Por: Anita Ramanan, gerente de programa técnico líder para optimización en Azure Quantum.
Hay muchos problemas de optimización en finanzas, logística, biotecnología e inteligencia artificial en los que necesita encontrar la mejor combinación entre una enorme variedad de opciones. Los problemas de optimización combinatoria como estos son difíciles de resolver a alta velocidad y con un costo computacional razonable con las computadoras existentes porque la cantidad de patrones combinatorios aumenta de manera exponencial a medida que crece la escala del problema.
Una forma de abordar estos problemas de optimización combinatoria es asignarlos a una representación binaria llamada modelo Ising y luego usar un optimizador especializado para encontrar el estado fundamental de este sistema Ising.
La nueva Simulated Quantum Bifurcation Machine+ (SQBM+) de Toshiba en Azure Quantum, basada en su Simulated Bifurcation Machine (SBM), es un solucionador de modelo Ising que puede resolver problemas de optimización combinatoria complejos y a gran escala con hasta 100 mil variables a alta velocidad.
Toshiba ha adoptado un nuevo enfoque, inspirado en su investigación de computación cuántica, que mejora de manera significativa la velocidad, precisión y escala de su SBM. Hay dos algoritmos disponibles a través del proveedor SQBM+ en Azure Quantum: el algoritmo de bifurcación simulada balística (bSB, por sus siglas en inglés) de alta velocidad, diseñado para encontrar una buena solución en poco tiempo; y el algoritmo de bifurcación simulada discreta (dSB, por sus siglas en inglés) de alta precisión, que encuentra soluciones más precisas a una velocidad de cálculo que supera la de otras máquinas (tanto clásicas como cuánticas). También se ha implementado una función de autoajuste que seleccionará de manera automática qué algoritmo usar en función del problema presentado. Estos algoritmos se optimizan en automático, para brindar el mejor rendimiento en el hardware de GPU implementado en la nube de Azure.
Los usuarios pueden seleccionar uno de estos algoritmos en específico, o tan solo permitir que la función de selección automática elija en su nombre. Esta elección se realiza mediante el suministro de valores para los parámetros «algo» y «auto» durante la instanciación del solucionador mediante Azure Quantum Python SDK. Hay más información disponible en la documentación del proveedor Toshiba SQBM+, y se puede encontrar una muestra que enseña cómo elegir entre las diferentes opciones de algoritmo en el repositorio qio-samples.
“La tecnología central de SQBM+ es SBM, que es un software que utiliza las computadoras disponibles en la actualidad y logra soluciones aproximadas de alta precisión para problemas complejos y de gran escala en un corto período de tiempo. El resultado es la capacidad de resolver problemas de Ising de hasta 100 mil variables, con una mejora de alrededor de 10 veces con respecto a nuestro servicio PoC existente. Y ahora se puede acceder con facilidad a todo esto a través de la plataforma en la nube Azure Quantum”, Shunsuke Okada, vicepresidente sénior corporativo y director digital de Toshiba.
Los clientes de Azure Quantum pueden acceder a SQBM+ al agregar el proveedor a su Quantum Workspace y seleccionar uno de los planes de precios disponibles: «Aprender y desarrollar» (experimentación) y «Rendimiento a escala» (uso comercial).
Desde que se unió a Azure Quantum Network en septiembre de 2020, Toshiba ha mejorado de manera continua su tecnología de resolución de optimización de inspiración cuántica. Los clientes que deseen resolver problemas de optimización combinatoria, incluida la cartera dinámica y la gestión de riesgos, el diseño molecular y la optimización del enrutamiento, la partición y la programación en una variedad de campos, pueden aplicar SQBM+ hoy y aprovechar los recursos de GPU en la nube de Azure a través de Azure Quantum.
Obtengan más información y comiencen hoy mismo con SQBM+ de Toshiba en Azure Quantum.
