我们为什么需要量子计算

简介:

基因定位到太空探索,人类活动带来了越来越多的数据。这些海量数据的处理已经远远超过了经典计算机的能力范围。基于这种情况,在挖掘大数据潜在价值的过程中,量子计算将扮演重要角色。

量子计算和大数据

量子计算的发展与现代计算机在本质上是相近的,都依赖于硬件、算法、操作系统、应用软件、云端平台的演进,进而孵化出一个萌芽中的量子计算产业生态。与传统计算相比,错误对于量子计算的影响更大,所以对于量子计算机来说很重要的一点是要解决容错性(Fault-tolerant)。

图1.png

图-量子计算的整体架构

发展量子计算技术的主要挑战在于需要通过发展高精度、高效率的量子态制备与相互作用控制技术,实现规模化量子比特的相干操纵。在实验上,近年来科学家们已经在离子阱(Ion-traps),超导系统 (Superconductor),光子(Photons),钻石中的氮素空位 (Nitrogen-Vacancy Centres in Diamond) 和半导体(Semiconductor)等几个物理系统中实现了基本量子逻辑门操作和少数量子比特的简单量子计算。不过要实现规模化的、真正意义上的量子计算,因为对物理系统性质的要求常常互相矛盾,所以建造有规模的、有实际应用价值的量子计算机还存在巨大的技术困难。

在构建量子计算机的理论和实验研究中,以牛津大学研究为代表的离子阱量子计算机在所有实现基本量子比特操作(存储器,状态输入,状态读出,逻辑门)的性能表现的维度上,目前被认为是量子计算机物理实现最成熟最有希望的方案。超导电路与离子阱相比,现在可以说是具备旗鼓相当的发展水平。2017 年 5 月中国科学院首次实现 10 个超导量子比特的纠缠,同一个月 IBM 实现了 17 个超导量子比特的纠缠。

未来两到三年内,量子计算机有望扩大到50 个量子比特,达到所谓的“量子优越性”(Quantum Supremacy),也就是说,在某些问题上,量子计算机的计算能力将超过目前最强大的经典并行计算机。但要达到真正的商业应用,量子比特需要达到百万级,这是一个非常大的门槛,当规模如此庞大时,量子计算机就可以克服错误问题。

即使是最乐观的科学家也认为,量子计算机不会完全取代现在的电脑。对于许多问题,使用量子计算机并没有太大的优势,比如说没有必要使用量子计算机去做文字处理,查邮件或者玩手机游戏。MIT 量子计算科学家 Aaronson 在 2008 年“量子计算的局限性 (The limits of quantum computers)”一文中分析了量子计算机对某些困难问题,比如说 NPcomplete 中 著 名 的“ 旅行推销 员问题” , 只能提供非常有限的加速,其中,NP是指非确定性多项式(Non-Deterministic Polynomial)。旅行推销员问题是指给定一系列城市和每对城市之间的距离,求解访问每一座城市一次并回到起始城市的最短回路。它是组合优化中的一个 NP困难问题,在运筹学和理论计算机科学中非常重要。

图2.png

量子计算的局限性

目前已经知道,量子计算机至少在解决某些类问题上,如分解大数质因子、随机数据库搜索等,相对经典计算机具有大规模加速作用。量子计算未来主要会应用在复杂的大规模数据处理与计算难题,以及基于量子加密的网络安全服务,例如:环境监测领域的气象预报,医学领域的基因测序与药物研发,金融领域的投资大数据分析、预测与风险建模,网络安全与即时通讯领域的量子加密,以及为人工智能提供强大的计算能力。

人工智能和机器学习

像人类一样,量子计算机也可以从经验中学习,进行自我纠错。比如,量子计算机可以修改出现乱码的程序代码。这一概念被称为量子计算机的机器学习——与Facebook 新闻流根据用户的“点赞”而进行个性化的推送相类似,只是更为复杂。

量子计算机的机器学习可以帮助我们更快、更高效地做很多事情,具体应用场景包括人脸识别、图像理解、音频语音理解、用户画像、机器人和自动驾驶车的图像识别及决策等。用量子算法,可以更快地构建机器学习模型,对于数据越多的问题,节省的时间就越多。

比如说卫星,它在运行过程中收集了大量的图像和视频资料,产生海量数据。我们不可能精细搜索和分析如此多的数据,但是这样却可能会错过许多关键信息。而量子计算机可以比经典计算机更快地筛选海量数据,并指出哪些图像和视频我们应该做进一步分析,哪些则可以忽略。经过数以万计的统计,我们发现经典计算机并不擅长从海量图片中迅速完成“孙悟空在哪儿” 的识别任务,但量子计算机却非常擅长从混乱的背景中找出具体人物或者细节。例如 Google 将在无人驾驶车中用量子计算机区分汽车和景物。

信息安全

现有加密系统受到量子计算机威胁。但是通过使用量子力学特性,加密技术将变得更加安全。这种超级安全通信被称为“量子密钥分配”,它允许某人发送信息给其他人,而只有使用量子密钥解密后才能阅读信息。如果第三方拦截到密钥,鉴于量子力学的原理,信息会变得毫无用处,也没人能够再读取它。

量子加密通信已经在全球开始使用,比如说,一个名为“ID Quantique”的瑞士量子加密公司在荷兰电信公司 KPN 的数据中心、以及瑞士的金融机构之间,建立了量子连接。2015 年,日本东芝研究院将量子加密的基因组数据从仙台的研究机构发送至7公里以外的东北大学。2016 年,英国电信公司 BT 和日本东芝在 BT 的 Ipswich 研发中心联合举办了英国首个安全量子通信展示会。

后量子密码学则致力于创建出即使是未来的量子计算机也无法破解的密码。PQCRYPTO 是一个受欧盟资助为期三年的项目,专注于开发后量子加密。2016 年,PQCRYPTO 的一些研究成果已经被 Google 用在了 Chrome 浏览器运行的后量子加密测试中。而在斯诺登事件后,美国国家安全局于 2015 年表示将更新其所有的加密技术,使它们无法被量子计算机破解。

最优化问题

许多证据表明量子计算机比经典计算机更适合进行某些需要挑选出最优化解决方案的任务,而大量的商业活动都依赖于最优化方案。例如,在开始制造汽车、飞机部件前,我们可以运用计算机模型优化汽车和飞机的设计方案。飞机机翼设计是一个特别复杂的情况,量子计算机则可以提供更有效的设计、形成最佳的制造方案,许多飞机制造商都很重视量子计算机带来的变革。

从2013 年秋季量子计算机开始运行以来,NASA 的研究人员就一直在使用它来研究空中交通管制,包括自主性、机器人、导航和通信、系统诊断、模式识别、异常检测、任务规划和调度等领域的优化问题。通过这些研究,NASA量子人工智能实验室希望能证明大规模的量子计算机,能比采取了最佳优化算法的经典计算机更快地解决具体问题。例如,Google 在量子计算机 D-Wave 2X 上优化一个含有大量变量的函数,比在经典计算机上快一亿倍。

我们可以自定义什么样的问题需要找出最优化解决方案,比如说:产品收入最大化,点击转化率最大化,用户满意度最大化,成本耗时最小化。某些人工智能问题也可以转化为优化问题,例如,构建预测模型,使其对未来数据的预测误差最小。

举例来说,马车和汽车代表的不仅仅只是速度不同,更是商业生态以及社会生态的不同。量子计算就像是新的“引擎”,代表了新的商业形态和社会形态。蒸汽机的到来引发了第一次工业革命,燃气机引发了第二次工业革命,计算机的诞生引发了第三次工业革命,那么量子计算机的到来,很可能会推动第四次工业革命的很多构想正在实现。

量子计算机一旦投入使用,许多行业可能将会受到颠覆性的影响,目前很多看似不可能有太多突破的领域未来都会有很大的改变。

图3.png

图表一:量子计算机在各行业的应用机会

你应该知道的量子计算

创建于20 世纪初的量子力学,不仅深刻揭示了原子、分子以及固体的微观结构,而且促成了现代微电子技术、激光技术和新材料技术的出现和进步,并为现代计算机硬件技术发展奠定了物质基础。

量子力学系统的态(在量子计算机中用来编码数据)具有不同于经典物理态(在经典计算机中编码数据)的性质,这一方面表明不能把经典计算机理论和技术照搬到量子计算机上,另一方面也表明对以经典物理为基础的计算机科学加以重新审视是不可避免的。

量子计算机就是用量子态编码信息,并根据具体问题算法要求、按照量子力学规律执行计算任务(变换、演化编码量子态),根据量子测量理论提取计算结果的计算机。

量子计算的神奇之处在于,它的运行是基于量子比特(Quantum bit),而非现代计算机中的经典比特,它利用量子力学理论中的量子叠加 (Quantum superposition)和量子纠缠 (Quantum entanglement) 效应,具有天然的“大规模并行计算”的能力。

量子比特

普通计算机一个比特(Bit) 可以表示为 0 或者 1。而量子计算机虽然也可以使用 0和 1,但一个量子比特(Quantum bit)可以同时是 0 和 1,具有不确定性。

如果把经典比特的0 和 1 想象为地球的南北极(如左图),在量子比特中,量子比特可以是部分北极和部分南极的叠加状态(如右图),即无限多种组合的线性叠加态。

图4.png

量子叠加

例如,量子比特可以处在叠加态| >;=1/ 2(|0>;+|1>;)。在这个态中,|0>;、|1>; 各、以相等的概率出现,所以在态 | >; 中既包含态 |0>; 的信息,也包含态 |1>; 的信息。如果有两个这样的量子比特构成一个量子系统,那么这个量子系统就可以处在 4 个态的叠加态中:

|0>;|0>;, |0>;|1>;, |1>;|0>;, |1>;|1>;

用来表示{00, 01, 10, 11} 四种不同的信息(或四个数据),这在量子叠加态中可以同时各以一定概率存在。

总的来说,经典世界告诉我们,一个时间,比特只可能有一种状态,过一段时间可以跑到另一种状态,但是同一个时间只有一种状态。就像腾讯大厦有39 层楼,你问某位同学在哪儿,经典世界一定说他位于 39 层中的某一层。但是如果从量子比特的角度来看,他 39 种状态都有,你问他在哪儿,原则上说他各种可能的态都在,39 层楼他都在、而且是同时在,这就是量子世界的奇妙特性。

量子纠缠

描述了当两个粒子互相纠缠时,即使距离遥远,一个粒子的行为将会影响另一个的状态。当其中一个粒子被操作(例如量子测量)而状态发生变化,另一个也会即刻发生相应的变化。

量子算法

1985 年,英国牛津大学教授 Deutsch 研究了量子 Turing 机,引进了量子计算线路模型和量子通用逻辑门组,突破了经典计算 Boole 逻辑的限制,实现了到量子演化的跃进。 在那之后,科学家们开始了对量子算法的研究。

Shor 算法 是由美国 Bell 实验室 Shor 在 1994 年提出的分解大数质因子的量子方法。互联网时代绝大多数的加密,都由 RSA 算法完成,目前支付宝、微信支付、微众银行等都在采用 RSA 2K 加密算法,但随着量子计算的发展,RSA 加密安全性受到了挑战。举例:

图5.png

Grover 算法 是由 Grover 于 1996 年提出的平方根加速的随机数据库量子搜索算法。搜索算法常用于从 N 个未分类的记录中找出某个特定的记录。Grover 量子搜索算法可以对随机数据库相对经典搜索平方根加速,为了实现这样的加速,Grover 算法主要依赖于量子态的叠加。

毫无疑问,量子计算是属于未来的技术,当下我们正处在量子计算机发展的黎明时期。而量子计算和云的结合,又可以为量子计算领域带来巨大的前景,研究人员和科学界可借此加快量子领域的创新速度,这也有利于发现量子云计算的新应用领域,所有这些应用都令人激动不已,但要实现这些目标,我们依然有很长的路要走。


原文发布时间为:2017-06-13
本文作者:南方都市报
本文来源:创见,如需转载请联系原作者。

目录
相关文章
|
前端开发 JavaScript 容器
bootstrap-treeview树
bootstrap-treeview树
522 0
|
存储 固态存储 关系型数据库
性能优化特性之:16K原子写
本文介绍了在倚天实例上进行内存优化的调优特性:16K原子写 的优化原理、使用方法。
编译原理复习三:Bottom-Up LR(0)自动机构造 SLR(1)分析表与分析器的构造(附题目与答案 超详细)
编译原理复习三:Bottom-Up LR(0)自动机构造 SLR(1)分析表与分析器的构造(附题目与答案 超详细)
741 0
|
机器学习/深度学习 并行计算 PyTorch
PyTorch安装教程
PyTorch是学习深度学习时常用的Python神经网络框架,本文将介绍其部分版本的安装方式。Windows和Linux通用。 作者使用anaconda作为管理虚拟环境的工具。以下工作都在虚拟环境中进行,对Python和Aanaconda的安装及对虚拟环境的管理本文不作赘述,后期可能会撰写相关的博文。
PyTorch安装教程
|
机器学习/深度学习 自然语言处理 并行计算
Transformer 学习笔记 | Seq2Seq,Encoder-Decoder,分词器tokenizer,attention,词嵌入
本文记录了学习Transformer过程中的笔记,介绍了Seq2Seq模型及其编码器-解码器结构。Seq2Seq模型通过将输入序列转化为上下文向量,再由解码器生成输出序列,适用于机器翻译、对话系统等任务。文章详细探讨了Seq2Seq的优势与局限,如信息压缩导致的细节丢失和短期记忆限制,并引入注意力机制来解决长序列处理问题。此外,还介绍了分词器(tokenizer)的工作原理及不同类型分词器的特点,以及词嵌入和Transformer架构的基础知识。文中包含大量图表和实例,帮助理解复杂的概念。参考资料来自多个权威来源,确保内容的准确性和全面性。
|
安全 量子技术 数据安全/隐私保护
量子通信技术的原理与进展
【8月更文挑战第1天】量子通信技术以其独特的优势和巨大的潜力在科技领域掀起了一场革命性的变革。随着研究的深入和技术的成熟,量子通信技术将在未来发挥更加重要的作用,为信息安全、量子计算、量子传感等领域提供强有力的支持。我们有理由相信,在不久的将来,量子通信将以其卓越的性能和广泛的应用前景,为我们带来更加安全、高效、便捷的通信体验。
1681 9
|
运维 监控 jenkins
运维自动化实战:利用Jenkins构建高效CI/CD流程
【10月更文挑战第18天】运维自动化实战:利用Jenkins构建高效CI/CD流程
|
JavaScript NoSQL 中间件
《Node.js后端修炼手册》——揭秘服务器搭建与部署上线的生死时速,让你一战成名!
【8月更文挑战第27天】本文详细介绍如何从零开始利用Node.js构建后端服务器并部署至生产环境。首先,通过简易步骤搭建基础服务器,包括环境安装与配置。接着,引入Express框架优化路由与中间件管理,提升开发效率。随后,利用Mongoose实现MongoDB数据库连接,增强数据交互能力。为保证系统稳定性,文中还讲解了错误处理机制。最后,通过PM2等工具部署应用至生产环境,确保高效运行。本教程辅以示例代码,帮助读者快速掌握Node.js后端开发全流程。
1190 2
|
机器学习/深度学习 算法 搜索推荐
【机器学习】凸集、凸函数、凸优化、凸优化问题、非凸优化问题概念详解
本文解释了凸集、凸函数、凸优化以及非凸优化的概念,并探讨了它们在机器学习中的应用,包括如何将非凸问题转化为凸问题的方法和技术。
3168 0