2017转折之年：量子计算机将从实验室走进现实(图)

Daphane

來源: 新浪科技

[新智元导读]学术顶刊 Nature 刊文，以《2017年将是量子计算机从实验室走进现实》为题，梳理过去一年量子计算机相关进展，并预计2017年该领域值得期待的突破。   
   
　　量子计算长期以来都被认为是20年以后才会实现的技术。但是，2017可能是这领域改变其“仅限于研究“的印象的一年。   
   
　　计算领域的巨头谷歌和微软最近聘请了大量的重要人物，并且为刚开始2017年设置了一些具有挑战性的目标。他们的野心反映了一个广泛的现象：量子计算正在从纯粹的科学转变到工程建造。初创企业和学术研究实验室中也遇到了类似的情况。   
   
　　”人们是真的在建设一些东西“，马里兰大学物理学家Christopher Monroe说，”我从来没见到过这样的现象，它（量子计算）已经不仅仅是科学研究了。“Christopher 同时是初创企业IonQ的联合创始人，这家企业创建于2015年。   
   
　　谷歌距离通用的量子计算机又前进了一步   
   
　　谷歌在2014年开始研究基于超导超导的量子计算机。谷歌希望在今年，或者稍晚一些的时候，能够超越最强大的“传统”计算机所能做到的计算能力，这一里程碑式的成就被命名为量子霸业。谷歌的竞争对手——微软，把赌注压在了一个非常吸引人但是还未经验证的概念——拓扑量子计算上，并希望成为首个展示这一技术的公司。   
   
　　量子计算初创企业也是一片火热的景象。 Monroe计划在2017年年初启动招聘。耶鲁大学的物理学家、初创企业Quantum Circuits 的联合创始人Robert Schoelkopf 以及IBM 应用物理学家、Rigetti 创始人 Chad Rigetti 说，他们很快会实现关键的技术里程碑突破。   
   
　　学术实验室也处在类似的拐点。“我们已经对所需要的所有的组件和所有功能进行了演示“，Schoelkopf说。他现在还在耶鲁领导一个小组，开发量子计算机。虽然要让所有的组件共同工作，还需要进行一系列的物理实验，但是，现在最主要的挑战是在工程上。Schoelkopf 和其他的科学家都表达了相同的观点。目前最大量子位（20）的量子计算机，已经开始在学术机构的实验室中进行测试。比如，位于奥地利的因斯布鲁克大学中，由Rainer Blatt所领导的研究小组就在做这件事。   
   
　　深入微软拓扑量子计算机   
   
　　2016 年 10 月，微软研究院量子结构和计算组成员、数学家和计算机科学家 Alex Bocharov 向 Nature 介绍了微软“拓扑量子计算机”相关的研究及进展。   
   
　　传统的量子计算机把信息转化成量子位进行编码，有两种状态：0或1。但是，组成量子计算机的”量子位“也可能会处于叠加（superpositions）的状态，也就是同时处于1 或者同时处于0。   
   
　　这种叠加，加上量子位分享量子状态的能力，也就是通常所说的纠缠（Entanglement），能够让计算机立刻执行任何形式的计算。并且，计算的数字，从理论上说，是每一个增加的量子位的两倍，这会带来指数级的计算速度增长。   
   
　　这种速度能让量子计算机执行任何具体的任务，比如在大型的数据库中进行搜索，或者对大型数字进行量子分解，这些在传统的速度较慢的计算机中可能是无法实现的。量子计算机也可以转变成一个研究工具，演示量子模拟，让化学家能够使用此前没有预料到的细节来理解反映，或者能让物理学设计出能够在室温下实现超导的材料。   
   
　　”我跟学生说，2017年将会成为转折之年“。   
   
　　关于如何建造量子位，现在有许多非常有说服力的建议。但是现在有两个主要的方法逐渐脱颖而出，这要归功于他们储存信息的能力和不断增长的持续时间，虽然它们的量子状态还是很容易受到外部条件的干扰，并且在量子逻辑门操作上还有困难。   
   
　　其中一个方法是Schoelkopf 参与提倡的，得到谷歌、IBM、Rigetti和Quantum Circuits 的采用，包括在超导循坏中，把量子状态当成震荡波流进行编码。另一个方法是IonQ和一些主要的学术实验室在追求的，即，把量子位编码为单一的离子，离子处于真空聚集槽的电磁场中。   
   
　　加利福尼亚大学的John Martinis 在2014年带领团队一起加入谷歌，他说，超导技术的成熟让他的团队可以对量子霸业设置一个大胆的目标。   
   
　　John Martinis的团队计划使用一个“混乱的”（chaotic）量子算法来实现这一目标，这一算法的产出看起来像一个随机的输出。如果他们的算法在一个由相对较少的量子位组成的量子计算机上运行，一个传统的机器能预测最后的输出，但是，一旦量子机器的量子位接近50，即使是大的传统超级计算机也会难以保持速度，John Martinis的团队预测。   
   
　　量子计算机首次实现高能物理计算模拟   
   
　　2016 年 6 月，Nature 刊发的一篇论文，描述了奥地利因斯布鲁克大学的实验物理学家 Esteban Martinez 和他的同事通过模拟一项高能物理实验，证明了量子计算概念的可行性。具体说，这项物理实验将能量转化成物质，生成了一个粒子（电子）和它的反粒子（正电子）。   
   
　　实验中，研究人员使用的原型量子计算机在真空环境下，把 4 个离子束缚在电磁场中排成一排，每个离子都编码了一个量子位。4 个离子中的每一个都代表着一个位置，分别对应着两个粒子和两个反粒子，离子的自旋方向表示对应的粒子或反粒子是否有在相应位置出现。研究人员利用激光束操控这些离子的自旋，由此 4 个量子位就组成了一个简单的原型量子计算机。   
   
　　这一计算的结果没什么用，但是他们的尝试说明了，现在有一些任务是量子计算机无法攻克的。这是一个重要的心理暗示，会吸引更多的潜在消费者的注意力。Martinis说。“我想，这会是一个对未来有重要意义的实验。”   
   
　　但是，Schoelkopf 并没有把量子霸业看成是一个”非常有趣或者有用的目标“，其中部分原因是由于它避开了纠错的挑战，也就是系统在外部环境对量子位轻微的扰动后，恢复其信息流动方向的能力，随着量子位数量的增加，这会变得越来越难。反之，Quantum Circuits 聚焦于从一开始就打造能纠错的机器。这要求在更多的量子位基础上进行开发，机器也能够运行更加复杂的算法。   
   
　　Monroe 希望能尽快实现量子霸业，但这并不是IonQ的主要目标。这家初创企业的目标是建造拥有32或者64个量子位的计算机，相对超导电流的技术，其离子井的技术也会让其设计变得更加灵活，更加可扩展。他说。   
   
　　同时，微软的拓扑量子计算依赖于物质间的刺激。通过量子位之间像辫子一般的纠缠进行信息的编码。储存在这些量子位中的信息对外部的干扰会有更强的抵抗力，同时也能让纠错变得更容易。   
   
　　没有人能够创造出这种刺激所需的物质状态，更不用说拓扑量子比特。但是微软已经雇用到该领域雇用了四位领军人物，包括兰代尔夫特大学的 Leo Kouwenhoven，他创造出似乎是正确的刺激类型。Kouwenhoven 说：“我跟我的学生说，2017 年是转折之年。”他将在代尔夫特校区建一个微软实验室。   
   
　　其他的研究者却更加谨慎。“对于未来，我不会在媒体上做什么预测，”美国国家标准技术局的Blatt。 David Wineland说。他领导了一个研究离子井的团队。他拒绝做任何预测，他说：“我对长期的发展非常乐观，但是长期指多长，我不知道。”   
   
   　　谷歌通用量子计算机进展：在量子化学领域取得实质突破   
   
　　2016 年6 月，位于加州圣芭芭拉的谷歌研究实验室、加州大学圣芭芭拉分校和西班牙巴斯克大学的研究人员在《自然》杂志上介绍了他们合作研发的量子计算机原型。   
   
　　谷歌的原型产品结合了两种量子计算技术。其中一种技术使用针对特定问题、有着特殊排列的量子位去设计计算机数字电路，这类似于传统微处理器中的订制数字电路。   
   
　　在研究中，谷歌的团队采用了 9 个固态量子位。这些量子位由十字形的铝制薄膜制成，宽度约为400微米。随后，这些量子位被固定在蓝宝石表面上。研究人员将这些铝制薄膜的温度降低至0.02开尔文（约 -273℃），使金属成为超导体，电阻完全消失。利用这些超导态的量子位，研究人员可以向其中编码信息。   
   
　　相邻量子位的互动由“逻辑门”控制。逻辑门利用数字方式去操控量子位，使其进入某种状态，从而得出问题的解。在演示中，研究人员对量子位进行排列，使其模拟有着一定自旋态的磁性原子阵列。这样的问题已经在凝聚态物理中得到了充分研究。研究人员随后可以通过量子位去确定总势能最低的原子自旋态组合。   
   
　　谷歌的设备目前基本上停留在原型产品阶段，但研究人员表示：凭借误差修正，其技术可以成为通用算法，拓展至任意的大型量子计算机；在未来几年中，超过40个量子位的设备将成为现实。   
   
　　紧接着，在 2016 年 7 月，谷歌量子软件工程师 Ryan Babbush 在 Google Research 发表博文，介绍了谷歌量子计算研究的最新进展——谷歌与哈佛大学的 Aspuru-Guzik 团队以及来自劳伦斯伯克利国家实验室、加州大学圣塔芭芭拉分校、塔夫茨大学、伦敦大学学院众多研究机构的研究人员合作，进行了首个完全可扩展的分子量子变相模拟（计算）。   
   
　　在这个实验里，研究人员采用了“可变量子本征求解（variational quantum eigensolver，VQE）这一方法，该方法可以理解为是神经网络的量子模拟。经典的神经网络是一张参数图，这是为了建立传统数据模型；而 VQE 这张参数图（例如量子线路），是为了建立量子数据模型（例如分子波函数）。   
   
　　通过使用 VQE，研究人员对氢气分子H2 的能量全景图（energy landscape）进行了量子计算。他们将 VQE 的表现与另一种用于传统化学量子算法——相位估值算法（PEA）进行比较。使用 VQE 实验计算出的能量值表示为 H - H 键长度的函数，如下图所示。   
   
　　可以看出，在实验中 VQE 能取得这么高的表现，是因为神经网络训练回路（training loop） 帮助建立实验最佳线路参数，表示存在系统控制误差的情况下的波函数。   
   
　　这可以理解为神经网络的硬件实现有一个权重错误，例如，显示的权重只有实际权重的一半。因为神经网络的权重是通过一个闭环的训练程序确定的，可以弥补系统误差，该硬件神经网络能够承受这样的瑕疵。因此，可以期待 VQE 在不用进行量子纠错的情况下解决经典的棘手问题。   
   
　　量子理论的出现使定性或描述性的化学模拟向定量或预测性化学模拟转变。即使面临许多理论和实验上的挑战，量子理论仍然给这个领域带来巨大的变革，今后的应用还会有更多更多。   
   
　　全球首台可编程的量子计算机   
   
　　2016年 8 月 4日出版的《自然》封面论文，介绍了美国马里兰大学量子信息和计算机科学联合研究所（JQI）的一款可编程小型量子计算机。这也是首个可编程、可以在软件调整设置的量子计算机。   
   
　　计算体系结构：a。 软件到硬件操作层级；b。 硬件配置。   
   
　　这项研究是建立在几十年来捕捉并控制离子的工作基础上。研究人员采用标准的方法移动离子，但又引入了全新的控制和衡量方式，包括使用激光移动离子，以及专门开设了检测通道，检测离子的光学性质。   
   
　　研究人员测试了量子计算机最常用于解决的 3 种问题。论文第一作者、JQI 博士生 Shantanu Debnath 表示，这台“原型机”能够灵活适用于解决多种不同的任务，而这一突破非常关键。   
   
　　Debnath 表示，通过直接将任何一对量子比特连接起来，研究人员可以让量子计算机执行不同的算法。虽然目前只有 5 个量子比特，但 Debnath 认为他们已经具备知识，可以将原型机扩展。   
   
　　量子化学是量子计算能够提供大幅度加速的一个有前途的领域。由于简化了预编程过程，该研究在技术上有不错的进步，能够更快计算出很多复杂的量子化学问题。