Quantum Machines e Nvidia usam aprendizado de máquina para se aproximar de um computador quântico com correção de erros

Cerca de um ano e meio atrás, a startup de controle quântico Quantum Machines e a Nvidia anunciaram uma profunda parceria que reuniria a plataforma de computação quântica DGX da Nvidia e o hardware avançado de controle quântico da Quantum Machine. Há algum tempo que não ouvíamos muito sobre os resultados desta parceria, mas agora está a começar a dar frutos e a aproximar a indústria do Santo Graal de um computador quântico com correção de erros.

Em uma apresentação no início deste ano, as duas empresas mostraram que são capazes de usar um modelo de aprendizado por reforço pronto para uso rodando na plataforma DGX da Nvidia para controlar melhor os qubits em um chip quântico Rigetti, mantendo o sistema calibrado.

Yonatan Cohen, cofundador e CTO da Quantum Machines, observou como sua empresa há muito procura usar mecanismos de computação clássicos gerais para controlar processadores quânticos. Esses mecanismos de computação eram pequenos e limitados, mas isso não é um problema com a plataforma DGX extremamente poderosa da Nvidia. O Santo Graal, disse ele, é executar a correção quântica de erros. Ainda não chegamos lá. Em vez disso, esta colaboração se concentrou na calibração e na calibração específica dos chamados “pulsos π” que controlam a rotação de um qubit dentro de um processador quântico.

À primeira vista, a calibração pode parecer um problema único: você calibra o processador antes de começar a executar o algoritmo nele. Mas não é tão simples. “Se você observar o desempenho dos computadores quânticos hoje, você obterá alta fidelidade”, disse Cohen. “Mas os usuários, quando usam o computador, normalmente não têm a melhor fidelidade. Ele flutua o tempo todo. Se pudermos recalibrá-lo frequentemente usando esses tipos de técnicas e hardware subjacente, poderemos melhorar o desempenho e manter a fidelidade (alta) por um longo tempo, que é o que será necessário na correção quântica de erros.”

Ajustar constantemente esses pulsos quase em tempo real é uma tarefa extremamente intensiva em computação, mas como um sistema quântico é sempre um pouco diferente, é também um problema de controle que pode ser resolvido com a ajuda do aprendizado por reforço.

“À medida que os computadores quânticos estão se expandindo e melhorando, há todos esses problemas que se tornam gargalos, que se tornam realmente intensivos em computação”, disse Sam Stanwyck, gerente de produto do grupo Nvidia para computação quântica. “A correção quântica de erros é realmente enorme. Isso é necessário para desbloquear a computação quântica tolerante a falhas, mas também para saber como aplicar exatamente os pulsos de controle corretos para obter o máximo dos qubits”.

Stanwyck também enfatizou que não existia nenhum sistema antes do DGX Quantum que permitisse o tipo de latência mínima necessária para realizar esses cálculos.

Acontece que mesmo uma pequena melhoria na calibração pode levar a melhorias enormes na correção de erros. “O retorno do investimento em calibração no contexto da correção de erros quânticos é exponencial”, explicou Ramon Szmuk, gerente de produto da Quantum Machines. “Se você calibrar 10% melhor, terá um erro lógico (desempenho) exponencialmente melhor no qubit lógico que é composto de muitos qubits físicos. Portanto, há muita motivação aqui para calibrar muito bem e rápido.”

Vale ressaltar que este é apenas o começo desse processo de otimização e colaboração. O que a equipe realmente fez aqui foi simplesmente pegar alguns algoritmos disponíveis no mercado e ver qual deles funcionava melhor (TD3, neste caso). Ao todo, o código real para executar o experimento tinha apenas cerca de 150 linhas. É claro que isso depende de todo o trabalho que as duas equipes também realizaram para integrar os vários sistemas e construir a pilha de software. Para os desenvolvedores, porém, toda essa complexidade pode ser escondida, e as duas empresas esperam criar cada vez mais bibliotecas de código aberto ao longo do tempo para aproveitar as vantagens desta plataforma maior.

Szmuk enfatizou que, para este projeto, a equipe trabalhou apenas com um circuito quântico muito básico, mas que também pode ser generalizado para circuitos profundos. Se você pode fazer isso com uma porta e um qubit, também pode fazer isso com cem qubits e 1.000 portas”, disse ele.

“Eu diria que o resultado individual é um pequeno passo, mas é um pequeno passo para resolver os problemas mais importantes”, acrescentou Stanwyck. “A computação quântica útil exigirá a forte integração da supercomputação acelerada – e esse pode ser o desafio de engenharia mais difícil. Portanto, sendo capaz de fazer isso de verdade em um computador quântico e ajustar um pulso de uma forma que não seja apenas otimizada para um pequeno computador quântico, mas que seja uma plataforma modular e escalável, achamos que estamos realmente no caminho para resolver alguns dos problemas mais importantes da computação quântica com isso.”

Stanwyck disse ainda que as duas empresas planeiam continuar esta colaboração e colocar estas ferramentas nas mãos de mais investigadores. Com os chips Blackwell da Nvidia disponíveis no próximo ano, eles também terão uma plataforma de computação ainda mais poderosa para este projeto.