实现量子至上

加州大学圣塔芭芭拉分校/ Google科学家约翰·马丁尼斯(John Martinis)小组的研究人员充分证明了他们对量子至上性的主张。他们的Sycamore计算机使用53个纠缠的量子位(“量子位”)解决了并解决了经典计算机难以解决的问题。

Martinis集团的研究生研究员Brooks Foxen说:“在经典的超级计算机上进行一万年的计算,在我们的量子计算机上花费了200秒。” “改进的经典硬件和算法可能会减少目前估计为10,000年的经典仿真时间,但是,由于我们目前的速度提高了1.5万亿倍,因此,我们很乐意为这一成就奠定基础。”

《自然》杂志的一篇论文概述了这一壮举。

这个里程碑是在马丁尼斯及其小组进行的大约二十年的量子计算研究之后完成的,从单个超导量子位的开发到包括72个体系结构的系统,以及在Sycamore的54个量子位(一个没有执行),它们利用了量子力学具有令人敬畏和奇异的性质。

Martinis集团的另一位研究生研究员Ben Chiaro说:“通过利用设备的自然动力学特性,选择了该算法来强调量子计算机的优势。”也就是说,研究人员想要测试计算机容纳和快速处理大量复杂,非结构化数据的能力。

Foxen说:“我们基本上希望尽快产生一个涉及我们所有量子位的纠缠态,因此我们确定了一系列操作,这些操作产生了一个复杂的叠加态,当测量该叠加态时,它很可能返回位串由用来准备该特定叠加的特定操作顺序确定的练习是为了验证电路的输出是否与用于准备状态的序列相对应,它在短短几分钟内对量子电路进行了100万次采样,可能性-在系统失去其量子相干性之前。

“复杂的叠加状态”

Chiaro解释说:“我们执行了一组固定的操作,将53个量子比特纠缠为复杂的叠加状态。” “这种叠加状态对概率分布进行编码。对于量子计算机,通过在数十微秒内对每个量子位施加数十个控制脉冲序列即可完成此叠加状态的制备。我们可以通过测量在200秒内达到一百万次量子比特。”

“对于传统计算机,计算这些运算的结果要困难得多,因为它需要计算处于2 ^ 53种可能状态中的任何一种的概率,其中53种来自量子位数量-指数缩放这就是为什么人们开始对量子计算感兴趣的原因。” “这是通过矩阵乘法完成的,随着矩阵变大,这对于经典计算机而言是昂贵的。”

根据新论文,研究人员使用一种称为交叉熵基准测试的方法,将量子电路的输出(“位串”)与其“通过经典计算机上的模拟计算出的相应理想概率”进行比较,以确定量子计算机是否在工作。正确地。

Chiaro说:“我们在处理器的开发过程中做出了很多设计选择,这些选择确实非常有利。”他说,在这些优势中,有能力通过实验来调整各个量子位的参数及其相互作用。

虽然选择实验作为计算机的概念验证,但这项研究产生了一个非常真实而有价值的工具:一个经过认证的随机数生成器。随机数可在各种领域中使用,可以确保无法猜测加密货币密钥,或者确保来自更大范围的样本真正具有代表性,从而为复杂问题和更强大的机器学习应用程序提供了最佳解决方案。量子电路产生其随机位串的速度非常快,以至于没有时间分析和“欺骗”系统。

加州大学圣塔芭芭拉分校研究副校长乔·因坎德拉(Joe Incandela)评测说:“量子力学状态所做的事情超出了我们的日常经验,因此具有提供原本无法实现的功能和应用的潜力。” “该团队已经证明了能够可靠地创建和重复采样涉及53个纠缠元素的复杂量子态的能力,以完成与经典超级计算机相关的千百年练习。这是一项重大成就。我们处于新的极限知识获取的时代。”

展望未来

凭借“量子至高无上”的成就,人们很容易想到UC Santa Barbara / Google研究人员将插上他们的旗帜,安心休息。但是对于Foxen,Chiaro,Martinis和UCSB / Google AI Quantum小组的其他成员来说,这仅仅是开始。

Foxen说:“这是一种持续改进的心态。” “工作中总有项目。”在短期内,对这些“嘈杂”量子位的进一步改进可能使量子力学中有趣现象的模拟成为可能,例如热化或材料和化学领域的大量可能性。

但是,从长远来看,科学家们一直在寻求改善相干时间,或者在另一方面寻找并修复错误,这将使每个被检查的量子位增加许多额外的量子位。这些努力一直与量子计算机本身的设计和建造同时进行,并确保研究人员在达到下一个里程碑之前要做很多工作。

Chiaro表示:“与这个团队建立联系是一种荣幸和荣幸。” “这是一个由强大的技术贡献者组成的强大集合,具有出色的领导能力,整个团队之间的协同作用非常好。”

有所作为:赞助机会

故事来源:

用料 由…提供 加州大学圣塔芭芭拉分校。最初由Sonia Fernandez撰写。注意:可以编辑内容的样式和长度。

相关多媒体:

资讯来源:由0x资讯编译自SCIENCEDAILY,版权归作者所有,未经许可,不得转载
你可能还喜欢