量子计算机大梳理:凭什么超越传统计算机?

简介:

量子计算机大梳理

作为一个热门概念,我们经常听到量子计算又有新突破的消息。但很少人清楚,今天的量子计算技术究竟走到了哪一步?到底有多少种实现量子计算的方式?本文将对这两个问题进行全面梳理,介绍如今各技术流派的发展,以及各科技巨头的研究情况。

坚持囚禁离子技术的量子计算公司

美国量子计算机初创企业ionQ有三位核心成员:马里兰大学物理学家Chris Monroe,杜克大学电气工程师Jungsang Kim,以及原本供职于美国情报部门IARPA(“高级研究计划署”)的David Moehring。其中,前两位是公司创始人,是研究囚禁离子(trapped ions)的专家。而David Moehring是他们雇来的CEO。

今年九月,这三位还在马里兰大学讨论量子计算的前景,包括为什么利用囚禁离子能制造出理想的量子计算机––它有完美的再现性(reproductivity),长生命周期,不错的激光可控性。这三人有一个共同观点:量子计算的黄金时代即将到来。它将利用量子力学,为电脑运算带来指数级得巨幅加速。持同样观点的不仅仅有他们。科技巨头英特尔、微软、IBM,谷歌都在向量子计算投入千万美元的研发资金。但是,他们在对不同的量子计算技术下赌注–––没有人知道,采用哪种量子比特(qubit)能造出有实用价值的量子计算机。

被看做是量子计算领域领头羊的谷歌,已经做出了选择:极小的超导电路。谷歌已制造出9量子比特的机器,并计划明年增加至49量子比特。这是一个极为关键的门槛。学者预计,在50量子比特左右,量子计算机就能达到“量子霸权”(quantum supremacy)。这是加州理工学院物理学家John Preskill发明的名词,用来指示“量子计算机在一些领域有传统计算机所不具有的能力”,比如在化学和材料学里模拟分子结构,还有处理密码学、机器学习的一些问题。

IonQ团队并没有因谷歌的成功而气馁。Jungsang Kim说:“我不认为谷歌能在下个月宣布成功研制量子计算机。退一步讲,即便他们成功了,游戏也不会结束。”IonQ坚持使用囚禁离子,它是世界上第一个量子逻辑门背后的技术。那是一个1995年完成的项目,Chris Monroe是参与者之一。

使用精确调整的激光脉冲,Monroe能把离子打入持续数秒的量子态,这远超谷歌的量子比特。Jungsang Kim开发了一个把不同离子群连接到一起的模块化方案。如该方法奏效,ionQ就能快速扩大量子比特的规模。但直到现在,他们只成功地把五个量子比特加入到可编程设备中。Chris Monroe承认,现在很多人把囚禁离子看作是“害群之马”,但他坚信,将来人们会蜂拥加入到囚禁离子阵营中。

是否会如此还很难说。但有一件事是肯定的:制造量子计算机已经从科学家们的一个遥远的梦想,变成了科技巨头们想要立刻实现的目标。ionQ就是这浪潮中想要分一杯羹的参与者。虽然超导量子比特技术现在是行业领头羊,专家们认为,现在宣布超导量子比特的胜利,还为时过早。量子信息学非正式院长Preskill说:“不同的量子技术在同时发展,这是一件好事。因为很可能会有惊喜发现,然后带来量子计算领域的革新。”

量子计算机凭什么超越传统计算机?

量子比特相比传统计算机比特更强大,是由于两个独特的量子现象:叠加(superposition)和纠缠(entanglement)。量子叠加使量子比特能够同时具有0和1的数值,可进行“同步计算”(simultaneous computation)。量子纠缠使分处两地的两个量子比特能共享量子态,创造出超叠加效应:每增加一个量子比特,运算性能就翻一倍。比方说,使用五个纠缠量子的算法,能同时进行25或者32个运算,而传统计算机必须一个接一个地运算。

理论上,300个纠缠量子能进行的并行运算数量,比宇宙中的原子还要多。

这种超大规模的并行计算,对于处理日常任务其实没什么用。没有人认为量子计算机会颠覆文字处理和email。但对于需要同时探索无数条路径的算法,还有对海量数据库的搜索,量子计算能极大地提高速度。它能被用来寻找新的化学催化剂,对加密数据的海量数字作因子分解(factoring),或许还能模拟黑洞和其他物理现象。

但有一个主要的陷阱––量子叠加和纠缠状态极度得脆弱,能被环境中的细微扰动所打破,这包括了任何测量它们的尝试。量子计算机需要被保护起来,与耶鲁大学物理学家Robert Schoelkopf描述的“汪洋般的混乱”(a sea of classical chaos)隔离开来。

虽然量子计算的理论在1980年代就开始出现,直到1995年才有了第一次实验。贝尔实验室的数学家Peter Shor,向人们展示量子计算机可以对大量数字快速因子分解––若能实现,这会使现代密码学的大部分发明过时。Peter Shor和其他人还展示了,若使用临近量子比特修正错误,让脆弱的量子比特永远保持稳定状态在理论上是可能的。

顿时,物理学家和他们的资助者相信,量子计算机未必会出现一大堆运算错误,他们有了充足的理由去尝试造一台量子计算机。那时,诺贝尔物理学奖获奖者,在NIST(美国国家标准与技术研究院)工作的David Wineland已经开始了对使用激光冷却离子、并控制他们内在量子态的研究。

ionQ的创始人Chris Monroe那时就在NIST工作,他与David Wineland一起造出了第一个量子力学逻辑门,使用激光控制铍离子的电子态。有着和Wineland研究离子的经验,Chris Monroe表示,成为早期量子计算实验领头羊的机会,落在了他们手中。

科技巨头们的量子计算研究进展

超导技术

在全世界,成百上千万的政府研究资金正流入量子物理学中。随着研究深入,其他形式的量子比特浮现出来。2010年开始,囚禁离子技术遭遇了强大的挑战者:超导体制成的电流回路。其中,超导体是由接近绝对零度时、携带无电阻振荡电流的金属物质组成。量子比特的0和1由不同的电流强度表示。

该技术有许多吸引人的优点:
1.电流回路可以被肉眼观察到。
2.使用简单的微波仪器就能控制,不需要对操作要求苛刻的激光。
3.使用传统计算机芯片制造技术就能生产。
4.运转速度非常快。

但是,超导技术有一个致命缺陷:环境噪音。即使是控制设备的噪音,也能在远远不足一微秒的瞬间扰乱量子叠加。如今工程技术的优化,已使电路的稳定性提高了近百万倍,所以量子叠加状态可以维持数十微秒,但这仍远远不如离子。

D-Wave和量子退火

2007年,加拿大初创公司D-Wave Systems宣布,他们使用16个超导量子比特成功制成量子计算机。这震惊了世界。但是D-Wave的机器并没有使所有的量子比特发生纠缠,并且不能一个量子比特接着一个量子比特得编程(be programmed qubit by qubit),而是另辟蹊径,使用了一项名为“量子退火”(quantum annealing)的技术。

该技术下,每个量子比特只和临近的量子比特纠缠并交互,这并没有建立起一组并行计算,而是一个整体上的、单一的量子状态。D-Wave开发者希望把复杂的数学问题映射到该状态,然后使用量子效应寻找最小值。对于优化问题(比如提高空中交通效率的)来说,这是一项很有潜力的技术。

但批评者们立刻指出:D-Wave并没有攻克许多公认的量子计算难题,比如错误修正(error correction)。包括谷歌和洛克希德马丁在内的几家公司,购买并测试了D-Wave的设备,他们初步的共识是,D-Wave做到了一些能称之为量子计算的东西,而且,在处理一些特定任务时,他们的设备确实比传统计算机要快。

不论这到底算不算量子计算,D-Wave把私营企业们震醒了。Chris Monroe说:“D-Wave确实打开了人们的眼界。他们让大家意识到,量子计算机是有市场的,并且有强烈的需求。”几年内,各个公司纷纷投入到与他们专业知识相关的各个量子计算领域中去。

英特尔和硅量子点

对量子计算最大的赌注恐怕来自英特尔:2015年,它宣布将向荷兰代尔夫特理工大学的量子技术研究项目QuTech投资5000万美元。英特尔专注于硅量子点技术(silicon quantum dots),它经常被称作“人造原子”。一个量子点量子比特是一块极小的材料,像原子一样,它身上电子的量子态可以用0或1来表示。不同于离子或原子,量子点不需要激光来困住它。

早期的电子点用几近完美的砷化镓晶体制作,但研究人员们更倾向于硅,希望能利用半导体产业的巨大产能。QuTech技术负责人Leo Kouwenhoven说:“我认为英特尔属意于硅,毕竟那是他们最擅长的材料。”但是基于硅的量子比特研究,大大落后于囚禁离子和超导量子技术。去年,澳大利亚新南威尔士大学的一只研究团队才完成两个量子比特的逻辑门。

微软和拓扑量子

而微软的选择甚至更遥远:基于非阿贝尔任意子(nonabelian anyons)的拓扑量子比特(topological qubits)。这些根本就不是物体,他们是沿着不同物质边缘游动的准粒子(quasiparticles)。他们的量子态由不同交叉路线(braiding Paths)来表现。因为交叉路线的形状导致了量子叠加,他们会受到拓扑保护(topologically protected)而不至于崩溃,这类似于打结的鞋带不会散开。

这意味着,理论上拓扑量子计算机不需要在错误修正上花费那么多量子比特。早在2005年,微软带领的一支研究团队,就提出了一种在半导体-超导体混合结构中建造拓扑保护量子比特的方法。微软已经投资了数个团队进行尝试。他们近期的论文,还有贝尔实验室的一项独立研究都展示了,关键的任意子以电路中电流的模式进行移动的”征兆“。这些科学家已经很接近展示真正的量子比特了。Preskill说:“我认为在一两年内,我们就可以看到结果––拓扑量子比特确实存在。”

谷歌的超导量子研究

谷歌这边,他们雇佣了加州大学圣芭芭拉分校(University of California, Santa Barbara)的超导量子比特专家John Martinis。他研究过D-Wave的运行方式和缺陷。在2014年,谷歌把整个加州大学圣芭芭拉分校研究团队的全部十几个人,都给招募了。这之后,John Martinis团队宣布,他们已经建成了9量子比特的机器,是目前世界上可编程的量子计算机中最大的之一,而且他们正在尝试扩大规模。为了避免大堆缠绕的电线,他们正在2D平面结构上重建该系统。系统会铺设在一块晶圆上,所有控制电路都蚀刻在上面。

John Martinis团队如今已有30名科学家和工程师。七月,他们用了三个超导量子比特来模拟氢分子的基态(ground state)能量,这展示了在模拟简单的量子系统上,量子计算机可以做到和传统计算机一样好。Martinis表示,这个结果预示了拥有”量子霸权“的计算设备的力量。他还认为,谷歌一年造出49量子比特计算机的计划很赶时间,但或许有可能实现。

ionQ和囚禁离子

与此同时,ionQ的Chris Monroe正在试图克服囚禁离子带来的各项挑战。作为量子比特,它们可以在几秒钟内维持稳态,这还多亏了真空装置和在环境噪音影响下仍能将其稳定的电极。但是,这些隔离措施意味着,量子比特之间的交互变得更难。Monroe最近把22个镱离子纠缠成一条线形链(linear chain),但至今,他还未能控制或查询所有的离子对,而这是量子计算机必须做到的。

控制组合体的难度,会随离子数目的增加指数级得升高。所以,加入更多离子是做不到的。Monroe认为,解决办法在于使用模组化的设计,用光导纤维把囚禁离子群连接起来,每个囚禁离子群约有20个离子。若用该方案,每个模组中的某特定量子比特都会成为该离子群的中心,从群中其他量子比特那接受信息,并与其他模组分享。这样,大多数离子会免于外部侵扰。

最近,Monroe逛了逛他在马里兰大学的六个实验室。在三个较老的实验室里,电线和真空管路一团团的垂下来。在一张特大桌子上,透镜和镜子乱成一堆,使用它们是为了改变激光光束的形状,并把光束反射入真空室设备的小孔里,那里面就是实验离子。头顶上的HVAC设备们(加热设备,通风设备,空调)嗡嗡作响。

另外三个新实验室就十分干净整洁,甚至空空荡荡显得有些古怪。Rube Goldberg式的光学实验桌被整合激光装置取而代之。Monroe说:”我们现在用的激光设备只有一个激光球,并且已经开启。”他焦急得想把ionQ的实验室赶快运作起来,让高薪聘来的研究人员们正式成为ionQ的雇员,以尽快投入到工作中,把他们在马里兰大学做的研究完善起来。多亏了和马里兰大学不同寻常的协议,ionQ得到独家、免费的专利授权。

下一年,他会把他的第一个sabbatical假期用来建立ionQ。他表示,私营企业对他们量子计算研究的资助,是他事业中最大的一笔钱。

量子计算展望

即便有巨额投资,量子计算在很长时间内,只会是各公司实验室里的商业秘密。有些大的研究机构,甚至是那些科技巨头的下属部门,倒愿意把研究成果在论文和会议上公布出来。他们认为发表最新进展是互利的。其中一个原因是,促使潜在客户思考量子计算机的应用前景。Monroe解释说:“我们都需要一个市场。”与其遮遮掩掩,不如一起把量子计算这块蛋糕做大。

还有一个很重要的原因:没有人对量子计算足够了解,但每个团队都选了一个量子比特类型做研究(没有精力研究多个)。谁知道他们选择的类型有没有前途呢?每种方案都需要不断地优化,扩大规模,最终才能应用于制造量子计算机。无论是制造基于超导体,还是硅的量子比特,都需要极高的连贯性和一致性。对它们冷却的冷冻装置也需要改善。囚禁离子需要更快的逻辑门,更紧凑的激光和光纤。拓扑量子比特仍需要被发明出来。简而言之,要面对的挑战太多,团队之间需要一定程度的相互合作、信息共享,才能加快进度。

未来的量子计算机很可能是一个混合体,由超快的超导体量子比特对算法进行运算,然后把结果扔给更稳定的离子存储。与此同时,光子在机器的不同部件之间传递信息,或者在量子网络的节点之间。微软研究员Krysta Svore说:“能够想象,将来不同类型的量子比特会同时存在,并在不同任务中扮演不同的角色。”

量子计算机是那么新奇古怪,甚至世界的顶级量子物理学家和计算机工程师都不清楚,商业化运营的量子计算机会是什么样儿。Svore认为,研究量子计算机应当在行动中摸索。物理学家们只需要试着去造,现有的科技所能达到的最高深的计算机系统,然后面对这过程中出现的难题。这是一个“制造,学习,重复”的过程。他说:“我们特别喜欢设想,造出了第一台量子计算机之后,就用它设计第二台量子计算机。”



原文发布时间为:2016.12.04
本文作者:王涪玖
本文来源:简书,如需转载请联系原作者。

目录
相关文章
|
1月前
|
存储 人工智能 安全
计算机的发展历程与未来趋势
计算机的发展历程与未来趋势
|
机器学习/深度学习 存储 人工智能
四种新兴技术:生物技术、小型卫星、量子计算机和认知增强的认知
  本文4589字,建议阅读12分钟。   本文论述了生物技术、小型卫星、量子计算机和认知增强的安全问题。   本文节选自专著《Technology and National Security: Maintaining America's Edge》,The Aspen Institute ,2022年1月31日。文章题目《Four Emerging Technologies and National Security》。本文讨论了四种新兴技术:生物技术、小型卫星、量子计算机和认知增强,并简要介绍这四种技术及其对美国国家安全的影响,最后提出应对建议。   作者:Jason Mathen
221 0
|
机器学习/深度学习 算法 量子技术
IonQ公布量子计算机发展蓝图 :3年实现量子机器学习,5年实现广义量子优势
捕获离子量子计算机为何物? 算力难以度量,物理量子位并不代表一切 指日可待,算法量子位助力突破 发动机器学习早期量子优势,IonQ五年规划信心满满 继“量子霸权”之后,“广义量子优势”横空出世
276 0
IonQ公布量子计算机发展蓝图 :3年实现量子机器学习,5年实现广义量子优势
|
机器学习/深度学习 人工智能 自然语言处理
计算机架构的新黄金时代,为什么到了2021年还没有开始?
一面是客观的技术差距,一面是无法忽视的机会。
197 0
计算机架构的新黄金时代,为什么到了2021年还没有开始?
|
区块链 网络架构 算法
区块链的技术简史与未来前景,从互联网进化角度分析
区块链是当前科技领域最令人关注的技术之一,如何理解这个新技术,本文从互联网的技术生态、区块链的诞生、比特币的发展,互联网大脑模型的形成多个维度,对区块链技术的优劣和未来前景进行阐述,因为涉及的知识点很多,不当之处,请读者指正。
986 0
区块链的技术简史与未来前景,从互联网进化角度分析
|
机器学习/深度学习 人工智能 算法
|
机器学习/深度学习 人工智能 自动驾驶
吴恩达:模拟人脑,未来AI执行精神层面任务有望快过人类!
AI在未来如何实现真正的“智能”?这个问题似乎遭遇瓶颈。目前深度学习对人类大脑的模拟仍然处于初级阶段,是否应该沿这条路继续走下去?吴恩达认为,通过深度学习模拟大脑,未来的AI能够比人类更快地完成精神层面的任务。也有研究人员认为,应从大自然中寻找灵感,让AI建立关于世界的“心理模型”。
1263 0