung hat das Potenzial, die Berechnungsfähigkeiten eines hybriden Quantencomputers zu steigern. Die Forscher erwarten von der Integration simulierter und nativer Quantenprozessoren in Hochleistungscomputer vielversprechende Anwendungsvorteile. Dadurch könnte sich die frühzeitige Einführung von Quantencomputern die kommerzielle Nutzung in einer Reihe von Branchen wie Telekommunikation, Logistik, Finanzen, Automobil und Energie noch beschleunigen.
„Quantenalgorithmen funktionieren am besten, wenn sie auf einer speziellen Hardware- und Softwarekombination ausgeführt werden, die Multithreading und RAM-Nutzung optimiert. Dies unterstreicht den wesentlichen Bedarf an Cloud-Plattformen wie QMware, die Algorithmen mit bis zu 40 Qubits ausführen können. Wir erwarten, dass physische QPUs einen praktischen Vorteil beim maschinellen Quantenlernen bieten, sobald Prozessoren mit 30 Qubits eine ausreichende Qualität aufweisen“, fügt Dr. Alexey Melnikov, Leiter des Bereichs Quantum Machine Learning bei Terra Quantum, hinzu.
Die vollständige Studie ist auf arXiv unter dem folgenden Link öffentlich zugänglich: “Benchmarking simulated and physical quantum processing units using quantum and hybrid algorithms”.
# # #
Über Terra Quantum
Terra Quantum Gruppe ist ein führendes Quantentechnologie-Unternehmen mit Sitz in Deutschland und der Schweiz und als „Quantum as a Service (QaaS)”-Unternehmen in drei Kernbereiche organisiert, der erste davon „Quantum Algorithms as a Service”. Hier erhalten Kunden Zugriff auf eine umfangreiche Bibliothek von Algorithmen, etwa für hybride quantengestützte Optimierung und quantengestützte neuronale Netze, die u.a. zur Lösung von komplexen Logistik-Problemen oder der Mustererkennung eingesetzt werden können. Terra Quantum entwickelt überdies neue Quantenalgorithmen für seine Kunden oder passt bestehende Algorithmen an deren spezifische Bedürfnisse an. Zudem bietet Terra Quantum mit „Quantum Computing as a Service” seinen Kunden u.a. Zugang zu ihren proprietären, hochleistungsfähigen simulierten Quantenchips (Quantum Processing Unit – QPU), QPUs des Quanten-Ökosystems und entwickelt zudem eigene native QPUs. Der dritte Bereich ist „Quantum Security as a Service”, über welchen Terra Quantum seine einzigartigen Lösungen für sichere Quanten- und Post-Quantenkommunikation weltweit anbietet. Besuchen Sie Terra Quantum auf LinkedIn und unter https://terraquantum.swiss.
1 QPUs: IonQ Harmony, Rigetti’s Aspen M-2, Oxford Quantum Circuits’ OQC Lucy und IBM Falcon r5.11
2 Simulatoren: AWS m5.24xlarge, AWS SV1 und QMware HQC4020
3 Zum Beispiel: Simulatoren wie der IBM Simulator statevector und die ATOS Quantum Learning Machine; QPUs wie IBM’s Eagle Prozessor, Honeywell’s System Model H1 und Google’s Sycamore Prozessor; sowie quantum simulating backends wie die IBM Qiskit machine learning suite und das Qulacs package.
Originalversion auf businesswire.com ansehen: https://www.businesswire.com/news/home/20221206005780/de/