“乾始”是集量子硬件、量子软件、量子应用于一体的产业级超导
量子计算机,由百度发布。基于“乾始”,推出首个全平台量子软硬一体化解决方案——
量羲,为量子计算产业落地提供可行性路径。
发展历史
2022年8月25日,“量见未来”
量子开发者大会在北京举办。会议期间,百度发布超导量子计算机“乾始”和全球首个全平台量子软硬一体解决方案“
量羲”,集量子硬件、量子软件、量子应用于一体,提供移动端、PC端、云端等在内的全平台使用方式。只需下载“
量易伏”APP,用户就可以体验量子计算,量子科技将不再“可望不可及”。
组成结构
“乾始”是集量子硬件、量子软件、量子应用于一体的产业级超导量子计算机。“乾始”量子硬件平台现已搭载10 量子比特高保真度超导
量子芯片,为用户提供稳定优质的量子计算服务。 “乾始”量子软件平台支持通过云服务获得量子算力,提供产业级量子计算服务。
乾始量子硬件平台
量子硬件平台是“乾始”的核心组成部分,为量子应用和量子平台的实践和落地提供了重要支撑。“乾始”量子硬件平台包括自主搭建的极低温测试平台、微波电子学设备、量子处理器等核心设备,并高度集成了自研的以自动化、可视化、一体化为特色的测控平台“
量脉”。
量脉-云原生测控平台
在乾始量子计算机中,“
量脉”是打通量子软件和硬件的关键,是连接量子软硬件之间的桥梁。
一方面,量脉的调度器可以将上层量子软件编译好的量子逻辑门电路高效地翻译为量子硬件可执行的脉冲信号序列。 另一方面,“量脉”提供了自动化软件包, 实现了量子芯片自动化表征、量子逻辑门自动化标定以及自动定期监控和再校准功能。在量子硬件平台启动时,只要提前输入量子芯片结构等基本信息,量脉就可以自动初始化量子芯片。此外,“量脉”还提供了可视化的一站式客户端,用户可以随时随地使用客户端便捷地查看硬件平台运行状态,还可以查看自动运行的实验任务、对应脉冲序列和实时返回的实验结果,也可以手动设置新的实验任务、分析各类实验数据。 “乾始”集成了量脉测控平台,大幅降低量子硬件平台的运行维护成本,极大减轻了科研与工程人员的负担。
量子处理器
量子处理器是量子硬件平台的重要组成部分,其性能会直接影响到整个量子计算机的性能和效率。乾始量子硬件平台搭载一块 10 量子比特高保真度超导量子芯片,为用户提供稳定优质的量子计算服务。现阶段,乾始超导量子计算机平均保真度达到单量子比特 99.8%,双量子比特 CX门 96.4% 及 CZ门 96.8%。
百度量子拥有完整的量子芯片设计团队,聚焦于设计具有业界核心竞争力的超导量子芯片,现阶段已具备了从芯片设计到仿真验证再到版图绘制的一整套技术,其中最大的特色是高度自动化的设计与绘制程序。作为落地实践案例,已完成了一款 36 比特含耦合器超导量子芯片的设计和仿真验证。
乾始量子软件平台
量子软件平台实现从量子硬件中抽调量子算力用于支撑量子应用的研发与演示。百度量子软件平台已经打通从量子应用开发、量子算法协议设计,到量子资源调度管理、量子噪声处理、量子硬件驱动等全流程。
百度量子发布全球首个云量一体的量子机器学习平台 --
量桨、接入量子硬件的量子网络工具集 --
QNET、量子计算应用工具集 -- QAPP,满足不同行业方向对量子算法和量子应用的设计需求。全球首个云原生量子计算平台 --
量易伏,实现超导量子计算机、离子阱量子计算机等多后端算力接入,同时具备自有硬件和第三方硬件接入能力,移动端、桌面端等多前端使用模式,让量子算力触手可及;量子噪声处理工具集 --
量噪,全面评估量子设备性能,提升量子设备的计算结果精度;国内首个云上量子脉冲系统 --
量脉,搭建量子软硬件的桥梁。
乾始量子应用
百度量子计算研究所开发了全球首个云量一体的量子机器学习平台,量桨,集成许多先进的量子算法,同时包含量子应用工具集、量子网络工具集、量子噪声处理等丰富的工具。乾始量子应用具体案例如下:
量子计算解密量子纠缠
基于乾始,可以成功得通过随机测量的方法实现了对一种纠缠程度度量的高效估计。在4-量子比特的实验上,得到了95%精度的结果,对算法进行了实践验证。在未来,随着系统规模的扩大,传统方法将需要指数增长的资源与计算规模,经典计算机将难以处理。这使得量子计算将在与之相关的量子化学、量子材料等场景研究中,展现它的威力。
量子计算模拟分子性质
基于乾始,百度量子已经可以进行一些小规模的量子模拟;包括计算氢化锂分子的基态与激发态间的能量,这可以帮助分析一些简单化学反应的反应路径和中间产物;以及模拟小规模的海森堡模型的演化,这都验证了量子模拟的可行性。
量子计算用于文本与图像分类
在裂缝探测和新闻标题分类这两个任务上,基于乾始进行了具体实验,通过量子电路编码、量子神经网络提取特征的方式,使用极少量的参数就可以精准地完成任务,展现了量子神经网络具有强大的特征表示能力。当量子设备拥有数百个量子比特时,量子机器学习预计能够使用更少的资源处理更复杂的数据和任务。