Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

光子量子设备需要几微秒来完成传统计算机将花费 9000 年才能完成的任务

Posted on 2022-06-07
量子优势光子基于光的计算

量子计算机是否被夸大了?

《自然》杂志的一项新研究说不。由加拿大多伦多的 Xanadu 公司开发的一种设计巧妙的量子设备在一项原本需要 9000 多年的基准任务上取代了传统计算机。

对于量子芯片 Borealis,答案在 36微秒内出现。

Xanadu 的成就是最新证明了量子计算相对于传统计算机的强大能力——一个看似简单的想法被称为量子优势。

从理论上讲,这个概念是有道理的。与使用二进制位(0 或 1)按顺序计算的传统计算机不同,量子设备利用了量子世界的奇异之处,其中 0 和 1 可以以不同的概率同时存在。数据以量子比特处理,量子比特是一个不确定的单元,由于其独特的物理特性,它可以同时执行多个计算。

翻译?量子计算机就像一个超高效的多任务处理程序,而传统计算机的线性度要高得多。当遇到同样的问题时,量子计算机应该能够在速度和效率方面击败任何超级计算机。这个被称为“量子霸权”的想法一直是推动新一代计算机与以前制造的任何东西完全不同的驱动力。

问题?证明量子霸权是极其困难的。随着量子设备越来越多地离开实验室以解决更多现实世界的问题,科学家们正在接受一个中间基准:量子优势,即量子计算机可以在一项任务(任何任务)上击败传统计算机的想法。

早在 2019 年,谷歌就在互联网上展示了量子计算机 Sycamore 的第一个例子,它用 54 个量子位在 200 秒内解决了一个计算问题,而传统的超级计算机估计需要 10,000 年。很快,一个中国团队就展示了量子计算优势的第二个迷人之处,机器给出的答案需要一台超级计算机超过 20 亿年的时间。

然而,一个关键问题仍然存在:这些量子设备中是否有任何接近实用的准备?

彻底的重新设计

人们很容易忘记计算机依赖于物理学。例如,我们当前的系统利用电子和巧妙设计的芯片来执行它们的功能。量子计算机类似,但它们依赖于替代粒子物理学。最初的几代量子机器看起来就像精致的、闪闪发光的枝形吊灯。虽然绝对华丽,但与紧凑型智能手机芯片相比,它们也完全不切实际。硬件通常需要严格控制的气候——例如,接近绝对零温度——以减少干扰并提高计算机的效率。

量子计算的核心概念是相同的:量子比特以叠加方式处理数据,这是一种量子物理怪癖,允许它们同时编码 0、1 或两者。支持这个想法的硬件有很大的不同。

例如,谷歌的 Sycamore 使用超导金属环——这种设置在包括 IBM 在内的其他科技巨头中很受欢迎,IBM 在 2021 年推出了强大的127 量子位量子芯片Eagle,其大小约为四分之一。 霍尼韦尔和 IonQ 等公司的其他迭代采用了不同的方法,利用离子(去除了一个或多个电子的原子)作为量子计算的主要来源。

另一个想法依赖于光子或光粒子。它已经被证明是有用的:例如,中国展示的量子优势就使用了光子器件。但这个想法也被回避为仅仅是迈向量子计算的垫脚石,而不是一个实用的解决方案,主要是因为工程和设置方面的困难。

光子革命

Xanadu 的团队证明反对者是错误的。新芯片 Borealis 与中国研究中的芯片有点相似,因为它使用光子而不是超导材料或离子进行计算。

但它有一个巨大的优势:它是可编程的。巴西里约热内卢联邦弗鲁米嫩塞大学的 Daniel Jost Brod 博士解释说:“以前的实验通常依赖于静态网络,其中每个组件在制造后就固定了。”他没有参与这项研究。中国研究中较早的量子优势演示使用了静态芯片。然而,使用北欧化工,光学元件“都可以轻松编程”,使其不再是一次性设备,而更像是一台能够解决多个问题的实际计算机。 (注册后,任何人都可以在云端使用量子游乐场进行实验和探索。)

该芯片的灵活性来自巧妙的设计更新,“创新方案提供了令人印象深刻的控制和扩展潜力,”布罗德说。

该团队专注于一个名为高斯玻色子采样的问题,这是评估量子计算能力的基准。该测试虽然在计算上非常困难,但对现实世界的问题并没有太大影响。但是,就像衡量 AI 性能的国际象棋或围棋一样,它充当了检验量子计算性能的公正法官。这是某种“黄金标准”:“高斯玻色子采样是一种旨在展示量子设备相对于经典计算机优势的方案,”布罗德解释说。

设置就像恐怖电影中的嘉年华游乐园镜子帐篷。光(和光子)的特殊状态——有趣地称为“压缩状态” ——被隧道传输到嵌入了分束器网络的芯片上。每个分束器就像一个半反射镜:根据光线的照射方式,它分裂成多个子代,其中一些反射回来,而另一些则穿过。在装置的末端是一个光子探测器阵列。分束器越多,计算任何单个光子最终到达任何给定探测器的方式就越困难。

作为另一种可视化:想象一个豆机,一个装在玻璃中的钉钉板。要玩,您将冰球放入顶部的钉子中。当冰球落下时,它会随机撞击不同的钉子,最终落在一个编号的插槽中。

高斯玻色子采样用光子代替圆盘,目的是检测哪个光子落在哪个检测器插槽中。由于量子特性,可能产生的分布呈指数增长,迅速超过任何超级计算机的能力。 Brod 解释说,这是一个极好的基准,主要是因为我们了解底层物理,而且该设置表明即使是几百个光子也可以挑战超级计算机。

接受挑战,这项新研究重新构想了具有令人赞叹的 216 个量子位的光子量子设备。与经典设计相反,该设备以到达时间而不是之前的方向标准计算光子。诀窍是引入光纤环路来延迟光子,这样它们就可以在对量子计算很重要的特定点进行干涉。

这些调整导致设备大大精简。通常的大型分束器网络(通常是光子通信所需的)可以减少到只有三个,以适应光子交互和计算任务所需的所有延迟。环路设计以及其他组件也是“易于编程”的,因为分束器可以实时微调——就像编辑计算机代码一样,但在硬件层面。

该团队还通过了标准的健全性检查,证明输出数据是正确的。

目前,可靠地表明量子霸权的研究仍然很少见。传统计算机有半个世纪的领先优势。随着算法在传统计算机上不断发展——尤其是那些利用强大的以人工智能为重点的芯片或神经形态计算设计的算法——它们甚至可能很容易胜过量子设备,让它们难以赶上。

但这就是追逐的乐趣。 “量子优势不是一个基于单一品质因数的明确阈值。随着实验的发展,模拟它们的技术也会随之发展——我们可以期待在不久的将来,创纪录的量子设备和经典算法将轮流相互挑战,争夺头把交椅,”布罗德说。

“这可能不是故事的结局,”他继续说道。但这项新研究“是这场竞赛中量子物理学的一次飞跃”。

图片来源: geralt / 24493 张图片

原文: https://singularityhub.com/2022/06/07/a-photonic-quantum-device-took-microseconds-to-do-a-task-a-conventional-computer-would-spend-9000-years-on/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Bits about Money
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • Elad Gil
  • Ellie Huxtable
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • Henrique Dias
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mostly metrics
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme