戴尔大步进军经典量子计算混合模型

2023-10-13 23:20

本文主要是介绍戴尔大步进军经典量子计算混合模型,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

(图片来源:网络)

戴尔正将量子计算机融入传统IT的基础架构中,并向新型加速计算机开放了数据中心。这家服务器制造商为传统服务器基础设施创建了一个蓝图,以满足量子系统的独特需求,量子系统速度要比经典计算机快得多,解决问题的方式多样化。

经典量子计算混合模型包括一个调整后的层次结构,其中传统服务器充当主机和附加量子计算机的管理器,它们的计算方式不同。

该蓝图还包括一个传统的计算层,因此可以将量子计算的相关结果(不是直接的答案)返回IT基础设施中的用户。

戴尔研究副总裁Ken Durazzo说:“我们已经看到了那些我们可以优化的领域,并使经典基础设施和量子基础设施之间的智能交互作用变得更加强大,甚至能做我们还没有想到的事情。”

混合计算蓝图包括硬件和软件,围绕PowerEdge服务器和IonQ的量子计算技术而构建。在SC22会议上,两家公司宣布了基于该设计的混合系统戴尔量子计算解决方案。该系统将在美国和加拿大上市。

要想推动计算超越当今的PC和服务器,量子计算机是公认的一种方式,它能并行执行更多的计算,与传统服务器相比,这大大提高了处理能力。

(图片来源:网络)

Durazzo说:“正如我们在量子之旅中看到的那样,我们意识到未来不是量子计算,而是经典计算和量子计算的联合。我们很早就发现,经典基础设施和量子基础设施都有明确的作用。戴尔的混合模型涉及在经典基础架构上运行应用程序,以及通过量子计算加速这些应用程序的算法。”

戴尔的混合模型考虑了量子计算机摄取的大量数据,量子计算机以惊人的速度运行计算。在将数据输入量子处理器之前,传统基础设施为量子计算创造了条件,量子处理器在计算和交付结果的方式上有其自身的特点。

例如,传统系统输出的答案来自CPU和GPU等电路的计算结果。而量子计算机不是提供答案,而是发回概率结果。这些可以是任意数量的结果,会以某种级别的堆栈排名顺序交付。

Durazzo说:“当算法发送到QPU(量子处理单元)时,QPU会发回计算结果。这些结果将被再次纳入经典系统,并将形成最终用户可以实际看到的来自应用程序的结果。”

混合模型的基础是服务器、网络和其他组件的设置,程序实际运行并启动到量子系统的高速数据传输。数据必须通过中间主机处理器,这更像是传统系统与量子系统接口的指令层。

Durazzo说:“在这种情况下,主机处理器所做的是采用该电路,将其编译成QASM或量子汇编语言,然后将其对QPU进行编程。该主机处理器是一个中间步骤,对QPU进行编程并为QPU提供实际运行的算法。随着时间的推移,主机处理器将能执行非常智能的调度操作。”

例如,主机处理器无需将整个量子计算任务发送到物理量子处理器,而是能够分解量子任务,并在GPU上的物理量子硬件和基于软件的量子模拟器上分别执行。

Durazzo说:“我们将看到越来越多的经典模拟和实际物理量子系统之间交互作用的模型,其中,智能编排和了解在哪里能最好地运行这些特定功能将变得更加关键,我们已经为此做好了准备。”

经典系统将尝试解读复杂的量子输出,并从应用程序中为最终用户制定具体的答案。经典系统可以配备GPU等加速器,使用AI技术来处理量子输出,生成相关答案。混合模型使用标准软件堆栈,包括用于编排的Kubernetes和用于量子应用程序的QISKIT。

Durazzo说:“我们的设计使开发人员能一次性编写应用程序或算法,然后在他们需要的任何地方运行它,例如在GPU上的物理量子电路或量子模拟器上运行这些算法。”

已经可以通过亚马逊和谷歌云访问量子计算机。戴尔希望其托管服务产品能让公司更轻松地顺利过渡到量子系统,这可能是一项艰巨的任务。

通过亚马逊和谷歌云已经可以访问量子计算机。戴尔希望其托管服务产品能使公司更容易的顺利过渡到量子系统,这可能是一项艰巨的任务。

不同的量子计算机供应商提供的量子比特类型也不相同,IonQ提供离子阱量子比特,谷歌和IBM正在研究超导量子比特,D-Wave提供用于优化任务的量子退火系统。客户渴望测试不同的系统,以找到适合其基础设施的合适硬件。

Durazzo表示,戴尔与IonQ的合作只是其量子之旅的开始,它即将与更多的量子计算机供应商展开合作,允许他们在不同的量子系统上进行实验。

文章参考链接:

https://www.hpcwire.com/2022/11/14/dell-builds-tech-for-quantum-computers-to-interface-with-conventional-systems/

编译:卉可

编辑:慕一

这篇关于戴尔大步进军经典量子计算混合模型的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/206562

相关文章

如何用Java结合经纬度位置计算目标点的日出日落时间详解

《如何用Java结合经纬度位置计算目标点的日出日落时间详解》这篇文章主详细讲解了如何基于目标点的经纬度计算日出日落时间,提供了在线API和Java库两种计算方法,并通过实际案例展示了其应用,需要的朋友... 目录前言一、应用示例1、天安门升旗时间2、湖南省日出日落信息二、Java日出日落计算1、在线API2

Python基于火山引擎豆包大模型搭建QQ机器人详细教程(2024年最新)

《Python基于火山引擎豆包大模型搭建QQ机器人详细教程(2024年最新)》:本文主要介绍Python基于火山引擎豆包大模型搭建QQ机器人详细的相关资料,包括开通模型、配置APIKEY鉴权和SD... 目录豆包大模型概述开通模型付费安装 SDK 环境配置 API KEY 鉴权Ark 模型接口Prompt

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

poj 1113 凸包+简单几何计算

题意: 给N个平面上的点,现在要在离点外L米处建城墙,使得城墙把所有点都包含进去且城墙的长度最短。 解析: 韬哥出的某次训练赛上A出的第一道计算几何,算是大水题吧。 用convexhull算法把凸包求出来,然后加加减减就A了。 计算见下图: 好久没玩画图了啊好开心。 代码: #include <iostream>#include <cstdio>#inclu