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

微软使整合量子计算和经典计算变得更容易

Posted on 2023-03-09

默认情况下,每台量子计算机都将是结合了量子计算和经典计算的混合体。微软估计,一台能够帮助解决世界上一些最紧迫问题的量子计算机至少需要一百万个稳定的量子比特。控制这样的机器并处理保持其稳定所需的纠错算法需要大量的经典计算能力——这实际上只能在云中使用。事实上,微软估计要实现必要的容错能力,量子计算机将需要与 peta 级计算平台集成,该平台可以管理每秒 10 到 100 太比特的数据在量子计算机和经典计算机之间移动。在拉斯维加斯举行的美国物理学会三月会议上,微软今天展示了它在实现这一点方面所做的一些工作,并在 Azure Quantum 中推出了它所谓的“集成混合”功能。

微软高级量子开发副总裁 Krysta Svore 告诉我:“借助这种集成混合功能,您可以开始在量子应用程序中使用经典代码和量子代码。” “它将经典代码和量子代码混合在一起,解锁新类型、新风格的量子算法、原型、子例程,如果你愿意的话,你可以根据经典信息控制你对量子比特所做的事情。这在业内尚属首次。”

图片来源:微软

她认为,这是将经典计算和量子计算结合在一起的一步,也是启用新的纠错协议的一步。如果没有这种大量的经典计算,就不可能——至少在可预见的未来——有效地控制量子机器。

“可以说,唯一能够拥有扩大规模的量子机器的地方,扩大规模的量子计算将在公共云中,因为将这种规模的经典计算与量子机器集成是至关重要的,”Svore解释。她将这个过程描述为一种舞蹈,经典计算帮助编排一百万个量子比特同时协同工作,“所有人都在跳他们的小方块舞——或者六边形舞,不管它是什么。”但要做到这一点,您必须同时与所有这些量子比特对话,这就需要大量的计算和带宽需求。

Svore 还认为,需要大量经典计算来构建算法,然后将这些算法发送到量子机器——然后可能还需要数周时间才能运行给定的计算(并且反馈循环也可能发生多次)。

借助这一新的集成混合功能,微软为开发人员和研究人员提供了工具,以了解量子与经典之间的这种结合在实践中是什么样子的。具体来说,Svore 告诉我,这将使他们能够运行一个版本的相位估计算法,例如,这是量子计算工具包中的一个关键算法。研究人员很快将能够使用 Azure 中可用的Quantinuum硬件对此进行测试,然后让经典计算机对从量子机器返回的数据做出反应,例如。到目前为止,其中很多都是理论上的,但现在可以在硬件上实现了。

随着时间的推移,经典计算在实现量子计算方面的作用在业界得到了更广泛的理解。当然,微软争辩说,其庞大的云将使其能够提供控制这些机器所需的那种经典计算能力。它显然不是市场上唯一的参与者,亚马逊、谷歌、IBM 和其他公司也能够将量子处理器集成到他们的海量数据中心中。

Microsoft makes it easier to integrate quantum and classic computing by Frederic Lardinois最初发表于TechCrunch

原文: https://techcrunch.com/2023/03/08/microsoft-makes-it-easier-to-integrate-quantum-and-classical-computing/

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
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • 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
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 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