Présentation

  • 2 minutes

Le potentiel des ordinateurs quantiques pour résoudre des problèmes scientifiques importants s’étend également aux problèmes commerciaux. Pour atteindre la viabilité commerciale de l’utilisation d’ordinateurs quantiques, vous devez disposer d’ordinateurs à grande échelle tolérants aux pannes qui ont à la fois un grand nombre de qubits (ou bits quantiques, unité de mesure de base en informatique quantique) en superposition et des taux d’erreur physiques inférieurs à un certain seuil. Vous avez également besoin de schémas de correction des erreurs quantiques (QEC) pour atteindre la tolérance de panne. Le QEC étant à la fois gourmand en temps et en espace, le temps d’exécution des opérations au niveau de l’algorithme ou au niveau logique augmente. Ensuite, vous avez besoin de plus de qubits physiques pour stocker et calculer plus d’informations.

Compte tenu de ces exigences, l’estimation des ressources devient cruciale lorsque vous développez des ordinateurs quantiques et des solutions quantiques pour des utilisations commerciales. Il est important de comprendre l’impact des choix de conception architecturale et des schémas QEC lorsque vous planifiez votre solution d’informatique quantique.

Vous pouvez utiliser l’estimateur de ressources Azure Quantum pour analyser l’impact des différents choix de paramètres architecturaux, tels que les modèles de qubits physiques et de QEC, sur les estimations de ressources physiques globales. Dans ce module, vous allez découvrir quelques concepts de base sur l’estimation des ressources dans l’informatique quantique à tolérance de panne et vous allez explorer l’estimateur de ressources Azure Quantum.

Objectifs d’apprentissage

À la fin de ce module, vous pourrez :

  • Expliquer ce qu’est l’estimateur de ressources Azure Quantum.
  • Définir les paramètres cibles de l’estimateur de ressources Azure Quantum.
  • Estimer les ressources d’un algorithme quantique avec l’estimateur de ressources Azure Quantum.

Prérequis