计算的未来是“混合”的：为什么量子计算机将与经典系统一起工作？
光子盒研究院
过去十年来，量子计算机变得越来越先进，用户也越来越容易获得。量子计算可以解决目前经典计算机难以解决的复杂问题，有望在从制药到金融等各个领域掀起一场革命。
从理论上讲，量子应用能够在指数级加速的时间框架内解决一系列有限的计算挑战。如今，量子计算研究已经产生了数百种算法，这些算法已被证明可在近期量子计算系统上运行；最近的一系列研究甚至表明，这些算法在特定领域具有超越经典计算的量子优势。
量子优势源于叠加和纠缠原理，使量子比特（qubit）能够显著加速某些计算。然而，在含噪声的中等规模量子计算体系（又称 NISQ）中存在的重大挑战阻碍了在实现量子优势方面取得进展。量子计算机将取代经典系统的说法具有误导性，因为它忽略了每种计算模式的细微能力和局限性。
在本文中，我们将论证计算的未来或许不是量子计算，也不是经典计算，而是两者兼而有之。
尽管量子计算让人兴奋不已，但关键是要用现实来缓和我们的热情。
由于量子比特数量较少，且其不稳定性会导致噪音、错误和信息丢失，因此量子计算机还无法解决现实世界中的问题。这种量子计算机的现状被称作普莱斯基尔（preskill）提出的NISQ时代，在这个时代，量子计算机只有几百个量子比特，其噪声严重限制了它们的能力。去年，IBM的 433量子比特Osprey处理器首次突破了100量子比特大关，并计划在2023年推出1000量子比特芯片Condor；最近，AtomComputing宣布将于2024年推出一款拥有1225个站点的原子阵列——这是全球首台超过1000量子比特的量子计算机。
量子比特数量之外的其他方面也会影响量子计算机的实际能力，例如操作的并行性和量子比特的拓扑布局。研究人员正在探索创新方法，利用已有的NISQ系统解决有价值的问题，并通过展示比当今经典计算机更显著的性能优势来实现量子优势。随着量子计算机在未来几年的成熟，它们的计算能力将不断提高，可以应用于更多场合，并在特定的实际领域提供帮助。
尽管量子计算机拥有巨大的能量，但无论是三年、五年还是十年后，它都有其局限性。
例如，传统中央处理器（CPU）的数据输入效率要高得多，也更适合组织和访问内存。图形处理器（GPU）在渲染复杂图形和处理大型语言模型方面表现出色。CPU和GPU都比量子处理器更适合完成这些任务。简单地说，我们不会在量子计算机上运行Zoom会议或用Microsoft Word起草文件——你也不想这样做。
这就引出了一个重要问题：量子计算机最有效的用途是与经典计算机结合使用。经典系统可以处理数据准备、可视化和纠错等任务，而量子系统则可以处理复杂的计算。
这种合作方式最大限度地发挥了每种计算的优势，同时也减轻了它们的劣势，形成了一种共生关系，有望推动两个领域的发展。
“混合量子计算”是一个简单概念的首选行业术语：量子计算机和经典计算机共同解决一个问题。
从某种意义上说，这就是量子计算的全部：我们在运行量子计算机的几乎所有方面都依赖于经典计算机。从协调计算机众多子组件和执行量子门的系统，到测量和解释计算结果的软件和硬件，一直到将用户提交的程序编译、优化和转换为可在我们的硬件上运行的云计算机。
无论定义如何，每个参与者的最终目标都是在当前施加的限制内找到量子计算机的实用性。
在实践中，当我们谈论“混合”计算时，我们指的是一种前后合作的方法，问题的不同方面在最适合每个阶段的量子和经典工具之间传递。
“有很多事情是经典计算机能做得更好或更快的，尤其是在我们目前的硬件时代。让量子计算机做它擅长的事，让经典计算机做它擅长的事，就能让两者发挥更大的作用。”IonQ产品开发副总裁马修·基桑（Matthew Keesan）曾以变分量子本征/特征求解器（VQE）算法为例，介绍这种用户充分利用当前或近期量子计算机的最佳方法。
“如果我想根据某个函数优化某个参数，找到某个最大值或最小值，我可以通过比较该状态下的函数值来实现。这部分不需要量子计算机。我在量子计算机上准备好状态，将结果带回经典计算机，然后生成一个稍微新一点的状态，在经典计算机和量子计算机之间的这种相互作用中行走状态空间。”
VQE可用来计算分子的“基态”——化学性质最稳定的构型。根据算法的不同，有多种有效的方法，但VQE是通过创建具有特定参数化组件（例如电路中某些门的角度）的单一量子电路，然后使用经典优化算法来改变这些参数，可以达到所需的结果。
随着变分量子算法（VQA）的引入，出现了一种重要的混合计算类型。VQA使用经典优化器来训练参数化的量子电路，并提供了一个框架来处理各种任务；这方面的例子包括分子的基态和激发态、优化、线性方程组求解和机器学习。量子近似优化算法（QAOA）也是使用这种方法的一个例子。
事实上，随着混合变分量子算法的出现，令人信服地证明了量子-经典混合方法的威力。虽然混合算法和平台可能只是最好的第一步，但我们仍有理由认为，量子应用将始终是混合的。例如，需要一个为量子算法准备数据的预处理步骤，或一个为量子算法准备数据的后处理步骤。
古往今来，整合不同计算架构的理念并不新鲜。GPU已成为高性能计算中不可或缺的部分，但在与CPU并用时效果最佳。同样，量子处理单元（QPU）在与经典系统集成时也能发挥最大效用。
那么问题来了：如果要将QPU与CPU和GPU紧密结合，这些QPU应该放在哪里？
内部部署的量子计算具有严格控制执行优先级和数据安全的优势。但是，它也面临着初始成本高和需要专业知识的挑战；另一方面，基于云的量子服务具有灵活性，前期成本较低，但可能会引发对数据安全性和延迟的担忧。
为了明确区分量子-经典混合计算的所有不同观点，我们采用了工作流方法：这一方法提出了工作流来指定执行混合量子-经典应用所需的活动集合的（部分）顺序，并将其与拓扑结构相结合，以揭示混合量子应用的整体结构。
这种工作流中的活动可在子工作流中进一步扩展。通常，活动被表示为有向图中的节点，而控制低依赖性则是图中的有向边。
具体来说，混合计算可以分为两大类：
1) 垂直混合量子计算：在量子计算机上控制和操作量子电路所需的所有控制活动，与在经典计算中一样，在堆栈中提供编译和控制。
2) 水平混合量子计算：使用量子计算机和经典计算机执行算法所需的所有操作活动，这些步骤与应用相关。
垂直混合量子计算的类型包含让量子计算机运行量子程序所必须采取的经典步骤，而水平混合量子计算的类型区分了算法中量子计算和常规计算步骤的各种排序。明确上述术语将有助于在量子计算堆栈中开发更简洁的工具。
这些方法的美妙之处在于，它能让我们解决目前仅靠经典计算机或量子计算机都无法解决的问题。通过利用两种计算模式的优势，混合算法让我们看到了集成计算的未来——经典和量子资源协同工作，以解决世界上最具挑战性的一些问题。
当下，经典计算被引入量子计算，以克服后者的一些挑战。然而，前者也带来了一些自身的挑战，两者的融合又带来了新的挑战。
《福布斯》的文章曾指出，控制大型纠缠系统尤其具有挑战性，而且在获得足够的量子比特以执行有用的计算之前，时间尺度还很长。随着电路规模的扩大和参数数量的增加，对这些参数进行经典优化的挑战也随之增加——这一经典挑战也正是投资量子计算的初衷之一。
使用数字量子计算机进行量子模拟还需要容错，而现有的误差率还远未达到这个水平。进一步，量子系统的模拟需要一定程度的精确控制，而数字量子计算目前还无法实现。因此，模拟量子计算才是解决之道。
在一篇题为“量子模拟的内在问题，以及如何解决它”的论文中，Quanscient公司的尤卡·克努蒂宁（Jukka Knuutinen）和柳博米尔·布丁斯基（Ljubomir Budinski）博士谈到了算法面临的一个基本问题：量子力学本身是线性的，但许多需要解决的问题都涉及非线性方程。
随着系统的集成度越来越高，需要确定何时使用量子处理，何时使用经典处理。开发混合量子应用的现有工具本身需要大量经典计算资源，尤其是内存；除了增加可用的量子计算资源外，还需要采用需要更少资源的新算法。而开发的算法不仅要能证明比经典算法更具优势，还要能经受住量子启发算法的挑战。
最后，无论是硬件还是软件，互操作性都需要一定程度的标准化——而这种标准化甚至尚未开始。
量子计算的成功不仅取决于量子比特保真度和寿命以及用于控制量子比特的电子技术的进步，还取决于创新软件组件和硬件架构的开发：同时，组件又能以创造性和可扩展的方式支持硬件。
这一具有前瞻性的举措又意味着什么呢？
- 混合基础设施：考虑采用一种整合经典和量子资源的计算基础设施，而不是孤立的计算能力“孤岛”。
- 算法方法：研究混合算法，充分利用量子计算和经典计算的优势。承认每种处理器在某些方面比其他处理器做得更好，并利用这种“最佳”策略。
- 管理框架：选择SLURM（用于资源管理的简单Linux实用程序）等集成管理系统来完成资源分配、调度、优先级排序和会计等任务。有时，在传统环境中被证明有效的工具在混合环境中也同样有效。
- 部署选择：评估是内部部署的量子计算还是基于云的服务更适合贵组织的计算和安全需求。
- 供应商策略：不同的量子计算供应商提供与经典系统不同程度的集成，需要注意将其量子解决方案集成到现有基础设施中的难易程度。
以上就是为什么许多经典高性能计算领域的参与者都对量子计算抱有浓厚兴趣的原因：量子计算机永远不会完全取代经典计算机，相反，它将成为更大的高性能计算战略的重要组成部分。
当我们迈入这个新时代时，重点应放在创建一个无缝、集成的计算环境上，充分利用两个世界的优势。在这一战略中，量子和经典系统将协同工作，解决目前在化学、材料、宇宙学、金融等领域难以解决的问题。
参考链接（上下滑动查看更多）：
[1]https://www.hpcwire.com/2023/05/08/starting-your-hybrid-classical-quantum-journey/
[2]https://ionq.com/resources/what-is-hybrid-quantum-computing
[3]https://arxiv.org/pdf/2210.15314.pdf
[4]https://ethz.ch/en/news-and-events/eth-news/news/2023/05/for-very-small-problem-sizes-a-classical-computer-is-faster.html
[5]https://www.frontiersin.org/articles/10.3389/fphy.2022.940293/full
[6]https://www.forbes.com/sites/forbestechcouncil/2023/11/10/the-future-of-computing-is-hybrid-why-quantum-computers-will-work-alongside-classical-systems/?sh=3538820d58c2
[7]https://www.quera.com/blog-posts/quantum-simulation-challenges-and-solutions
[8]https://quanscient.com/blog/the-inherent-problem-in-quantum-simulations-and-how-to-tackle-it
[9]https://learn.microsoft.com/en-us/azure/quantum/hybrid-computing-overview[10]https://journals.aps.org/pra/abstract/10.1103/PhysRevA.106.010101相关阅读：
ISC 2023：欧洲正建立混合HPC-量子联盟；中国超算问鼎全球！
每周一到周五，我们都将与光子盒的新老朋友相聚在微信视频号，不见不散！
|qu|cryovac>
你可能会错过：|qu|cryovac>