Hướng dẫn thực tế: Cách chọn Quantum SDK phù hợp nhất cho nhu cầu của bạn

Một trong những điều dễ gây nhầm lẫn nhất cho những ai mới bước chân vào lĩnh vực tính toán lượng tử hoặc muốn sử dụng nó để xây dựng ứng dụng chính là sự phong phú của các SDK (Bộ công cụ phát triển phần mềm). Hầu hết các công ty lớn và startup mới đều có sứ mệnh xây dựng các gói Python dùng để học các nguyên lý cơ bản của tính toán lượng tử hoặc phát triển thuật toán. Tuy nhiên, với tư cách là một người vừa yêu thích phần mềm vừa yêu thích lượng tử, tôi thường cài đặt nhiều gói khác nhau để trải nghiệm và đưa ra lời khuyên về việc nên dùng cái nào cho mục đích cụ thể.

Bạn tìm kiếm một hướng dẫn, cài cái này, rồi lại cài cái kia. Chưa kịp hiểu gì thì bạn đã thấy Qiskit, Cirq, PennyLane và thậm chí cả những công cụ lạ lẫm khác nằm chỏng chơ trong môi trường của mình... mà không biết thực sự nên dùng cái nào để xây dựng ứng dụng mà bạn đã định hình trong đầu. Tôi viết bài này để giúp bạn tiết kiệm thời gian.

Thực tế là (có thể bạn đã biết), bạn không cần tất cả chúng. Thậm chí có lẽ bạn cũng chẳng cần đến hai cái.

Bí quyết không phải là chọn SDK "tốt nhất" (và tôi cho rằng cái này chưa tồn tại), mà là chọn cái phù hợp nhất với những gì bạn đang cố gắng làm.

Các SDK lượng tử không thể thay thế cho nhau; chúng được xây dựng với những ưu tiên rất khác nhau: một số ưu tiên giáo dục, một số ưu tiên phần cứng, một số tập trung vào máy học (Machine Learning), và một số khác là sân chơi cho nghiên cứu.

Khi bạn nhận ra điều này và có một mục tiêu rõ ràng trong đầu, hệ sinh thái này sẽ bớt bối rối hơn rất nhiều. Trong bài viết này, chúng ta sẽ thảo luận về 4 SDK được sử dụng nhiều nhất và lướt qua các công cụ khác ít phổ biến hơn.

Vậy thì, hãy cùng bắt đầu nào...

Qiskit: Điểm khởi đầu "Mặc định"

Nếu bạn không biết nên bắt đầu từ đâu, hãy chọn Qiskit. Nếu bạn Google cụm từ "quantum computing", bạn sẽ thấy Qiskit xuất hiện ở trang kết quả đầu tiên, nếu không phải là top 3 kết quả!

Qiskit đã trở thành điểm nhập cảnh mặc định cho rất nhiều người vì nó làm tốt một vài điều! Nó cung cấp tài liệu học tập rõ ràng, quyền truy cập vào phần cứng lượng tử thực tế và quan trọng nhất là một hệ sinh thái lớn và sôi động.

Qiskit cảm giác như một môi trường có cấu trúc. Bạn định nghĩa các mạch (circuits), chạy chúng và nhận kết quả theo cách phản ánh cách hầu hết mọi người được dạy về tính toán lượng tử. Và trong nhiều trường hợp, là khoa học máy tính.

Để tạo một mạch đơn giản trong Qiskit, bạn chỉ cần vài dòng code:

from qiskit import QuantumCircuit
qc = QuantumCircuit(1)
qc.h(0)
qc.measure_all()

Vậy là xong, bạn đã tạo ra một trạng thái chồng chập (superposition) và đo nó.

Mặc dù Qiskit rất tốt để dạy và học, thử nghiệm với các thiết bị thực tế và các quy trình làm việc dựa trên mạch tiêu chuẩn, nó vẫn gặp khó khăn ở nhiều khía cạnh.

Vì mục đích xây dựng Qiskit là cung cấp một khung chung cho tính toán lượng tử, nó vừa rất tổng quát vừa khá mơ hồ, và đôi khi tài liệu chưa tốt, đặc biệt là cho các chức năng mới dành cho ứng dụng cụ thể. Do đó, nó có thể cảm thấy hơi nặng nề, và chắc chắn không lý tưởng cho các quy trình dựa trên gradient hoặc nặng về máy học.

PennyLane: Xây dựng cho Máy học Lượng tử (Quantum Machine Learning)

Bây giờ, hãy chuyển hướng. Nếu sự quan tâm của bạn đối với tính toán lượng tử liên quan đến tối ưu hóa, gradient hoặc máy học, thì PennyLane nằm ở một hạng mục hoàn toàn khác.

Nó không được xây dựng như một SDK mục đích chung. Nó được xây dựng cụ thể cho các quy trình làm việc kết hợp lượng tử - cổ điển (hybrid quantum-classical).

Hầu hết các thuật toán lượng tử ngắn hạn đều trông như sau:

1. Chuẩn bị một mạch lượng tử có tham số.
2. Chạy nó.
3. Đo lường một thứ gì đó.
4. Nạp dữ liệu đó vào một bộ tối ưu hóa cổ điển.
5. Lặp lại khi cần thiết để có được kết quả mong muốn.

Vòng lặp này chính là nơi PennyLane tỏa sáng.

Ví dụ, hãy xem xét ý tưởng cốt lõi đằng sau máy học lượng tử: Bạn có một mạch lượng tử có tham số, và bạn có thể tối ưu hóa nó bằng cách sử dụng gradient. Bạn có thể đơn giản làm điều đó trong PennyLane như sau:

import pennylane as qml

dev = qml.device("default.qubit", wires=1)

@qml.qnode(dev)
def circuit(params):
    qml.RX(params[0], wires=0)
    return qml.expval(qml.PauliZ(0))

Dòng cuối cùng chính là chìa khóa lý do tại sao việc sử dụng PennyLane làm cho mọi thứ trở nên dễ dàng hơn nhiều ở đây.

Vì vậy, nếu bạn muốn xây dựng một ứng dụng liên quan đến máy học lượng tử, thuật toán biến phân (variational algorithms) hoặc tối ưu hóa dựa trên gradient, PennyLane chính là lựa chọn đúng đắn!

Tuy nhiên, bạn có thể nhận thấy mã của PennyLane không trực quan và dễ hiểu như Qiskit; đó là một nhược điểm khi sử dụng nó. Nó có thể có rào cản gia nhập cao hơn một chút và ít tập trung vào phần cứng hơn Qiskit.

Cirq: Khi Bạn Muốn Kiểm soát Hơn

Cho đến nay, chúng ta có Qiskit cho các ứng dụng chung, PennyLane cho QML, và bây giờ chúng ta có Cirq. Cirq nằm ở một vị trí thú vị.

Nó không thân thiện với người mới bắt đầu như Qiskit, và không tập trung vào ML như PennyLane. Thay vào đó, nó mang lại cho bạn quyền kiểm soát mức thấp hơn các mạch và việc thực thi. Điều này làm cho nó trở nên phổ biến cho phát triển thuật toán, nghiên cứu và thiết kế mạch nhận thức phần cứng (hardware-aware).

Cirq cảm giác gần với "phần cứng" (closer to the metal) hơn. Bạn suy nghĩ rõ ràng hơn về các qubit, cổng (gates) và lập lịch.

Ví dụ, tôi có thể sao chép cùng một mạch mà chúng ta đã xây dựng trước đó với Qiskit, sử dụng Cirq như sau:

import cirq

q0 = cirq.LineQubit(0)
circuit = cirq.Circuit(cirq.H(q0), cirq.measure(q0, key='result'))

Đối với tôi, Cirq thường được sử dụng khi bạn muốn kiểm soát chi tiết mạch của mình, cần duy trì các quy trình nghiên cứu hoặc muốn định nghĩa mạch sạch sẽ. Sau đó, vì nó cung cấp quyền kiểm soát phần cứng này, nó có đường cong học tập dốc hơn và ít hướng dẫn có cấu trúc hơn so với Qiskit và PennyLane.

Đáng chú ý là bạn có thể đạt được mức độ kiểm soát phần cứng giống như Cirq với Qiskit, nhưng với đường cong học tập thấp hơn.

Amazon Braket: Sân chơi Đa phần cứng

Cuối cùng nhưng không kém phần quan trọng, hãy nói về Braket! Braket ít liên quan đến cách bạn viết mã hơn là nơi bạn chạy chúng. Nó cung cấp cho bạn quyền truy cập vào nhiều nhà cung cấp phần cứng lượng tử thông qua một giao diện duy nhất.

Các nền tảng phần cứng khác nhau hoạt động khác nhau. Ngày nay, chúng ta có các chế độ qubit khác nhau: qubit siêu dẫn, ion bẫy và qubit quang học, để kể tên một vài cái. Braket cho phép bạn thử nghiệm trên các nền tảng này mà không cần chuyển đổi hệ sinh thái.

Vì vậy, nếu bạn muốn truy cập phần cứng trên nhiều nhà cung cấp, quy trình làm việc dựa trên đám mây, hoặc chạy thử nghiệm, Braket là công cụ dành cho bạn. Tuy nhiên, Braket ít mang tính định kiến hơn các SDK khác và yêu cầu nhiều ngữ cảnh hơn để sử dụng hiệu quả.

Những công cụ mà hầu hết mọi người quên mất

Đây là nơi mọi thứ trở nên thú vị và hẹp hơn! Vì vậy, hãy xem một số ví dụ về các cách khác nhau để xử lý công nghệ lượng tử.

D-Wave Ocean Cho đến nay, chúng ta chỉ mới thảo luận về tính toán lượng tử dựa trên cổng (gate-based)! SDK của D-Wave được xây dựng cho lượng tử ủ (quantum annealing), không phải tính toán dựa trên cổng. Điều đó có nghĩa là: bạn không xây dựng các mạch, mà bạn định nghĩa các bài toán tối ưu hóa.

Strawberry Fields: Tính toán lượng tử quang học Hầu hết các khung giả định sử dụng qubit. Strawberry Fields thì không. Nó hoạt động với các hệ thống lượng tử biến liên tục (continuous-variable), thường được sử dụng trong tính toán lượng tử quang học.

qBraid: Cầu nối hệ sinh thái qBraid cố gắng giải quyết một vấn đề thực tế: E rằng bạn không phải chỉ chọn một SDK?

Nó cho phép bạn chuyển đổi các mạch giữa các khung như Qiskit, Cirq và những cái khác.

QuTiP, ProjectQ và Những cái khác Những công cụ này có xu hướng mang tính học thuật hơn, chuyên biệt hơn và ít thân thiện với người mới bắt đầu hơn.

Chúng hữu ích, nhưng không phải là nơi bạn nên bắt đầu.

Nếu mục tiêu của bạn là... Hãy bắt đầu với...

• Học các kiến thức cơ bản: Qiskit
• Chạy trên phần cứng thực: Qiskit
• Máy học lượng tử: PennyLane
• Nghiên cứu thuật toán / Kiểm soát: Cirq
• Thử nghiệm nhiều backend phần cứng: Amazon Braket

Vậy bạn nên dùng cái nào?

Để trả lời câu hỏi đó, trước tiên bạn cần biết bạn đang cố gắng xây dựng cái gì! Giả sử bạn muốn xây dựng một mạch biến phân (variational circuit).

Nếu bạn dùng Qiskit, bạn sẽ xử lý các tham số thủ công và việc tối ưu hóa diễn ra bên ngoài khung.

Trong PennyLane, các tham số và gradient được tích hợp sẵn, và nó tự nhiên cho các quy trình ML.

Nếu bạn quyết định dùng Cirq, bạn có được sự linh hoạt và gánh vác nhiều trách nhiệm hơn.

Cùng một ý tưởng. Trải nghiệm hoàn toàn khác nhau. Đó là lý do tại sao việc chọn SDK lại quan trọng.

Nếu bạn vẫn chưa chắc chắn, đây là một lời khuyên đơn giản:

• Bắt đầu với Qiskit nếu bạn mới.
• Bắt đầu với PennyLane nếu bạn quan tâm đến ML.
• Chuyển sang Cirq khi bạn muốn kiểm soát nhiều hơn.
• Và đừng đụng vào bất cứ thứ gì khác ngay lúc này.

Lời kết

Tôi rất nhận thức được việc quyết định sử dụng công cụ nào có thể gây bối rối và choáng ngợp như thế nào, chưa kể đến khi bạn mới gia nhập một lĩnh vực! Mọi thứ cứ vượt khỏi tầm kiểm soát siêu nhanh. Hệ sinh thái lượng tử không bối rối vì nó được thiết kế kém. Nó bối rối vì nó vẫn đang phát triển. Các công cụ khác nhau tồn tại vì mọi người đang giải quyết các vấn đề khác nhau bằng tính toán lượng tử.

Vì vậy, câu hỏi ở đây thực sự không phải là "SDK nào là tốt nhất?"; về mặt kỹ thuật, không cái nào được thiết kế để trở thành cái tốt nhất cả. Thay vào đó, câu hỏi bạn nên tự hỏi để giúp mình quyết định là "SDK nào phù hợp với những gì tôi muốn làm?". Khi bạn có câu trả lời, mọi thứ trở nên rõ ràng hơn nhiều. Và quan trọng hơn, bạn có thể thực sự bắt đầu xây dựng.