XiaoMi-AI文件搜索系统
World File Search System端量
云端量子计算：分析作业和机器特性
摘要 — 随着量子计算的普及度不断提高，通过云访问量子机器对于全球学术和行业研究人员都至关重要。随着云量子计算需求呈指数级增长，资源消耗和执行特性的分析对于供应商端和客户端高效管理作业和资源至关重要。虽然资源消耗和管理分析在传统 HPC 领域很流行，但对于量子计算等新兴技术来说，这种分析严重不足。本文是首创的学术研究，分析了量子云系统上作业执行和资源消耗/利用的各种趋势。我们专注于 IBM Quantum 系统，并分析了两年内的特征，涵盖了 6000 多个作业，其中包含 600,000 多个量子电路执行，相当于 20 多台量子机器的近 100 亿次“拍摄”或试验。具体来说，我们分析的趋势重点关注（但不限于）量子机器上的执行时间、云中的排队/等待时间、电路编译时间、机器利用率，以及作业和机器特性对所有这些趋势的影响。我们的分析确定了与传统 HPC 云系统的几个相似之处和不同之处。根据我们的见解，我们提出了建议和贡献，以改善未来量子云系统的资源和作业管理。
云端量子应用工程挑战的探索性研究
摘要 云端量子计算的快速发展为多种现实应用场景创造了大量机会，包括化学模拟、优化和机器学习。典型的量子应用是混合的，因为它们由经典和量子组件组成。后者需要量子计算机来执行，通常以云服务的形式提供。因此，要实现量子应用，开发人员需要具备应用程序量子和经典组件集成方面的专业知识，并了解相关的云特定挑战和局限性。在这项工作中，我们探讨了在云端设计和实现混合量子应用时可能遇到的挑战，并确定了当前量子云服务的哪些限制使这种集成变得复杂。为了实现这一目标，我们 (i) 实现了四个量子应用，重点介绍了在云应用中使用量子软件组件的不同场景，(ii) 分析了实施过程中遇到的挑战和局限性并记录了关键观察结果。此外，我们讨论了开放的研究问题及其解决方法，以改进在云端开发量子应用的过程。
