经过一系列改进,团队在模拟分子方面的速度提高了120倍,能够完全在云上通过Qiskit Runtime运行量子程序
去年秋天,我们坚定承诺要在IBM Quantum路线图中将量子工作负载加速100倍,扩展量子技术。今天,我们很高兴地宣布,我们不仅实现了这个目标,而且突破了这一目标。经过一系列改进,我们的团队在模拟分子方面的速度提高了120倍,能够完全在云上通过Qiskit Runtime运行量子程序。
到目前为止,我们主要关注的是IBM Quantum系统上量子电路或量子操作序列的执行。然而,实际应用也需要大量的经典计算。我们用量子程序这一术语来描述量子电路和经典计算的混合。一些量子程序在量子计算和经典计算之间存在成千上万甚至数百万的互动。因此,打造的系统不仅能加速量子电路的执行,还需要在本质上加速量子程序的执行,这一点十分重要。为执行量子程序而构建的系统需要有更大的有效容量,同时需要跨堆栈进行改进,包括云服务设计、系统软件、控制硬件,甚至包括量子硬件。
早在2017年,IBM Quantum团队展示了量子计算机可以模拟氢化锂(lithium)分子的行为,让我们一睹量子计算机将来可以处理的各种应用。然而,采用如今的量子计算服务,LiH分子建模的处理需要45天,因为电路在经典处理器和量子处理器之间反复来回传递,并产生了大量延迟。
“如今,解决相同的问题,我们只需9小时时间,速度提高了120倍。”
此次工作做出了大量改进。算法改进将接收最终答案所需的算法迭代次数减少了2到10倍。系统软件的改进使每次迭代用时大约减少了17秒。改进的处理器性能使算法每次迭代所需的运行数量或重复电路运行次数减少了10倍。最后,改进的控制系统(如更好地读出和量子比特重置性能),将每个作业执行(即每批几十个电路的执行)的时间从1000微秒减少到70微秒。
最后,推出了Qiskit Runtime,这是量子计算机的容器化服务。开发人员可以在Qiskit运行时执行环境中运行他们的程序,利用IBM混合云处理工作,无需在用户设备和基于云的量子计算机之间进行代码传递,避免出现延迟。新的软件架构和OpenShift Operator支持我们最大化计算时间,将等待时间降至最低。
我们希望此次加速将使更多的开发人员能够在化学和其他领域尝试量子应用。例如,Qiskit运行时支持用户试用我们强大的新量子内核联合算法(new quantum kernel alignment algorithm),该算法可搜索最佳量子内核,用于执行机器学习任务。最近,我们使用了该算法来证明,与经典计算机相比,量子计算机在有监督机器学习方面速度更快。
IBM Quantum团队致力于寻找实用的量子计算用例,并将其交付给尽可能多的开发人员。我们希望Qiskit Runtime可支持全球用户充分利用计划于今年推出的127量子比特IBM Quantum Eagle设备,或计划于2023年推出的1121量子比特Condor设备。
目前,IBM Quantum Network的一些成员正在测试Qiskit Runtime。
好文章,需要你的鼓励
北京大学团队开发的DragMesh系统通过简单拖拽操作实现3D物体的物理真实交互。该系统采用分工合作架构,结合语义理解、几何预测和动画生成三个模块,在保证运动精度的同时将计算开销降至现有方法的五分之一。系统支持实时交互,无需重新训练即可处理新物体,为虚拟现实和游戏开发提供了高效解决方案。
AI硬件的竞争才刚刚开始,华硕Ascent GX10这样将专业级算力带入桌面级设备的尝试,或许正在改写个人AI开发的游戏规则。
达尔豪斯大学研究团队系统性批判了当前AI多智能体模拟的静态框架局限,提出以"动态场景演化、智能体-环境共同演化、生成式智能体架构"为核心的开放式模拟范式。该研究突破传统任务导向模式,强调AI智能体应具备自主探索、社会学习和环境重塑能力,为政策制定、教育创新和社会治理提供前所未有的模拟工具。