أخبار ar.wedoany.com، أعلنت منصة الحوسبة الكمومية السحابية qBraid عن سلسلة من التوسعات في البنية التحتية والاختراقات الخوارزمية، بهدف تعزيز خط أنابيب التطوير الهجين الكمومي-التقليدي. تجعل هذه التحديثات qBraid هدفًا سحابيًا عن بُعد ضمن إطار عمل NVIDIA CUDA-Q، وتوسع أسطول أجهزة معالجة الرسوميات عند الطلب في qBraid Lab، وتنشر وكيل الترميز الآلي AlphaEvolve من جوجل كلاود لحل اختناقات الموارد في محاكاة الكيمياء الكمومية المتسامحة مع الأخطاء.
من خلال تكاملها كهدف سحابي عن بُعد داخل NVIDIA CUDA-Q، يمكن للمطورين استخدام سلسلة أدوات المترجم الأصلي nvq++ لتجميع النوى الكمومية مباشرةً وإرسالها إلى الأجهزة المادية المدعومة من qBraid. تتيح هذه البنية للمستخدمين، باستخدام مفتاح API واحد من qBraid، استهداف الخلفيات الأجهزية من موردين مثل Rigetti وIonQ وIQM وQuEra عن طريق ضبط علامات الآلة في عبارات التنفيذ. يشمل خط الأنابيب الوصول إلى محاكي متجه الحالة الوسيطة الكمومية المجاني من qBraid، والذي يدعم الإرسال غير المتزامن واستمرارية القرص المستقبلية، ومناسب لأحمال العمل التي تصل إلى 30 كيوبت و2000 طلقة.
لدعم أحمال العمل الهجينة المكثفة، مثل محاكاة شبكات التنسور والتحسين المتغير وفك تشفير تصحيح الأخطاء بالشبكات العصبية، وسعت qBraid Lab بنيتها التحتية لتوفير وصول عند الطلب إلى أكثر من 20 نوعًا من مثيلات وحدات معالجة الرسوميات. أسطول الدفع حسب الاستخدام، الذي يديره كبير المسؤولين التقنيين في qBraid ريان هيل، يزيل احتكاك السعة المحجوزة، مما يسمح للمستخدمين بتشغيل التهيئة مباشرةً في بيئات JupyterLab أو VS Code المستندة إلى المتصفح. تغطي مستويات الحوسبة المتاحة عدة أجيال من الأجهزة، بما في ذلك: بنية Blackwell NVIDIA B200، وبنية Hopper NVIDIA H200 وNVIDIA H100 وNVIDIA GH200 Grace Hopper Superchip، وبنية Ampere وAda Lovelace NVIDIA A100 وNVIDIA L4 وNVIDIA L40S وRTX 4090 وRTX 5090 وRTX 6000 Ada. تدعم ملفات تعريف المثيلات هذه التنفيذ الأصلي لنماذج المعايرة الكمومية المخصصة، مثل سلسلة NVIDIA Ising المفتوحة للذكاء الاصطناعي، والتي تم تكوينها مسبقًا للعمل مع حزمة مترجم CUDA-Q.
على المستوى الرياضي الأساسي للكيمياء الكمومية، تعاون فريق البحث في qBraid، الذي يضم الدكتور كيني هايتريت وجيمس براون وتاريني هاديكا، مع برنامج الوصول المبكر AlphaEvolve من جوجل كلاود لتحسين ترميز الفرميونات إلى الكيوبتات. نظرًا لمساحة البحث الأسية، التي قد تتجاوز 10^50 تكوينًا محتملاً لجزيء ذي 8 مدارات، يمثل تحويل البنية الإلكترونية الجزيئية إلى عوامل تشغيل كيوبتية تحديًا كبيرًا في التصميم. باستخدام نموذج Gemini في حلقات التطور، قام وكيل AlphaEvolve بتعديل هياكل Python الأولية بشكل متكرر استنادًا إلى عائلة الترميز فائق السرعة المعمم الحصرية لـ qBraid، وقام بتقييم حوالي 1500 متغيرًا من البرامج مقابل لوحة تسجيل دقيقة وغير قابلة للاختراق. نجحت قواعد الترميز الناتجة عن الذكاء الاصطناعي في تجاوز قيود التصميم اليدوي التقليدية، محققةً رمز تصحيح أخطاء كمومي دقيق من المسافة 5 على هاميلتونيات جزيئية كثيفة، بينما كان أفضل ما حققه الهندسة البشرية سابقًا هو المسافة 3. عند التحقق من صحتها على أنظمة كيميائية محجوزة لم تُواجه أثناء التدريب النموذجي، مثل هيدريد البريليوم والماء، حافظ الكود الناتج على حماية المسافة 5. تعمل الهياكل الجديدة المكتشفة على تقليل معدل الخطأ المنطقي بمقدار 3.4 إلى 7.9 مرة تحت فك التشفير الدقيق، مع الحاجة إلى كيوبتات بيانات أقل بمقدار 4.2 إلى 5.0 مرة من مسارات التجميع المتسامحة مع الأخطاء القياسية، مما يقلل من النفقات العامة للأجهزة المادية اللازمة للمحاكاة الجزيئية العميقة.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
