O Estimador de Recursos Quânticos do Azure
O Azure Quantum Resource Estimator é uma ferramenta de estimativa de recursos que calcula e exibe os recursos necessários para executar um algoritmo quântico. O Resource Estimator assume que o algoritmo é executado em um computador quântico de grande escala tolerante a falhas.
Você pode usar o Resource Estimator para avaliar decisões de arquitetura, comparar tecnologias de qubit e determinar os requisitos de recursos para hardware específico. As informações do Resource Estimator incluem o número total de qubits físicos, o tempo de execução do algoritmo e os recursos computacionais necessários. O Estimador de Recursos também explica as fórmulas e os valores usados para calcular cada estimativa.
Nesta unidade, você aprenderá a personalizar o Estimador de Recursos com diferentes configurações de parâmetros.
Como funciona o Azure Quantum Resource Estimator?
O Estimador de Recursos usa vários parâmetros de destino como entrada. Os parâmetros de destino têm valores predefinidos para você começar facilmente, ou você pode personalizar seus valores para modificar a saída. A tabela a seguir descreve os três principais parâmetros de destino:
| Parâmetro de destino | Description |
|---|---|
| Informação sobre qubits físicos | O tipo de qubit físico e arquitetura de qubit |
| Esquema de correção de erros quânticos (QEC) | O tipo de correção de erro que você aplica ao seu algoritmo quântico |
| Orçamento de erro | A taxa de erro máxima aceitável para seus cálculos quânticos |
Escolha o modelo de qubit físico
O Estimador de Recursos tem seis modelos de qubit predefinidos. Quatro dos modelos têm conjuntos de instruções baseados em portões, e os outros dois modelos têm conjuntos de instruções Majorana. Esses modelos de qubit predefinidos representam diferentes arquiteturas de qubit, como íons ou supercondutores. Os modelos de qubit cobrem uma variedade de tempos de operação e taxas de erro, para que você possa compará-los para explorar os requisitos de recursos para aplicações quânticas práticas.
| Modelos de qubit predefinidos | Tipo de conjunto de instruções |
|---|---|
qubit_gate_ns_e3 |
Baseado em lógica de portões |
qubit_gate_ns_e4 |
Baseado em lógica de portões |
qubit_gate_us_e3 |
Baseado em lógica de portões |
qubit_gate_us_e4 |
Baseado em lógica de portões |
qubit_maj_ns_e4 |
Majorana |
qubit_maj_ns_e6 |
Majorana |
Para obter mais informações sobre parâmetros de qubit físico, consulte Parâmetros de qubit físico do Resource Estimator.
Escolha o esquema QEC
A correção de erros quânticos (QEC) é crucial para uma plataforma de computação quântica alcançar uma computação quântica verdadeiramente escalável. O conjunto de operações que uma plataforma de computação quântica permite é limitado por restrições físicas e pode não corresponder exatamente às operações que você prescreve no algoritmo. Mesmo que as operações que o computador quântico permite correspondam às operações no algoritmo, o computador quântico não é completamente preciso para todas as operações. O esquema QEC corrige essas operações imprecisas.
O Resource Estimator fornece dois esquemas QEC predefinidos: um protocolo de código de superfície e um protocolo de código Floquet. O protocolo de código de superfície aplica-se a conjuntos de instruções físicas baseados em portões e Majorana. O protocolo de código Floquet aplica-se apenas aos conjuntos de instruções físicas de Majorana.
| Regime QEC | Tipo de conjunto de instruções |
|---|---|
surface_code |
Baseado em portões e Majorana |
floquet_code |
Majorana |
Para obter mais informações sobre esquemas QEC, consulte Esquemas de correção de erros quânticos no Azure Quantum Resource Estimator.
Escolha o orçamento de erro
O orçamento de erro total define o erro geral permitido para o algoritmo. O erro permitido é a proporção de vezes que o algoritmo pode falhar. O valor do orçamento de erro deve estar entre 0 e 1 e o valor padrão é 0,001. O valor padrão corresponde a 0,1%, o que significa que o algoritmo pode falhar uma vez a cada 1.000 execuções.
O orçamento de erro é altamente específico para o aplicativo. Por exemplo, se você estiver executando o algoritmo de Shor para fatorar inteiros, poderá tolerar um grande valor para o erro porque poderá verificar facilmente se os números de saída são os fatores primos do número de entrada no final do algoritmo. Por outro lado, você pode precisar de um orçamento de erro menor para um algoritmo que resolve um problema com uma solução que você não pode verificar com eficiência.
Para obter mais informações sobre orçamentos de erro, consulte Orçamento de erro no Azure Quantum Resource Estimator.
Na próxima unidade, você usa o Estimador de Recursos para estimar os recursos necessários para executar o algoritmo de Shor.