IBM on julkaissut uuden referenssiarkkitehtuurin, joka määrittelee, miten kvanttitietokoneet integroidaan osaksi perinteisiä supertietokoneympäristöjä. Yhtiön mukaan kvanttilaskennan todellinen hyöty syntyy vasta, kun kvanttiprosessorit kytketään tiiviisti osaksi HPC-infrastruktuuria.
Taustalla on käytännön ongelma. Nykyisin kvanttitietokoneet ja supertietokoneet toimivat pitkälti erillään. Tutkijoiden täytyy siirtää dataa järjestelmien välillä, ajoittaa laskentaa manuaalisesti ja yhdistää tulokset jälkikäteen. Tämä hidastaa kehitystä ja rajoittaa kvanttilaskennan hyödyntämistä.
IBM:n esittämässä niin sanotussa quantum-centric supercomputing -mallissa kvanttiprosessorit (QPU) liitetään osaksi samaa laskentapinoa CPU- ja GPU-resurssien kanssa. Ajatus on suoraan analoginen grafiikkaprosessoreihin: kvanttikone ei korvaa supertietokonetta, vaan toimii sen erikoistuneena kiihdyttimenä.
Arkkitehtuuri kattaa koko järjestelmän laitteistosta sovelluksiin. Kvanttiprosessori toimii tiukasti integroidussa ympäristössä, jossa klassinen laskenta hoitaa esikäsittelyn, optimoinnin ja tulosten analyysin. Kvanttikone puolestaan ratkaisee laskennan osia, jotka kasvavat klassisesti eksponentiaalisiksi, kuten monimutkaisten molekyylien simulointi.
IBM kuvaa kehityksen etenevän kolmessa vaiheessa. Ensimmäisessä vaiheessa kvanttikone toimii erillisenä kiihdyttimenä HPC-ympäristössä. Seuraavassa vaiheessa kvantti- ja klassinen laskenta kytkeytyvät tiiviimmin yhteen yhteisen ohjelmistokerroksen kautta. Lopulta tavoitteena on täysin yhteissuunniteltu järjestelmä, jossa kvantti ja klassinen laskenta toimivat saumattomasti samassa työkuormassa.
Keskeinen tekninen haaste on resurssien hallinta. Perinteiset HPC-työjonot, kuten Slurm, eivät tunne kvanttiprosessoreita. IBM ehdottaa ratkaisuksi uutta rajapintaa, jonka avulla kvanttilaskenta voidaan ottaa mukaan samaan ajastus- ja orkestrointimalliin klassisten resurssien kanssa.
Käytännön sovelluksissa kvantti-HPC-yhdistelmä näkyy hybridilaskentana. Esimerkiksi kemian simuloinnissa kvanttiprosessori tuottaa näytteitä kvanttitilasta, ja supertietokone käyttää nämä tulokset energiatilojen laskemiseen ja optimointiin. Samankaltaisia työnjakoja nähdään optimointiongelmissa, koneoppimisessa ja differentiaaliyhtälöiden ratkaisemisessa.
