Braket Hybrid Jobs 的介绍 – 设置、监控并高效运行混合量子经典工作负载

我发现量子计算非常有趣！ 在最简单的层面上，它利用量子位或 qubit 扩展了具有 0 或 1 值的位的概念。量子位可以具有两种不同（量子）状态的组合。

量子位的两个特征使它们变得非常有趣：

• 当您查看量子位的值时，您只能得到两种可能状态中的一种，其概率取决于自身状态的组合方式。
• 多个量子位可以“连接”在一起（这称为量子纠缠），从而通过改变一个量子位的状态，即使只是通过读取其值，也可以改变其他量子位的状态。

这些特征来自量子力学描述的低水平属性，量子力学是物理学的基础理论，它在原子和亚原子尺度上描述了自然的物理特性。幸运的是，我们不需要获得量子力学学位就可以使用量子计算，就像我们不需要精通半导体就可以使用普通计算机一样。

研究人员正在使用量子位设计新算法，这些算法有可能比传统计算机所能实现的要快得多。为了加快量子计算的科学研究和软件开发，我们在 re:Invent 2019 中推出了 Amazon Braket。Amazon Braket 是一项完全托管的量子计算服务，使您可以在模拟器和量子计算机上构建、测试和运行量子算法。

混合算法和量子处理单元 (QPU)
量子算法将在许多不同领域产生变革，它需要执行数十万到数百万个量子门。不幸的是，当前一代的 QPU 受噪声影响，造成了错误，在错误接管之前，将操作限制在几百或数千个量子门。

为了帮助解决此问题，我们可以从机器学习中汲取灵感：我们不使用固定量子电路，即实现算法的逻辑，而是通过调整调节电路的参数来“学习”算法，从而更有可能通过适应特定设备中的噪声来解决给定问题（将它们视为“自学习量子算法”）。

这与计算机视觉类似：机器学习算法通过迭代调整神经网络的参数来“学习”正确的功能，而不是通过手工制作功能来区分狗和猫（众所周知，这对于计算机来说非常困难）。

量子计算中一个快速发展的研究领域使用 QPU，即量子计算机使用的处理器，就像在机器学习中使用 GPU 一样：将量子电路参数化，用一些值进行初始化，然后在 QPU 上运行。就像神经网络中的权重一样，这些参数随后会根据计算结果进行迭代调整。这些所谓的混合算法依赖于经典计算机和 QPU 之间的快速迭代计算。

要运行混合算法，您需要手动设置经典基础设施，安装所需的软件，并在混合算法期间管理量子和经典计算流程之间的交互。然后，您需要构建自定义监控解决方案来可视化算法的进度，以确保算法按预期收敛到解决方案，或者在必要时进行干预以调整算法的参数。

另一项重大挑战在于，QPU 是共享的非弹性资源，您需要与他人竞争访问权限。这可能会减慢算法的执行速度。来自另一个客户的单个大型工作负载可能会导致算法停止，从而可能将您的总运行时间延长数小