让量子计算走近大众:潘建伟、陆朝阳团队证实盲量子计算的可行性

简介:

量子计算技术的突飞猛进不断证明着计算机技术的革命在即,然而技术上的成熟只是一个方面,维持量子比特的严苛环境决定了量子计算机可能没有机会像当年的PC(个人电脑)一样真正走入千家万户。

于是就有了这么一个我们很熟悉的折中方案——云计算,即客户端仍然使用传统计算机,大量的量子计算则被留在了云端。那么问题又来了,所有信息的安全性该如何保证呢?目前最好的解决方案就是——盲量子计算。

“盲量子计算(blind quantum computing)”是一种远程的量子计算模式,用户(clients)可以将自己的计算任务外包给量子计算服务商(quantum servers),用服务商的量子设备进行计算。“盲”意味着量子服务商无法获得计算任务的全部信息,从而保证了计算的安全性。过去人们认为,要进行这种远程的盲量子计算,用户必须也要拥有量子设备才能委托计算任务给量子服务商。最近,来自中国的科学家们发现,即使是只拥有经典计算机,没有任何量子设备的普通用户也可以将自己的计算任务外包给量子服务商,来执行盲量子计算。

这一发现是由中国科学技术大学的潘建伟、陆朝阳领导的研究小组完成的,发表在近期的《物理评论快报》(Physical Review Letters)上。

“我们首次证实了,一个完全的经典客户可以委托自己的量子计算任务给一个不可信的量子服务商,同时可以保证隐私不会被窃取。”陆朝阳说。

盲量子计算最初的设想是这样的:虽然相比于经典计算机,量子计算机有着指数级别的计算优势,但是在未来的很长一段时间内,由于量子计算机高昂的研发成本,复杂的硬件,只有少数机构能拥有量子计算机。所以,与其让所有人都拥有自己的量子计算机,不如通过盲量子计算,外包计算任务给量子服务商,让服务商代执行计算,而且能保证信息的安全,不用担心被窃取。

虽然近些年很多种盲量子计算协议被设计出来,但是所有的这些协议都有着一个相同的弊端:需要客户有能力去执行一些特定的量子任务,比如说制备或者测量一个量子比特(qubit)的量子态。但是大多数只拥有经典设备的用户是无法执行这些量子任务的,排除掉这个弊端对于大多数用户无疑是一个非常好的消息。

让量子计算走近大众:潘建伟、陆朝阳团队证实盲量子计算的可行性

在这个最新的研究中,物理学家们通过实验证实,一个只拥有经典设备的客户可以外包一个简单的任务(比如说因式分解数字15)给两个并不完全知道这个任务的量子服务商。由于每个服务商只解决了部分的这个问题,并且物理的隔绝了两个服务商进行通讯的可能性,所以这个方案是安全的。并且为了进一步保证这两个服务商的诚实性,客户还可以给他们一些虚假任务(dummy tasks),通过这些虚假任务来验证服务商的诚实性和正确性。

研究者们希望这种新方法可以被扩大,从而实现安全,可外包的量子计算。在未来的某一天,还可以应用到量子云(quantum cloud)服务上,让量子计算可以被大众广泛使用。

“盲量子计算协议是一种很重要的隐私保护技术,对于未来的量子云安全计算,量子安全网络有着十分重要的意义,”陆朝阳解释道,“使用我们这种盲量子计算协议,经典客户可以在不拥有量子设备的情况下,安全、精确地将计算任务外包给服务商云端。这不仅节约了资源,而且使得大规模量子计算变得可能。”

未来,科学家们希望可以减少盲量子计算更多的约束条件,使盲量子计算变得更加易用。

“我们计划未来从理论和实验上来研究需要资源更少,约束条件更少,更加具有鲁棒性的盲量子计算,”陆朝阳说,“我们还将探索更多的盲量子计算的应用情景,比如说多用户盲量子计算,可公开验证量子计算和多方安全量子计算。”


原文发布时间为:2017.05.20
本文作者:DeepTech深科技
本文来源:今日头条,如需转载请联系原作者。

目录
相关文章
|
10月前
|
机器学习/深度学习 数据采集 算法
Python | K折交叉验证的参数优化的GradientBoost及SHAP可解释性分析回归预测算法
本教程介绍基于Python的GradientBoost回归预测算法,结合K折交叉验证与贝叶斯/随机/网格搜索进行超参数优化,并引入SHAP实现模型可解释性分析。涵盖数据预处理、模型训练、多维度评估及可视化,适用于地球科学、医学、工程、经济等多个领域的连续变量预测任务,代码与数据齐全,适合科研与实际应用。
671 2
|
5月前
|
消息中间件 缓存 NoSQL
【Redis】Redis缓存核心问题:缓存与数据库双写一致性问题、延迟双删、更新策略
本文系统梳理Redis缓存双写一致性核心问题,涵盖强/最终/弱一致性分级、Cache Aside等主流更新策略、延迟双删原理与落地要点,并深入解析binlog CDC兜底方案及高并发优化实践,兼顾理论深度与工业落地。
|
编译器 开发工具 C语言
配置C++的学习环境
这篇教程介绍了学习C++语言所需的环境配置和软件选择。首先,你需要一个文本编辑器(如Visual Studio Code、Visual Studio、Vim、Emacs或Eclipse)和一个C++编译器(如GCC)。在不同操作系统上安装GCC的方法包括:在Linux或UNIX上使用命令行检查或安装GCC,在Mac OS X上通过Apple的Xcode,而在Windows上则需要安装MinGW。教程还提供了使用Visual Studio创建和编译C++程序的步骤。最后,文章简述了g++编译器的使用及其常用命令选项。
697 0
|
人工智能 自然语言处理 安全
国内如何使用claude?人工智能claude国内使用方法来了!
Claude AI 是由 Anthropic 公司开发的一款新一代 AI 助手,旨在成为更安全、更友好、更可靠的 AI 系统。它基于 Anthropic 对 AI 安全性的深入研究,并采用 “Constitutional AI” (宪法式 AI) 的训练方法,
|
机器学习/深度学习 人工智能 算法
【机器学习】平均绝对误差 (MAE) 与均方误差 (MSE) 有什么区别?
【5月更文挑战第17天】【机器学习】平均绝对误差 (MAE) 与均方误差 (MSE) 有什么区别?
|
存储 定位技术
【天梯赛】L2-048 寻宝图 (DFS做法)
遇到一个非'0'字符(也就是'1'和 宝藏'2'到'9')就让ans++,同时将这个非'0'字符染色为'0',然后往四个方向(上、下、左、右)搜索,这里的目的是那一片岛屿(也就是那一片为'1'的部分)都染色为‘0’。本题就请你统计一下,给定的地图上一共有多少岛屿,其中有多少是有宝藏的岛屿。为了判断有宝藏的岛屿,这里我开了一个全局变量f来判断这一片岛屿是否有宝藏(也就是有无字符'2'-'9'),当搜到字符'2'~'9'时就将f标记为1。在一行中输出 2 个整数,分别是岛屿的总数量和有宝藏的岛屿的数量。
711 5
|
Java 区块链
使用Java实现区块链智能合约
使用Java实现区块链智能合约
|
Web App开发 人工智能 安全
Gemini vs ChatGPT:谷歌最新的AI和ChatGPT相比,谁更强?
Gemini vs ChatGPT:谷歌最新的AI和ChatGPT相比,谁更强?