Um computador clássico superou um computador quântico numa tarefa que antes se pensava ser adequada apenas para uma máquina quântica. Pesquisadores do Laboratório de Inteligência Artificial de Xangai, na China, demonstraram que seu sistema de computação clássico, aproveitando mais de 2.300 GPUs Nvidia A100, pode executar uma computação complexa com mais rapidez e eficiência energética do que o processador quântico Sycamore do Google.
Embora possa parecer uma batalha real em que o vencedor leva tudo entre computadores clássicos, supercomputadores e computadores quânticos, os cientistas dizem que este é exatamente o tipo de inovação necessária para estimular a concorrência e impulsionar mais inovação para todas as abordagens computacionais.
Um confronto, não uma desaceleração
Um pouco de história – Em 2019, o computador quântico Sycamore do Google ganhou as manchetes ao alcançar o que foi chamado de supremacia quântica, realizando um cálculo em 200 segundos que levaria o supercomputador mais rápido do mundo – na época – 10.000 anos. Esta conquista foi saudada como um marco que demonstrou que era possível aos computadores quânticos resolver problemas além do alcance dos sistemas clássicos.
No entanto, a ideia de supremacia quântica pode dar, de forma imprecisa, a ideia de que as inovações no design clássico de hardware, algoritmos e outras técnicas permanecerão estáticas. Na verdade, os rápidos avanços nos algoritmos e hardware de computação clássicos diminuíram desde então a lacuna.
Em um estudo recente, publicado no servidor de pré-impressão arXiv, pesquisadores liderados por Rong Fu alcançaram resultados impressionantes usando o poder da computação clássica. Seu sistema concluiu uma tarefa computacional – a simulação e amostragem de circuitos quânticos aleatórios (RQC), semelhante ao experimento de supremacia do Google – em apenas 14,22 segundos, consumindo 2,39 quilowatts-hora (kWh) de energia.
Em outra configuração, conseguiram executar a mesma tarefa em 17,18 segundos consumindo apenas 0,29 kWh.
O hardware por trás da conquista
De acordo com o artigo, o sistema de computação clássico usava mais de 2.300 GPUs Nvidia A100, alguns dos chips de computador clássicos mais avançados disponíveis, interconectados para criar um sistema de processamento massivamente paralelo. Cada GPU A100, equipada com 80 GB de memória e desempenho máximo do núcleo Tensor FP16 de 312 teraflops (TFLOPS), desempenhou um papel crucial no manuseio da computação. As GPUs dentro de cada nó foram interconectadas via NVLink, proporcionando uma velocidade unidirecional de 300 GB/s, enquanto os nós foram conectados via InfiniBand com uma velocidade unidirecional de 100 GB/s.
Essa configuração permitiu aos pesquisadores superar restrições de memória e gargalos computacionais normalmente associados a simulações de redes tensores em grande escala. Ao implementar um esquema paralelo de três níveis e uma abordagem de comunicação híbrida, eles reduziram significativamente os custos indiretos de manipulação de grandes tensores, alcançando escalabilidade e eficiência sem precedentes. Para maior clareza, um esquema paralelo de três níveis envolve cada nó processando parte da tarefa de forma independente (nível do nó), vários processadores ou GPUs dentro de cada nó trabalhando juntos (nível intra-nó) e diferentes nós coordenando-se para combinar seus resultados (nível inter-nó). nível do nó).
Os resultados alcançados pela equipe de Xangai desafiam a reivindicação inicial do Google de supremacia quântica. O Sycamore do Google completou sua tarefa em 600 segundos com um consumo de energia de 4,3 kWh. Em contraste, o sistema clássico não só completou a tarefa muito mais rapidamente, mas também utilizou menos energia, destacando o potencial dos computadores clássicos para acompanhar, e até mesmo superar, os sistemas quânticos sob certas condições.
Um artigo na New Scientist fornece contexto adicional: De acordo com Christopher Monroe, da Universidade de Maryland, as alegações de supremacia quântica são muitas vezes “exageradas”, e o valor real dos computadores quânticos virá de aplicações práticas que atendem aos usuários, independentemente de tarefas semelhantes podem ser executadas em máquinas clássicas.
“Não é nenhuma surpresa que existam casos esotéricos em que um sistema quântico programável pode resolver algum problema que não podemos resolver usando computadores normais”, disse Monroe à New Scientist. “Mas para uma computação quântica valiosa, tudo o que é necessário é uma base de usuários que exija o uso de computadores quânticos para alguma aplicação – mesmo que seja possível fazer isso usando computadores normais.”
Josh Nunn, da start-up de computação quântica Orca Computing, disse à revista: “O artigo de 2019 afirma que foi um resultado de supremacia baseado em métodos clássicos conhecidos na época”.
Ele enfatizou que a corrida armamentista entre máquinas quânticas e clássicas é valiosa para estimular a inovação. No entanto, ele também destacou que cada reivindicação de supremacia e subsequente reconvenção deve ser examinada para garantir que as capacidades da tecnologia justifiquem o investimento.
Implicações Futuras
O sucesso do sistema de computação clássico neste caso não diminui o potencial da computação quântica. À medida que a tecnologia quântica continua a desenvolver-se, espera-se que melhore exponencialmente mais rapidamente do que os sistemas clássicos. O principal cientista do Google, Sergio Boixo, observou em 2022 que, embora os algoritmos clássicos tenham melhorado, espera-se que os circuitos quânticos mantenham sua vantagem à medida que a tecnologia quântica avança.
Como os cientistas mencionam, o trabalho da equipa de Xangai mostra a necessidade de avaliar rigorosamente as reivindicações de vantagens quânticas e de expandir continuamente os limites da computação clássica e quântica.
No entanto, suas técnicas, particularmente no tratamento de redes tensores de grande escala, têm aplicações mais amplas, além da tarefa específica em questão. Na verdade, estes métodos poderiam ser estendidos a vários campos, incluindo – um tanto irônico no sentido científico – simulação de computação quântica, física da matéria condensada e otimização combinatória, potencialmente resolvendo problemas complexos do mundo real de forma mais eficiente.
(Quantum)