Quantum Solutions Architecture
O tema de hoje é Quantum Solution Architecture!
De forma simples, uma arquitetura de solução quântica pode ter 3 camadas:
- Quantum Hardware, que implementa o domínio de qubits físicos e correção de erros quânticos, com a microarquitetura de instruções para camadas superiores. Aqui temos controle quântico, portas, mapeamento e manipulação da informação quântica em qubits físicos, em tecnologias fotônicas, de supercondutores, gaiolas de íons, vacância de nitrogênio em cristal de diamante, entre outras;
- Quantum Software, com a representação das portas quânticas, inicialização de qubits, operações de leitura de estados, representação intermediária e de alto nível. Frameworks diversos oferecem middlewares em domínio clássico para a manipulação de qubits em superposição, emaranhados e interferências;
- Quantum Application, que contempla os algortimos de quantum para diferentes cenários de aplicação. Aqui, exploramos famílias como quantum walk, quantum Fourier transformation, quantum estimation, quantum approximate optimization algorithms, quantum search, entre outros. Grover, Shor, DJ, Simons, QFT, QW, QAOA, QIO, VQA, VQE, etc. são ferramentas para diferentes tipos de problemas.
Lembrando que quantum é interessante para problemas chamados BQP — Bounded-Error Quantum Polynomial time, uma classe que pode ser resolvida por um computador quântico em tempo polinomial.
Também podemos definir o tipo de acoplamento entre o domínio clássico e quântico, escolhendo entre uma abordagem fortemente ou fracamente acoplada.
Um arquitetura fortemente acoplada funciona bem para cenários híbridos, veja:
Fonte: https://rb.gy/gnomwo
Onde temos:
1. o time de desenvolvimento tem acesso tanto aos dados clássicos como quânticos envolvidos na solução;
2. os dois ambientes podem compartilhar o mesmo ciclo de versionamento e implantação;
3. apenas uma aplicação ou um grupo pequeno será consumidor dos componentes em quantum;
4. a solução envolve cenários específicos de problemas BQP, como encontramos em otimizações em finanças, simulação em química, tomada de decisão ou busca quântica, por exemplo;
5. algoritmos como Variational Quantum Eigensolvers (VQE) e Quantum Approximate Optimization Algorithms (QAOA) são bem indicados para essa fortemente.
Get Waldemir Cambiucci, PhD’s stories in your inbox
Join Medium for free to get updates from this writer.
De igual modo, uma arquitetura fracamente acoplada envolve a submissão de job, com posterior consulta de resultados. Continua presente uma camada de storage de dados tratados de forma assíncrona.
Fonte: https://rb.gy/n445cs
Finalmente, como parte do desenvolvimento, estimar os recursos quânticos necessários para sua aplicação é fator de sucesso e pode ser feito através de ferramentas como o Azure Quantum Resource Estimator:
E assim como vimos em cloud solution architecture, esses desenhos devem evoluir bastante, fique ligado!
Maiores informações:
Azure Quantum
https://azure.microsoft.com/en-us/products/quantum/
The Azure Quantum
https://azure.microsoft.com/en-us/solutions/quantum-computing/
Loosely coupled approach
https://learn.microsoft.com/en-us/azure/architecture/example-scenario/quantum/quantum-computing-integration-with-classical-apps#loosely-coupled-approach
Tightly coupled approach
https://learn.microsoft.com/en-us/azure/architecture/example-scenario/quantum/quantum-computing-integration-with-classical-apps#tightly-coupled-approach
An introduction to resource estimation
https://learn.microsoft.com/en-us/azure/quantum/intro-to-resource-estimation
