Компания D-Wave Systems, которая первой наладила промышленное производство предметно-ориентированных квантовых компьютеров и совместно с Google, NASA и USRA участвует в инициативе Quantum AI Lab, объявила об открытии исходных текстов пакета Qbsolv, предназначенного для упрощения построения программ для квантовых компьютеров разработчиками без наличия специальной подготовки в области квантовой физики. Код открыт под лицензией Apache 2.0 и включает компоненты на языках Си и Python.

Ранее пакет Qbsolv уже был опробован некоторыми партнёрами D-Wave, а теперь открыт доступ для широкой публики и любой желающий может принять участие в его развитии. Открытие кода является частью стратегии D-Wave по созданию экосистемы разработчиков для квантовых компьютеров. В настоящее время не все компьютерные специалисты осознают потенциал технологий квантовых вычислений, Qbsolv делает данные возможности осязаемыми и позволяет исследователям и практикам подключиться к разработке.

Qbsolv позволяет создавать высокоуровневые инструменты и приложения, опирающиеся на вычисления на квантовых компьютерах, не требуя понимания отвлечённых абстракций и принципов построения квантовых вычислений. Задействование квантовых систем позволяет ускорить решение больших и сложных математических проблем. В частности, Qbsolv предлагает систему для задействования квантовых компьютеров для выполнения квадратичных произвольных двоичных оптимизаций (Quadratic unconstrained binary optimization - QUBO), востребованных в системах машинного обучения.

Qbsolv позволяет решать большие проблемы оптимизации за счёт их разбиения на сегменты, которые по отдельности могут выполняться на квантовых процессорах D-Wave с последующей компоновкой результатов в итоговое решение. Сегментирование позволяет сократить время решения проблемы до 20 раз по сравнению с вычислением на квантовом процессоре задачи целиком. В качестве практических примеров уже созданных на базе Qbsolv приложений приводится система для предсказания эпилептических припадков за 20-40 минут до их появления у пациентов. Другим примеров является использование Qbsolv для сокращения времени и себестоимости производства за счёт выбора оптимальной стратегии группирования станков и деталей.

Источник: http://www.opennet.ru/opennews/art.shtml?num=45841