TPU para simulación cuántica en Google

La computación cuántica está despertando la codicia de todos los gigantes de la tecnología de la información. Por lo tanto, no es una sorpresa saber que Google está profundizando cada vez más en el tema: un año después de anunciar la adaptación de su marco TensorFlow dedicado al aprendizaje automático para sistemas cuánticos, un conjunto de API para explotar sus TPU está esta vez en las tuberías. Con el apoyo del discreto equipo Sandbox de la empresa matriz de Google, Alphabet, este proyecto se discutió el mes pasado durante la competencia QHack Open Hackathon 21, un desafío orientado a la computación cuántica. Con motivo de este evento, el gerente de producto e investigador científico de Sandbox, Guillaume Verdon, mencionó la disponibilidad "de manera experimental" de su servicio API Floq para utilizar las TPU de Google para ayudar a los desarrolladores a simular cargas de trabajo de computación cuántica.

“El equipo experimentó cómo usar Floq para física, aprendizaje automático y todo tipo de aplicaciones interesantes”, dice Guillaume Verdon. “Hemos desarrollado nuestra propia biblioteca de código abierto para redes de flujo tensorial que se ejecutan en TPU… Es sorprendente lo buenos que son estos chips para la simulación cuántica. Es casi como si hubieran sido diseñados para esta tarea ”.

Según Google, los ahorros de tiempo de ejecución computacional para la simulación cuántica con el conjunto de API Floq son particularmente altos. (crédito: Sandbox / Alphabet)

El tiempo de cálculo se redujo de 19 minutos a 10 segundos en Eisert Group.

Al confiar en los chips desarrollados por Google dedicados al aprendizaje y la inferencia de IA a través del conjunto de API Floq, la ejecución de simulaciones cuánticas experimentaría un gran impulso. Según el trabajo de Sandbox, son posibles ganancias de velocidad en términos de procesamiento hasta 500 veces mayores que el uso de GPU tradicionales. "Floq es compatible con los marcos de programación diferencial cuántica y pennylane de tensorflow", dijo Guillaume Verdon en un video.

Rendimiento parece confirmado por Thomas Hubregtsen, investigador en computación cuántica del centro de investigación alemán Eisert Group. “Las fases computacionales con una iteración cuidadosa tomaron 19 minutos con mi sistema clásico con un procesador de 16 núcleos y más de 100 GB de memoria, en comparación con 10 segundos con TPU bajo Floq. ¿Qué más podemos necesitar? "