.svg)
Podcast avec Sam Stanwyck, chef de produit pour Quantum Software, NVIDIA.
Mon invité d'aujourd'hui est Sam Stanwyck, chef de produit senior pour l'informatique quantique chez NVIDIA. Sam et moi avons parlé de l'incursion de NVIDIA dans l'informatique quantique, de la question de savoir si leur simulateur deviendrait obsolète lorsque de plus gros ordinateurs quantiques seraient lancés, des nouvelles architectures informatiques d'entreprise et de bien d'autres choses encore.
LA TRANSCRIPTION COMPLÈTE EST CI-DESSOUS
Yuval Boger (CMO, Classiq): Bonjour, Sam. Merci de m'avoir rejoint aujourd'hui.
Sam Stanwyck (chef de produit senior, logiciel quantique, NVIDIA): Bonjour, Yuval. C'est un plaisir d'être ici.
Yuval: Qui êtes-vous et que faites-vous ?
Sam: Je m'appelle Sam Stanwyck et je suis chef de produit pour l'informatique quantique chez NVIDIA. NVIDIA construit des outils pour accélérer la simulation des circuits quantiques et, par extension, la recherche sur les algorithmes quantiques et la science de l'information quantique en général.
Yuval: Est-ce là l'objectif principal de l'espace quantique ? Vous ne construisez pas d'ordinateurs, n'est-ce pas ? Ou s'agit-il plutôt de simulateurs ?
Sam: Oui, c'est vrai. Nous ne construisons donc pas notre propre ordinateur quantique. L'objectif est de permettre à l'ensemble de l'écosystème de fonctionner, c'est-à-dire aux personnes qui construisent des ordinateurs quantiques et à celles qui essaient de comprendre ce qu'il faut en faire.
Yuval: Lorsque vous avez décidé de vous lancer dans ce projet, vous avez dû constater que les entreprises qui se lancent dans l'informatique quantique sont confrontées à certains défis. Pourriez-vous nous faire part de ce que vous avez constaté avant de décider de vous lancer dans cette entreprise ?
Sam: Bien sûr. Comme vous le savez, il y a plusieurs séries de défis à relever. Il y a d'abord, de toute évidence, le fait que les ordinateurs quantiques doivent être considérablement améliorés avant que nous puissions en faire quelque chose de valable. Nous devons donc augmenter le nombre de qubits des ordinateurs quantiques. Et surtout, réduire les taux d'erreur pour pouvoir exécuter des algorithmes utiles.
Sam: Mais il y a aussi une série de défis à relever pour comprendre ce que nous allons réellement faire avec ces ordinateurs quantiques plus puissants lorsqu'ils arriveront. Il serait regrettable que nous fassions beaucoup de progrès sur le matériel sans avoir une idée précise des algorithmes les mieux adaptés à l'exploitation des avantages quantiques.
Sam: Notre produit s'appelle cuQuantum. L'idée est de permettre aux gens de répondre plus facilement à des questions telles que : quels algorithmes quantiques pourraient être les mieux adaptés à l'avantage quantique pour un problème particulier ? Comment s'adaptent-ils par rapport aux meilleurs algorithmes classiques ? Quelles sont les exigences du matériel quantique en termes d'échelle et de taux d'erreur ? Et quelles architectures de processeurs quantiques pourraient être les mieux adaptées à quels problèmes ? Je pense qu'il s'agit là des problèmes clés auxquels NVIDIA espère aider tout le monde à répondre.
Yuval: Si j'utilise la bibliothèque cuQuantum de NVIDIA, je pense que les gens disent qu'en fonction de leur niveau d'intrication et de quelques autres facteurs, environ 50 qubits sont la limite à partir de laquelle vous ne pouvez plus simuler un logiciel quantique sur un ordinateur classique. Cette limite change-t-elle avec une bibliothèque NVIDIA ? Ou les résultats sont-ils simplement un peu plus rapides que ceux obtenus avec un simulateur classique ?
Sam: C'est une excellente question. Il existe plusieurs façons de simuler un circuit quantique. Ce que la plupart des gens connaissent, je crois, c'est ce qu'on appelle la simulation de vecteur d'état. Il s'agit en fait d'une émulation classique par force brute d'un ordinateur quantique où l'on garde en mémoire l'état complet du système. Ainsi, si cet état est constitué de N qubits, il faut un vecteur de taille deux fois supérieure à N. Cette méthode est donc très puissante pour simuler des qubits parfaits ou bruyants à une profondeur arbitraire et pour avoir la flexibilité de faire des choses telles que des mesures de circuits moyens.
Sam: Mais comme vous le mentionnez dans votre question, la limite est la mémoire. Sur un seul GPU, le nombre de qubits pouvant être simulés est généralement de l'ordre d'une trentaine. Et même sur un supercalculateur, c'est généralement une quarantaine de qubits, pas plus de 50 qubits.
Sam: Mais il existe d'autres moyens de simuler les circuits quantiques. Une autre bibliothèque de cuQuantum est construite autour de l'accélération de ce que l'on appelle la simulation de réseaux tensoriels. L'idée de la simulation de réseau tensoriel est de modéliser le circuit quantique comme un réseau de tenseurs, d'effectuer une optimisation en amont pour trouver un chemin optimal pour contracter ces tenseurs, puis de simuler le circuit en contractant les tenseurs un par un. Il s'avère que cela modifie l'échelle de cette exigence de mémoire dure en fonction de la profondeur du circuit et de l'enchevêtrement du circuit. Il s'avère donc que pour de nombreux circuits quantiques pratiques qui sont candidats à un avantage quantique à court terme, je pense en particulier aux algorithmes quantiques variationnels, ils ont tendance à être assez peu profonds et à avoir un enchevêtrement assez faible. La simulation du vecteur d'état peut donc souvent s'avérer superflue. Les réseaux tensoriels permettent d'atteindre des centaines, voire des milliers de qubits, en fonction du circuit.
Yuval: Il existe une branche de l'informatique dite d'inspiration quantique, où l'on dit : "Nous avons appris certains concepts de l'informatique quantique et nous allons maintenant les appliquer à des machines classiques. Et maintenant, nous allons les exécuter sur des machines classiques." Est-ce que c'est ce que vous essayez de faire ici, c'est-à-dire de contourner le besoin d'ordinateurs quantiques pour un certain nombre de problèmes, comme le VQE que vous avez décrit ?
Sam: S'il en résulte quelque chose dans ce sens, ce serait évidemment formidable, mais ce n'est pas vraiment notre objectif. L'objectif est de construire des outils pour les personnes qui font de la recherche et développent des ordinateurs quantiques. Je considère donc la simulation de vecteur d'état et la simulation de réseau tensoriel comme des moyens de se projeter dans l'avenir et de répondre à l'avance à des questions importantes. Si nous disposions de 35 qubits logiques parfaits avec lesquels nous pourrions exécuter quelque chose à une profondeur arbitraire, que pourrions-nous faire et comment cela se comparerait-il aux méthodes classiques ? Ou si nous avions des centaines ou des milliers de qubits bruyants et que nous pouvions exécuter quelque chose à une profondeur peu profonde, que pourrions-nous faire ? Et comment cela se comparerait-il aux méthodes classiques ? Il s'agit donc plutôt d'accélérer l'écosystème de la recherche quantique.
Yuval: Cette simulation de réseau tensoriel peut-elle être exécutée sur du matériel autre que NVIDIA ? Pourrions-nous adopter la même approche et l'exécuter de manière classique sur un processeur classique ?
Sam: Il est possible de l'exécuter. Ce type de problèmes convient parfaitement à nos GPU. Ainsi, lorsque nous utilisons cuStateVec ou cuTensorNet par rapport à un simulateur fonctionnant sur un processeur classique ou sur un CPU, nous constatons une accélération d'au moins un ordre de grandeur, et souvent plus. Je pense donc que pour des tests simples, comme l'essai d'algorithmes quantiques, le test de petits circuits, les CPU sont parfaits. Mais si vous voulez pousser les performances, les GPU sont une solution naturelle pour ce type de travail, pour la même raison qu'ils sont une solution naturelle pour l'apprentissage en profondeur.
Yuval: Pensez-vous que cette ligne de produits soit transitoire ? Cela signifie que dans quelques années, il y aura, nous l'espérons, des ordinateurs quantiques avec des centaines ou des milliers de qubits. La fidélité des qubits sera meilleure. L'erreur de porte sera meilleure. Dans quelques années, aura-t-on encore besoin d'une bibliothèque comme cuQuantum de NVIDIA ?
Sam: Oui, c'est une excellente question. En ce qui concerne cuQuantum, je pense qu'il deviendra encore plus important, mais peut-être plus ciblé. À l'heure actuelle, bien que nous soyons encore loin des avantages et de la pratique quantiques, la simulation quantique des circuits permet de répondre à de nombreuses grandes questions dont nous avons parlé, en devançant les ordinateurs quantiques actuels en termes d'échelle et de performances et en répondant aux questions suivantes : lorsque les ordinateurs quantiques seront là, comment se compareront-ils aux algorithmes classiques sur les ordinateurs classiques ? Au fur et à mesure que les ordinateurs quantiques s'améliorent, je pense que cette image commencera à se clarifier et que nous aurons une bien meilleure compréhension des domaines dans lesquels nous sommes susceptibles de trouver de la valeur dans cet espace.
Sam: Ensuite, la simulation de circuits quantiques sera vraiment importante pour des problèmes plus spécifiques, comme comprendre quelle modification d'un algorithme quantique variationnel pourrait lui permettre de mieux s'adapter ou d'être mieux adapté à une simulation moléculaire particulière, par exemple. Ou encore, compte tenu d'une certaine fidélité moyenne à la porte cubique du qubit, quelle variation d'un algorithme de correction d'erreur pourrait être la plus efficace pour l'informatique quantique tolérante aux pannes. Sans oublier que la disponibilité des processeurs quantiques restera longtemps limitée par rapport aux ressources classiques. Je pense donc que les chercheurs et les développeurs continueront à effectuer la majeure partie de leur travail sur des simulateurs pendant très longtemps.
Yuval: Beaucoup d'algorithmes quantiques, et vous avez mentionné VQE, sont des algorithmes hybrides, où une partie fonctionne de manière classique et l'autre de manière quantique. Est-ce que cuQuantum me permet de faire cela, c'est-à-dire de simuler la partie quantique sur votre simulateur, tout en continuant à fonctionner de manière classique sur un processeur général ?
Sam: Oui, ce qui est bien avec cuQuantum et dont nous n'avons pas encore parlé, c'est qu'il est de très bas niveau. En ce qui concerne la simulation du vecteur d'état, l'API de cuQuantum permet de multiplier la matrice de la porte par le vecteur d'état. Cela le rend très flexible et agnostique. CuQuantum n'est donc pas un simulateur en soi. Il se branche sur les simulateurs de Cirq, Qiskit ou Pennylane, les accélère et n'en sait pas trop sur le circuit. Ainsi, cuQuantum fait fonctionner les algorithmes hybrides sans problème. Il fait fonctionner les portes bruyantes sans problème, et vous n'avez pas besoin de modifier votre code pour l'exploiter.
Yuval: Donc, pour utiliser cuQuantum aujourd'hui, je pourrais simplement déployer une instance sur AWS, par exemple, et l'exécuter comme n'importe quelle autre charge de travail GPU ?
Sam: Oui. C'est bien cela. Nous avons donc une intégration avec le cadre Cirq et le simulateur QSim de Google qui est publiquement disponible aujourd'hui. Vous pouvez donc utiliser Cirq. Depuis quelques semaines, nous proposons également un conteneur qui regroupe tous ces éléments. Vous pouvez donc simplement extraire ce conteneur, le déployer sur votre fournisseur de cloud préféré et l'exécuter comme vous le feriez avec Cirq, sans aucun changement.
Yuval: Très souvent, lorsque les gens parlent de l'unité de processeur quantique (QPU), ils font l'analogie avec le GPU : nous ne nous attendons pas à ce que les processeurs quantiques organisent des réunions Zoom, mais nous attendons d'eux qu'ils soient capables de décharger l'unité centrale de certaines tâches de calcul. Êtes-vous d'accord avec cette analogie ? Pensez-vous qu'il y aura à l'avenir des triplets CPU, GPU, QPU ? Comment cela fonctionne-t-il ? Comment pensez-vous que cela se traduira dans l'architecture d'une entreprise ?
Sam: C'est une autre excellente question. Il y a certainement des parallèles entre un GPU et un QPU dans la manière dont ils s'intègrent dans une architecture d'entreprise, mais aussi des différences majeures qu'il est important de comprendre.
Sam: Et je suppose que les parallèles, bien sûr, il y a un ensemble de tâches pour lesquelles notre GPU est bien mieux adapté qu'un CPU. Il peut accélérer considérablement le processus. Nous prévoyons quelque chose de similaire pour le QPU. Un autre parallèle est que lorsque les gens commenceront à utiliser des ordinateurs quantiques dans le cadre d'un centre de données hybride, il sera vraiment important de réfléchir au modèle de co-programmation des ordinateurs quantiques avec des ressources informatiques classiques à haute performance, comme cela a été le cas avec les GPU, afin d'en tirer le meilleur parti.
Sam: Mais pour les GPU, nous parlons toujours, au niveau de la physique fondamentale, du même modèle de calcul qu'un CPU. Par conséquent, les applications pour lesquelles un GPU peut apporter une amélioration proche de la goutte d'eau constituent un ensemble extrêmement large de tâches informatiques intensives. Les ordinateurs quantiques, quant à eux, constituent un modèle de calcul fondamentalement différent, basé sur une physique fondamentalement différente. D'un côté, c'est extrêmement intéressant. D'autre part, nous sommes encore en train de comprendre quelle est l'étendue de l'espace où nous attendons un avantage pratique des ordinateurs quantiques, mais nous nous attendons à ce qu'il soit beaucoup plus petit. Nous ne pensons donc pas que les QPU remplaceront les GPU. Nous les considérons comme une sorte de complément dans le centre de données.
Yuval: Tout cela semble fascinant. Comment peut-on vous contacter pour en savoir plus sur votre travail ?
Sam: C'est sur LinkedIn que je suis le plus disponible. Je pense que je suis le seul Sam Stanwyck au monde. Si vous cherchez mon nom, il devrait apparaître. Et je serais ravi d'entrer en contact avec qui que ce soit.
Yuval: C'est formidable. Merci beaucoup de vous être joint à moi aujourd'hui.
Sam: Merci Yuval, c'était super d'être ici.
Mon invité d'aujourd'hui est Sam Stanwyck, chef de produit senior pour l'informatique quantique chez NVIDIA. Sam et moi avons parlé de l'incursion de NVIDIA dans l'informatique quantique, de la question de savoir si leur simulateur deviendrait obsolète lorsque de plus gros ordinateurs quantiques seraient lancés, des nouvelles architectures informatiques d'entreprise et de bien d'autres choses encore.
LA TRANSCRIPTION COMPLÈTE EST CI-DESSOUS
Yuval Boger (CMO, Classiq): Bonjour, Sam. Merci de m'avoir rejoint aujourd'hui.
Sam Stanwyck (chef de produit senior, logiciel quantique, NVIDIA): Bonjour, Yuval. C'est un plaisir d'être ici.
Yuval: Qui êtes-vous et que faites-vous ?
Sam: Je m'appelle Sam Stanwyck et je suis chef de produit pour l'informatique quantique chez NVIDIA. NVIDIA construit des outils pour accélérer la simulation des circuits quantiques et, par extension, la recherche sur les algorithmes quantiques et la science de l'information quantique en général.
Yuval: Est-ce là l'objectif principal de l'espace quantique ? Vous ne construisez pas d'ordinateurs, n'est-ce pas ? Ou s'agit-il plutôt de simulateurs ?
Sam: Oui, c'est vrai. Nous ne construisons donc pas notre propre ordinateur quantique. L'objectif est de permettre à l'ensemble de l'écosystème de fonctionner, c'est-à-dire aux personnes qui construisent des ordinateurs quantiques et à celles qui essaient de comprendre ce qu'il faut en faire.
Yuval: Lorsque vous avez décidé de vous lancer dans ce projet, vous avez dû constater que les entreprises qui se lancent dans l'informatique quantique sont confrontées à certains défis. Pourriez-vous nous faire part de ce que vous avez constaté avant de décider de vous lancer dans cette entreprise ?
Sam: Bien sûr. Comme vous le savez, il y a plusieurs séries de défis à relever. Il y a d'abord, de toute évidence, le fait que les ordinateurs quantiques doivent être considérablement améliorés avant que nous puissions en faire quelque chose de valable. Nous devons donc augmenter le nombre de qubits des ordinateurs quantiques. Et surtout, réduire les taux d'erreur pour pouvoir exécuter des algorithmes utiles.
Sam: Mais il y a aussi une série de défis à relever pour comprendre ce que nous allons réellement faire avec ces ordinateurs quantiques plus puissants lorsqu'ils arriveront. Il serait regrettable que nous fassions beaucoup de progrès sur le matériel sans avoir une idée précise des algorithmes les mieux adaptés à l'exploitation des avantages quantiques.
Sam: Notre produit s'appelle cuQuantum. L'idée est de permettre aux gens de répondre plus facilement à des questions telles que : quels algorithmes quantiques pourraient être les mieux adaptés à l'avantage quantique pour un problème particulier ? Comment s'adaptent-ils par rapport aux meilleurs algorithmes classiques ? Quelles sont les exigences du matériel quantique en termes d'échelle et de taux d'erreur ? Et quelles architectures de processeurs quantiques pourraient être les mieux adaptées à quels problèmes ? Je pense qu'il s'agit là des problèmes clés auxquels NVIDIA espère aider tout le monde à répondre.
Yuval: Si j'utilise la bibliothèque cuQuantum de NVIDIA, je pense que les gens disent qu'en fonction de leur niveau d'intrication et de quelques autres facteurs, environ 50 qubits sont la limite à partir de laquelle vous ne pouvez plus simuler un logiciel quantique sur un ordinateur classique. Cette limite change-t-elle avec une bibliothèque NVIDIA ? Ou les résultats sont-ils simplement un peu plus rapides que ceux obtenus avec un simulateur classique ?
Sam: C'est une excellente question. Il existe plusieurs façons de simuler un circuit quantique. Ce que la plupart des gens connaissent, je crois, c'est ce qu'on appelle la simulation de vecteur d'état. Il s'agit en fait d'une émulation classique par force brute d'un ordinateur quantique où l'on garde en mémoire l'état complet du système. Ainsi, si cet état est constitué de N qubits, il faut un vecteur de taille deux fois supérieure à N. Cette méthode est donc très puissante pour simuler des qubits parfaits ou bruyants à une profondeur arbitraire et pour avoir la flexibilité de faire des choses telles que des mesures de circuits moyens.
Sam: Mais comme vous le mentionnez dans votre question, la limite est la mémoire. Sur un seul GPU, le nombre de qubits pouvant être simulés est généralement de l'ordre d'une trentaine. Et même sur un supercalculateur, c'est généralement une quarantaine de qubits, pas plus de 50 qubits.
Sam: Mais il existe d'autres moyens de simuler les circuits quantiques. Une autre bibliothèque de cuQuantum est construite autour de l'accélération de ce que l'on appelle la simulation de réseaux tensoriels. L'idée de la simulation de réseau tensoriel est de modéliser le circuit quantique comme un réseau de tenseurs, d'effectuer une optimisation en amont pour trouver un chemin optimal pour contracter ces tenseurs, puis de simuler le circuit en contractant les tenseurs un par un. Il s'avère que cela modifie l'échelle de cette exigence de mémoire dure en fonction de la profondeur du circuit et de l'enchevêtrement du circuit. Il s'avère donc que pour de nombreux circuits quantiques pratiques qui sont candidats à un avantage quantique à court terme, je pense en particulier aux algorithmes quantiques variationnels, ils ont tendance à être assez peu profonds et à avoir un enchevêtrement assez faible. La simulation du vecteur d'état peut donc souvent s'avérer superflue. Les réseaux tensoriels permettent d'atteindre des centaines, voire des milliers de qubits, en fonction du circuit.
Yuval: Il existe une branche de l'informatique dite d'inspiration quantique, où l'on dit : "Nous avons appris certains concepts de l'informatique quantique et nous allons maintenant les appliquer à des machines classiques. Et maintenant, nous allons les exécuter sur des machines classiques." Est-ce que c'est ce que vous essayez de faire ici, c'est-à-dire de contourner le besoin d'ordinateurs quantiques pour un certain nombre de problèmes, comme le VQE que vous avez décrit ?
Sam: S'il en résulte quelque chose dans ce sens, ce serait évidemment formidable, mais ce n'est pas vraiment notre objectif. L'objectif est de construire des outils pour les personnes qui font de la recherche et développent des ordinateurs quantiques. Je considère donc la simulation de vecteur d'état et la simulation de réseau tensoriel comme des moyens de se projeter dans l'avenir et de répondre à l'avance à des questions importantes. Si nous disposions de 35 qubits logiques parfaits avec lesquels nous pourrions exécuter quelque chose à une profondeur arbitraire, que pourrions-nous faire et comment cela se comparerait-il aux méthodes classiques ? Ou si nous avions des centaines ou des milliers de qubits bruyants et que nous pouvions exécuter quelque chose à une profondeur peu profonde, que pourrions-nous faire ? Et comment cela se comparerait-il aux méthodes classiques ? Il s'agit donc plutôt d'accélérer l'écosystème de la recherche quantique.
Yuval: Cette simulation de réseau tensoriel peut-elle être exécutée sur du matériel autre que NVIDIA ? Pourrions-nous adopter la même approche et l'exécuter de manière classique sur un processeur classique ?
Sam: Il est possible de l'exécuter. Ce type de problèmes convient parfaitement à nos GPU. Ainsi, lorsque nous utilisons cuStateVec ou cuTensorNet par rapport à un simulateur fonctionnant sur un processeur classique ou sur un CPU, nous constatons une accélération d'au moins un ordre de grandeur, et souvent plus. Je pense donc que pour des tests simples, comme l'essai d'algorithmes quantiques, le test de petits circuits, les CPU sont parfaits. Mais si vous voulez pousser les performances, les GPU sont une solution naturelle pour ce type de travail, pour la même raison qu'ils sont une solution naturelle pour l'apprentissage en profondeur.
Yuval: Pensez-vous que cette ligne de produits soit transitoire ? Cela signifie que dans quelques années, il y aura, nous l'espérons, des ordinateurs quantiques avec des centaines ou des milliers de qubits. La fidélité des qubits sera meilleure. L'erreur de porte sera meilleure. Dans quelques années, aura-t-on encore besoin d'une bibliothèque comme cuQuantum de NVIDIA ?
Sam: Oui, c'est une excellente question. En ce qui concerne cuQuantum, je pense qu'il deviendra encore plus important, mais peut-être plus ciblé. À l'heure actuelle, bien que nous soyons encore loin des avantages et de la pratique quantiques, la simulation quantique des circuits permet de répondre à de nombreuses grandes questions dont nous avons parlé, en devançant les ordinateurs quantiques actuels en termes d'échelle et de performances et en répondant aux questions suivantes : lorsque les ordinateurs quantiques seront là, comment se compareront-ils aux algorithmes classiques sur les ordinateurs classiques ? Au fur et à mesure que les ordinateurs quantiques s'améliorent, je pense que cette image commencera à se clarifier et que nous aurons une bien meilleure compréhension des domaines dans lesquels nous sommes susceptibles de trouver de la valeur dans cet espace.
Sam: Ensuite, la simulation de circuits quantiques sera vraiment importante pour des problèmes plus spécifiques, comme comprendre quelle modification d'un algorithme quantique variationnel pourrait lui permettre de mieux s'adapter ou d'être mieux adapté à une simulation moléculaire particulière, par exemple. Ou encore, compte tenu d'une certaine fidélité moyenne à la porte cubique du qubit, quelle variation d'un algorithme de correction d'erreur pourrait être la plus efficace pour l'informatique quantique tolérante aux pannes. Sans oublier que la disponibilité des processeurs quantiques restera longtemps limitée par rapport aux ressources classiques. Je pense donc que les chercheurs et les développeurs continueront à effectuer la majeure partie de leur travail sur des simulateurs pendant très longtemps.
Yuval: Beaucoup d'algorithmes quantiques, et vous avez mentionné VQE, sont des algorithmes hybrides, où une partie fonctionne de manière classique et l'autre de manière quantique. Est-ce que cuQuantum me permet de faire cela, c'est-à-dire de simuler la partie quantique sur votre simulateur, tout en continuant à fonctionner de manière classique sur un processeur général ?
Sam: Oui, ce qui est bien avec cuQuantum et dont nous n'avons pas encore parlé, c'est qu'il est de très bas niveau. En ce qui concerne la simulation du vecteur d'état, l'API de cuQuantum permet de multiplier la matrice de la porte par le vecteur d'état. Cela le rend très flexible et agnostique. CuQuantum n'est donc pas un simulateur en soi. Il se branche sur les simulateurs de Cirq, Qiskit ou Pennylane, les accélère et n'en sait pas trop sur le circuit. Ainsi, cuQuantum fait fonctionner les algorithmes hybrides sans problème. Il fait fonctionner les portes bruyantes sans problème, et vous n'avez pas besoin de modifier votre code pour l'exploiter.
Yuval: Donc, pour utiliser cuQuantum aujourd'hui, je pourrais simplement déployer une instance sur AWS, par exemple, et l'exécuter comme n'importe quelle autre charge de travail GPU ?
Sam: Oui. C'est bien cela. Nous avons donc une intégration avec le cadre Cirq et le simulateur QSim de Google qui est publiquement disponible aujourd'hui. Vous pouvez donc utiliser Cirq. Depuis quelques semaines, nous proposons également un conteneur qui regroupe tous ces éléments. Vous pouvez donc simplement extraire ce conteneur, le déployer sur votre fournisseur de cloud préféré et l'exécuter comme vous le feriez avec Cirq, sans aucun changement.
Yuval: Très souvent, lorsque les gens parlent de l'unité de processeur quantique (QPU), ils font l'analogie avec le GPU : nous ne nous attendons pas à ce que les processeurs quantiques organisent des réunions Zoom, mais nous attendons d'eux qu'ils soient capables de décharger l'unité centrale de certaines tâches de calcul. Êtes-vous d'accord avec cette analogie ? Pensez-vous qu'il y aura à l'avenir des triplets CPU, GPU, QPU ? Comment cela fonctionne-t-il ? Comment pensez-vous que cela se traduira dans l'architecture d'une entreprise ?
Sam: C'est une autre excellente question. Il y a certainement des parallèles entre un GPU et un QPU dans la manière dont ils s'intègrent dans une architecture d'entreprise, mais aussi des différences majeures qu'il est important de comprendre.
Sam: Et je suppose que les parallèles, bien sûr, il y a un ensemble de tâches pour lesquelles notre GPU est bien mieux adapté qu'un CPU. Il peut accélérer considérablement le processus. Nous prévoyons quelque chose de similaire pour le QPU. Un autre parallèle est que lorsque les gens commenceront à utiliser des ordinateurs quantiques dans le cadre d'un centre de données hybride, il sera vraiment important de réfléchir au modèle de co-programmation des ordinateurs quantiques avec des ressources informatiques classiques à haute performance, comme cela a été le cas avec les GPU, afin d'en tirer le meilleur parti.
Sam: Mais pour les GPU, nous parlons toujours, au niveau de la physique fondamentale, du même modèle de calcul qu'un CPU. Par conséquent, les applications pour lesquelles un GPU peut apporter une amélioration proche de la goutte d'eau constituent un ensemble extrêmement large de tâches informatiques intensives. Les ordinateurs quantiques, quant à eux, constituent un modèle de calcul fondamentalement différent, basé sur une physique fondamentalement différente. D'un côté, c'est extrêmement intéressant. D'autre part, nous sommes encore en train de comprendre quelle est l'étendue de l'espace où nous attendons un avantage pratique des ordinateurs quantiques, mais nous nous attendons à ce qu'il soit beaucoup plus petit. Nous ne pensons donc pas que les QPU remplaceront les GPU. Nous les considérons comme une sorte de complément dans le centre de données.
Yuval: Tout cela semble fascinant. Comment peut-on vous contacter pour en savoir plus sur votre travail ?
Sam: C'est sur LinkedIn que je suis le plus disponible. Je pense que je suis le seul Sam Stanwyck au monde. Si vous cherchez mon nom, il devrait apparaître. Et je serais ravi d'entrer en contact avec qui que ce soit.
Yuval: C'est formidable. Merci beaucoup de vous être joint à moi aujourd'hui.
Sam: Merci Yuval, c'était super d'être ici.
A propos de "The Qubit Guy's Podcast" (Le podcast du gars de Qubit)
Animé par The Qubit Guy (Yuval Boger, notre directeur marketing), le podcast accueille des leaders d'opinion de l'informatique quantique pour discuter de questions commerciales et techniques qui ont un impact sur l'écosystème de l'informatique quantique. Nos invités fournissent des informations intéressantes sur les logiciels et algorithmes d'ordinateurs quantiques, le matériel informatique quantique, les applications clés de l'informatique quantique, les études de marché de l'industrie quantique et bien plus encore.
Si vous souhaitez proposer un invité pour le podcast, veuillez nous contacter.
