量子计算技术的现状、流派、挑战与前景

简介:

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。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。

坚持囚禁离子技术的量子计算公司

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。

图表:量子计算五大技术流派

量子计算技术的现状、流派、挑战与前景

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:Climber.pI
本文来源:知乎,如需转载请联系原作者。

目录
相关文章
|
机器学习/深度学习 人工智能 自然语言处理
图解机器学习 | GBDT模型详解
GBDT是一种迭代的决策树算法,将决策树与集成思想进行了有效的结合。本文讲解GBDT算法的Boosting核心思想、训练过程、优缺点、与随机森林的对比、以及Python代码实现。
9864 2
图解机器学习 | GBDT模型详解
|
机器学习/深度学习 人工智能 自然语言处理
一分钟认识:claude中文版_claude官网中文版
Claude AI 是由 Anthropic 开发的一款先进的对话式人工智能模型,它的名字来源于信息论之父——克劳德·香农 🧙‍♂️。
|
算法 C语言 数据安全/隐私保护
【C 言专栏】C 语言中的位运算技巧
【5月更文挑战第2天】探索C语言中位运算的威力:高效处理标志位、数据压缩、加密及特定算法实现。了解位与(&)、或(|)、异或(^)、取反(~)和移位操作。通过示例代码学习判断奇偶、提取、设置和清除位。注意边界条件和可读性,利用位运算提升性能,结合位图和算法实现更多功能。掌握这些技巧,优化你的C语言编程。
658 53
【C 言专栏】C 语言中的位运算技巧
|
缓存 测试技术 开发者
如何解决 Postman 报错一直转圈打不开?
缓存过多的时候,打开postman就会出现转圈的现象,所以需要清理下缓存文件。
|
存储 人工智能 NoSQL
通过MongoDB Atlas 实现语义搜索与 RAG——迈向AI的搜索机制
MongoDB Atlas 的向量搜索功能为语义搜索和 RAG 提供了一个高效的数据库管理平台。在这个全新的应用场景下,Atlas 的向量检索能力支持开发者实现高效的知识检索和增强型生成应用,使其在智能客服、知识问答、个性化推荐等场景中大放异彩。结合生成式模型的 RAG 应用,MongoDB Atlas 提供了从数据存储到智能生成的完整解决方案,展现出其在现代应用中的巨大潜力。希望本文能够帮助大家更好地理解 MongoDB Atlas 的语义搜索功能和 RAG 的实际应用。 只有锻炼思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点
通过MongoDB Atlas 实现语义搜索与 RAG——迈向AI的搜索机制
|
机器学习/深度学习 人工智能 自然语言处理
大语言模型的预训练[2]:GPT、GPT2、GPT3、GPT3.5、GPT4相关理论知识和模型实现、模型应用以及各个版本之间的区别详解
大语言模型的预训练[2]:GPT、GPT2、GPT3、GPT3.5、GPT4相关理论知识和模型实现、模型应用以及各个版本之间的区别详解
大语言模型的预训练[2]:GPT、GPT2、GPT3、GPT3.5、GPT4相关理论知识和模型实现、模型应用以及各个版本之间的区别详解
|
存储 自然语言处理 小程序
微信小程序多语言切换神器:简繁体切换功能完全指南
随着全球化的发展,支持多种语言的应用程序愈发重要。本文介绍了如何在微信小程序中实现简体与繁体字体之间的切换功能,以满足不同地区用户的需求。通过创建utils文件夹并编写相应的转换函数,开发者可以方便地实现语言切换,从而提升用户体验。文章中还附带了示例代码和效果图,帮助读者更好地理解和应用这一功能。
1265 0
微信小程序多语言切换神器:简繁体切换功能完全指南
|
Java 开发工具 Android开发
Android Studio利用Build.gradle导入Git commit ID、Git Branch、User等版本信息
本文介绍了在Android Studio项目中通过修改`build.gradle`脚本来自动获取并添加Git的commit ID、branch名称和用户信息到BuildConfig类中,从而实现在编译时将这些版本信息加入到APK中的方法。
793 0
|
存储 NoSQL 关系型数据库
【MongoDB 专栏】MongoDB 的 ACID 事务支持
【5月更文挑战第11天】MongoDB,作为流行的非关系型数据库,逐步强化ACID事务支持,确保数据操作可靠性。事务包括原子性、一致性、隔离性和持久性四个特性。MongoDB通过多文档事务和锁机制实现ACID,适用于复杂操作、分布式协调和高一致性业务。然而,使用时注意性能影响、事务范围、错误处理及版本兼容性。随着技术进步,MongoDB将持续优化事务处理,应对更多复杂业务场景,为数据库领域带来创新与机遇。理解并恰当运用事务特性对构建高效应用至关重要。
637 0
【MongoDB 专栏】MongoDB 的 ACID 事务支持
|
存储 内存技术
华为VRP系统
华为VRP系统