Nesta Tese, abordamos a escalabilidade de algoritmos para múltiplas Unidades de Processamento Quântico (QPUs), essencial para superar as limitações dos atuais dispositivos quânticos ruidosos de escala intermediária (NISQ). O foco está na redução do custo de comunicação entre QPUs, promovendo maior eficiência no particionamento e distribuição de circuitos em sistemas multi-QPU. Para circuitos estáticos, propomos estratégias baseadas em representações hipergráficas, utilizando heurísticas de particionamento ponderado que segmentam os circuitos em subcircuitos menores, reduzindo operações inter-QPU e acelerando o processo de corte. Essa abordagem contempla cenários balanceados e não-balanceados, diminuindo o custo de comunicação em circuitos complexos. Também aplicamos essa heurística em versões reduzidas das representações hipergráficas, obtendo cortes mais eficientes em circuitos maiores, superando métodos bipartidos convencionais. Para circuitos adaptativos, cuja sequência de operações depende de medições intermediárias, introduzimos um modelo de segmentação assistida, capaz de lidar com essa dinâmica em tempo real, um desafio inexistente em circuitos estáticos. Além disso, apresentamos uma arquitetura de gerenciamento de recursos quânticos que coordena o particionamento de circuitos estáticos e adaptativos, garantindo a escalabilidade prática de sistemas multi-QPU. Os resultados demonstram significativa redução no custo de comunicação e melhorias no desempenho do particionamento, contribuindo para soluções distribuídas mais eficientes e apoiando a construção de software quântico na era dos dispositivos ruidosos, em ambientes de computação quântica distribuída.
Nesta Tese, abordamos a escalabilidade de algoritmos para múltiplas Unidades de Processamento Quântico (QPUs), essencial para superar as limitações dos atuais dispositivos quânticos ruidosos de escala intermediária (NISQ). O foco está na redução do custo de comunicação entre QPUs, promovendo maior eficiência no particionamento e distribuição de circuitos em sistemas multi-QPU. Para circuitos estáticos, propomos estratégias baseadas em representações hipergráficas, utilizando heurísticas de particionamento ponderado que segmentam os circuitos em subcircuitos menores, reduzindo operações inter-QPU e acelerando o processo de corte. Essa abordagem contempla cenários balanceados e não-balanceados, diminuindo o custo de comunicação em circuitos complexos. Também aplicamos essa heurística em versões reduzidas das representações hipergráficas, obtendo cortes mais eficientes em circuitos maiores, superando métodos bipartidos convencionais. Para circuitos adaptativos, cuja sequência de operações depende de medições intermediárias, introduzimos um modelo de segmentação assistida, capaz de lidar com essa dinâmica em tempo real, um desafio inexistente em circuitos estáticos. Além disso, apresentamos uma arquitetura de gerenciamento de recursos quânticos que coordena o particionamento de circuitos estáticos e adaptativos, garantindo a escalabilidade prática de sistemas multi-QPU. Os resultados demonstram significativa redução no custo de comunicação e melhorias no desempenho do particionamento, contribuindo para soluções distribuídas mais eficientes e apoiando a construção de software quântico na era dos dispositivos ruidosos, em ambientes de computação quântica distribuída.
RESUMO.É consenso que a distribuição de circuitos quânticos entre agentes de processamento é uma abordagem viável para se obter maior escalabilidade com as tecnologias de hardware atuais, de dispositivos ruidosos de escala intermediária.Assim, novas arquitetura de computadores quânticos com múltiplas unidades de processamento devem considerar etapas adicionais de particionamento de circuitos, com a geração de subcircuitos com menores custos de comunicação entre partições.Este artigo apresenta uma arquitetura modular de computador quântico multi-QPU, assim como resultados com o particionamento hipergráfico de circuitos, como uma camada permanente em futuras arquiteturas de sistemas quânticos distribuídos.
É consenso que a distribuição de circuitos quânticos entre agentes de processamento é uma abordagem viável para se obter maior escalabilidade com as tecnologias de hardware atuais, de dispositivos ruidosos de escala intermediária. Assim, novas arquitetura de computadores quânticos com múltiplas unidades de processamento devem considerar etapas adicionais de particionamento de circuitos, com a geração de subcircuitos com menores custos de comunicação entre partições. Este artigo apresenta uma arquitetura modular de computador quântico multi-QPU, assim como resultados com o particionamento hipergráfico de circuitos, como uma camada permanente em futuras arquiteturas de sistemas quânticos distribuídos.
A aprendizagem de máquina quântica é um campo em rápido crescimento e tem surgido como uma alternativa à aprendizagem de máquina clássica para impulsionar a busca por soluções eficientes para certos problemas. Além disso, o avanço da tecnologia em Computação Quân- tica trouxe possibilidades para a execução de algoritmos em dispositivos quânticos reais. Aqui, centramos nossa pesquisa no estudo de uma das tarefas mais comuns dentro da aprendizagem de máquina, a classificação supervisionada. Nos nossos estudos, limitamos a temática para os classificadores quânticos baseados em distância, visando a execução dos mesmos em disposi- tivos quânticos ruidosos de escala intermediária (Noisy Intermediate-Scale Quantum (NISQ)). Embora algoritmos quânticos anteriores para classificação baseada em distância tenham se mostrado promissores, muitos deles não são adequados com os dispositivos NISQ e não con- seguem lidar com problemas envolvendo múltiplas classes. O Hadamard Classifier (HC) é um modelo quântico de aprendizagem de máquina baseado em distância para reconhecimento de padrões. A partir dele, desenvolvemos dois classificadores quânticos baseados em distância para execução em dispositivos NISQ: o primeiro deles, Quantum One-Class Classifier (QOCC), é um modelo de classificação elementar. Nosso objetivo com o QOCC é oferecer um classi- ficador que consuma menos recursos computacionais quânticos, estando menos propenso aos erros provenientes de ruídos, ao mesmo tempo em que possui desempenho competitivo quando comparado a análogos clássicos. Os resultados obtidos nos experimentos com o QOCC foram promissores e confirmaram um desempenho equiparável tanto contra classificadores clássicos quanto contra o HC, mesmo usando menos qubits (bits quânticos) e menos operações quânti- cas. Em seguida, focamos nossos esforços em utilizar o QOCC como base para um classificador multiclasse. Nossa motivação para isso consistiu na carência desse tipo de classificador na li- teratura da aprendizagem de máquina quântica e na impossibilidade atual de executar, em dispositivos NISQ, algumas rotinas presentes nos classificadores multiclasse existentes. Propo- mos o quantum Variational Distance-based Centroid Classifier (qVDCC), que faz uso da teoria dos circuitos quânticos variacionais para, em um esquema híbrido de computação quântica- clássica, realizar a classificação de bases de dados multiclasse. Essa abordagem nos permitiu utilizar o maquinário bem-estabelecido da aprendizagem de máquina clássica para encontrar e otimizar centroides artificiais para as bases de dados que minimizassem suas distâncias para os demais dados da respectiva classe. Simulamos o funcionamento do qVDCC em dois ambientes distintos: primeiramente em uma simulação ideal (livre de erros); em seguida, em um uma simulação ruidosa que mimetiza um dispositivo NISQ. Mais uma vez, nossos resultados se mostraram promissores e competitivos em relação aos classificadores clássicos.
A teoria dos algoritmos quânticos promete benefícios sem precedentes ao utilizar as leis da mecânica quântica para resolver certos problemas computacionais. Entretanto, alguns desafios impedem que tais vantagens se apliquem a todos os algoritmos quânticos. Entre esses desafios está o desenvolvimento de uma codificação eficiente de dados clássicos em um estado quântico. Em aplicações práticas, o custo para carregar a informação clássica em um dispositivo quân- tico pode dominar o custo computacional assintótico do algoritmo. Foram propostos diversos métodos baseados em circuitos para codificar dados clássicos nas amplitudes de probabilidade de um estado quântico. Entretanto, esses métodos produzem circuitos com complexidade que cresce linearmente com o tamanho do dado, anulando o benefício da aplicação quântica. O objetivo principal deste trabalho é reduzir a complexidade computacional dos circuitos para a inicialização de estados quânticos. As duas estratégias utilizadas para alcançar tal objetivo exploram a troca de complexidade temporal por espacial ou a transferência de complexidade computacional para um computador clássico. A primeira estratégia reinterpreta métodos al- gébricos para a decomposição de estados quânticos como caminhadas ao longo de árvores binárias. A segunda investiga o grau de emaranhamento de bipartições do estado quântico através da decomposição de Schmidt. Os métodos baseados em árvore alcançam uma redução exponencial na profundidade dos circuitos, em comparação às abordagens existentes. Os base- ados na decomposição de Schmidt produzem circuitos de complexidade variável, proporcional ao emaranhamento do estado. A perspectiva é que o resultado desta tese auxilie os profissionais da computação quântica durante a era dos dispositivos ruidosos de escala intermediária.
Desde a primeira vez que computação quântica foi concetualizada por Feynman, simulação quântica tem estado na vanguarda das possiveis aplicações de interesse. Os custos proibitivos de simular sistemas quânticos com computadores classicos são uma forte motivação para a investigação em computação quântica. Ao longo da última década, tem-se observado um progresso notável no desenvolvimento de hardware quantico. No entanto, os obstáculos entre nos e a era de vantagem quantica util mantem-se essencialmente os mesmos: A informação quântica e fragil, e protegê-la é um desafio. Visto que os dispositivos quânticos atuais são ruidosos e tem um número limitado de qubits, desenvolver algoritmos que possam ser executados neles e uma area de investigação importante. Por resultarem em circuitos de preparação de estado (ansatze) pouco profundos e treinaveis, algoritmos quânticos variacionais (VQAs) adaptativos são uma opção promissora. O primeiro algoritmo nesta classe, o ADAPT-VQE, pode ser utilizado para problemas de estrutura eletronica, otimização combinatoria, materia condensada, sistemas periódicos no tempo, entre outros. Nesta tese, são propostas varias melhorias para VQAs adaptativos, com o objetivo de diminuir os custos e aumentar a viabilidade a curto prazo. Propõe-se um otimizador quasi-Newton para VQAs adaptativos que reduz os custos de medição necessários para implementar estes algoritmos em hardware quântico, bem como o tempo necessario para os simular classicamente. Propõe-se ainda um novo conjunto de operadores — “operatores de intercambio acoplado” (CEOs) — que resulta no menor numero de portas quanticas e na menor profundidade de circuito entre todas as propostas na literatura. Combina-se varios desenvolvimentos-chave e mostra-se uma redução dramatica dos recursos computacionais quânticos necessários em comparação com as primeiras versões do algoritmo ou com ansätze estáticos para VQE. Adicionalmente, propõe-se uma versão codesenhada do ADAPT-VQE (Co-ADAPT-VQE) onde o hardware quântico e tido em consideração na construção do ansatz. Este paradigma pode ser utilizado para otimizar circuitos de preparação de estado em qualquer dispositivo, colmatando limitações como conetividade limitada, tempos de coerencia curtos, e erros nas portas quanticas. Finalmente, propomos estrategia para mitigar “vales de gradientes”, um problema de convergência especifico ao ADAPT-VQE.
Neste trabalho, apresentamos o uso de computadores quânticos para implementar, ini- cialmente, passeios quânticos em tempo discreto. Para esse propósito, empregamos o modelo de passeios quânticos escalonados (SQW, na sigla em inglês) em ciclos de 8 e 16 vértices, visando alcançar taxas com a maior fidelidade possível. Além disso, demonstramos resultados para um problema de busca espacial e para uma malha bidimensional. Exibimos resultados para passeios quânticos a tempo discreto. Ademais, a decomposição de portas multicontroladas em portas elementares de qubits demonstra uma estratégia pragmática para a mitigação de erros, contribuindo significativamente para a confiabilidade e reprodu- tibilidade de nossos resultados em computação quântica. Essa abordagem meticulosa é crucial, especialmente ao lidar com algoritmos quânticos complexos nos quais a precisão é fundamental. Utilizando metodologia semelhante, também implementamos passeios quânticos em tempo contínuo para três casos: grafo completo, grafo bipartido completo e hipercubo. Além disso, realizamos uma comparação entre os resultados obtidos pelo simulador quântico e pelo computador quântico em todos os casos. Nosso estudo não apenas contribui para o crescente corpo de pesquisa em algoritmos quânticos, mas também destaca a importância da otimização cuidadosa em nível de portas para a computação quântica prática. À medida que as tecnologias quânticas continuam a avançar, essas descobertas abrem caminho para o desenvolvimento de algoritmos quânticos mais robustos e eficientes com aplicações no mundo real.