Квантовые вычисления
Cirq и другие фреймворки
Цели урока
- Понять ключевые отличия Cirq от Qiskit: моменты и явная топология
- Освоить PennyLane для квантового ML с автодифференцированием
- Разобраться в модели Amazon Braket: мульти-QPU через единый API
- Выбирать фреймворк под конкретную задачу
Qiskit - не единственный вариант. Google, Xanadu и Amazon построили свои фреймворки с разными философиями. Понимание экосистемы позволяет выбрать инструмент под задачу, а не подстраивать задачу под инструмент.
- **Google Quantum AI:** весь стек на Cirq - от алгоритма до управления Sycamore
- **Xanadu:** PennyLane + фотонные квантовые компьютеры Borealis
- **AWS:** Braket интегрирован в SageMaker для квантового ML в продакшене
- **OpenQASM 3.0:** стандарт переносимости - схема пишется один раз, запускается везде
Google Cirq: архитектура и gate model
Google создала **Cirq** под конкретную задачу: программировать собственные процессоры Sycamore. В отличие от Qiskit, Cirq с самого начала ориентирован на NISQ-устройства - шумные процессоры с ограниченной связностью. Это заметно в API: в Cirq нельзя написать схему без учёта топологии железа.
Ключевое отличие Cirq от Qiskit - работа с **моментами**. Момент - это набор гейтов, выполняющихся одновременно (в один квантовый такт). Cirq явно управляет этим расписанием, что важно для минимизации времени когерентности.
Google Cirq используется внутри Google Quantum AI. Именно через Cirq была реализована схема для демонстрации квантового превосходства на Sycamore (2019). Открытый доступ к реальным Google QPU пока ограничен исследовательскими программами.
Что такое Moment в Cirq?
PennyLane: квантовое машинное обучение
**PennyLane** от Xanadu - библиотека для квантового машинного обучения (QML). Главная идея: квантовые схемы как дифференцируемые функции, совместимые с PyTorch и TensorFlow. Параметры схемы оптимизируются градиентным спуском - так же, как веса нейронной сети.
PennyLane реализует **parameter-shift rule** для вычисления аналитических градиентов квантовых схем. В отличие от численных конечных разностей, это точный метод, не требующий малых шагов.
Parameter-shift rule: градиент параметрического гейта R(theta) вычисляется как [f(theta + pi/2) - f(theta - pi/2)] / 2. Это аналитически точный результат, не приближение. Именно поэтому PennyLane возможен без классического backpropagation через квантовое железо.
Почему PennyLane использует parameter-shift rule вместо обычного backpropagation?
Amazon Braket: облачный квантовый сервис
**Amazon Braket** - облачная платформа AWS для квантовых вычислений. В отличие от IBM (только свои процессоры), Braket предоставляет доступ к нескольким производителям: IonQ (ионные ловушки), Rigetti (сверхпроводники), OQC и другие. Оплата по времени использования QPU.
Braket интегрируется с Amazon SageMaker для гибридного квантово-классического ML. PennyLane поддерживает Braket как backend - можно писать код PennyLane и запускать на любом Braket-устройстве без изменения алгоритма.
Braket поддерживает **параллельные задачи**: отправить тысячи вариантов схемы в batch и получить результаты. Это полезно для вариационных алгоритмов, где нужно оценить много параметрических конфигураций.
Главное отличие Amazon Braket от IBM Quantum:
Сравнение фреймворков: выбор инструмента
Qiskit, Cirq, PennyLane и Braket решают разные задачи. Выбор зависит от цели: алгоритмические исследования, NISQ-эксперименты, QML или мультиоблачный доступ к железу.
| Фреймворк | Компания | Сильная сторона | Железо | Абстракция |
|---|---|---|---|---|
| Qiskit | IBM | Полный стек, экосистема | IBM Quantum | Высокая |
| Cirq | NISQ, контроль времени | Google Sycamore* | Низкая | |
| PennyLane | Xanadu | QML, автодифференцирование | Мульти-backend | Высокая |
| Braket | Amazon | Мульти-QPU, облако AWS | IonQ, Rigetti, OQC | Средняя |
* Google Sycamore доступен только избранным исследователям через программу Google Quantum AI.
На практике фреймворки комбинируют: PennyLane поддерживает Qiskit и Braket как backends. Cirq-схемы можно конвертировать в Qiskit через `cirq-core`. Общий промежуточный формат - **OpenQASM** - поддерживается всеми.
Для разработки гибридной квантово-классической нейронной сети на PyTorch лучший выбор:
Экосистема квантовых фреймворков
- Cirq: явные моменты, контроль топологии, оптимален для NISQ-исследований
- PennyLane: QML, parameter-shift rule, интеграция PyTorch/TF
- Amazon Braket: мульти-QPU через AWS, IonQ + Rigetti + OQC
- Фреймворки комбинируются: PennyLane работает поверх Qiskit и Braket
- OpenQASM 3.0 - переносимый формат между всеми фреймворками
Связанные темы
Фреймворки реализуют алгоритмы из предыдущих уроков и предоставляют доступ к железу.
- Qiskit: программирование квантовых компьютеров — Базовый фреймворк, контекст сравнения
- VQE и вариационные алгоритмы — Главный use-case PennyLane
- NISQ-эпоха и квантовые алгоритмы — Почему важен выбор правильного фреймворка
Вопросы для размышления
- Почему явный контроль над моментами в Cirq важен для NISQ-устройств с ограниченным временем когерентности?
- Как parameter-shift rule отличается от численного градиента - в каких случаях это критично?
- Стоит ли строить production QML-систему на одном фреймворке или комбинировать?