,這一里程碑來了。
IBM公司的量子計(jì)算機(jī),要求將量子比特冷卻到略高于絕對(duì)零度的溫度環(huán)境。如此極端的低溫條件,有助于防止噪聲因素對(duì)量子比特產(chǎn)生破壞。
量子計(jì)算機(jī)永遠(yuǎn)無法全面取代你手頭的“經(jīng)典”計(jì)算機(jī)。它們不會(huì)用于運(yùn)行瀏覽器、幫助你報(bào)稅或者播放最新視頻。
那量子計(jì)算機(jī)到底有什么用?它們的作用——至少人們長期以來對(duì)量子計(jì)算機(jī)的期望——在于提供一種在本質(zhì)上有所區(qū)別的計(jì)算方式。它們將能夠解決某些經(jīng)典計(jì)算機(jī)需要數(shù)十億年才能完成的難題,能夠模擬復(fù)雜的量子系統(tǒng)(例如生物分子),或者提供一種分解非常大的數(shù)字的方法,從而打破長期存在的加密形式。
量子計(jì)算機(jī)這種由學(xué)術(shù)性探索到全新應(yīng)用的過渡門檻,被稱為“量子至上(Quantum Supremacy)”。許多人相信谷歌的量子計(jì)算項(xiàng)目將在今年晚些時(shí)候?qū)崿F(xiàn)這一目標(biāo)。在此之前,我們專門整理出這份指南,它提供了你需要了解的信息,量子至上意味著什么,以及它是否真的實(shí)現(xiàn)了。
量子至上是什么,又為何如此重要?
為了實(shí)現(xiàn)量子至上,量子計(jì)算機(jī)必須首先能夠?qū)崿F(xiàn)目前經(jīng)典計(jì)算機(jī)所無法完成的任何計(jì)算負(fù)載。
從某種意義上說,這一里程碑其實(shí)是人為造就的。用于測試量子至上是否實(shí)現(xiàn)的任務(wù)由人們精心設(shè)計(jì)出來,更多是為了展示技術(shù)進(jìn)度而非實(shí)質(zhì)性成果(下文我們就具體討論)。因此,很多對(duì)于量子計(jì)算機(jī)的嚴(yán)肅探索并不重視量子至上這一指標(biāo)。負(fù)責(zé)IBM公司量子計(jì)算戰(zhàn)略事務(wù)的高管Robert Sutor表示,“我們根本就不會(huì)使用「量子至上」這個(gè)字眼。我們也完全不關(guān)心什么量子至上。”
但在其它方面,量子至上確實(shí)將成為計(jì)算發(fā)展史上的一道分水嶺。從最基本的層面出發(fā),量子至上可能意味著,量子計(jì)算機(jī)開始能夠處理某些實(shí)際問題。
這種觀點(diǎn)也有一定的歷史原因。早在上世紀(jì)九十年代,第一種量子計(jì)算解決的主要是那些人們不太關(guān)心的問題。然而,計(jì)算機(jī)科學(xué)家們在設(shè)計(jì)當(dāng)中所積累到的經(jīng)驗(yàn),卻可用于指導(dǎo)后續(xù)算法的開發(fā)(例如用于分解大數(shù)的Shor算法),并帶來深遠(yuǎn)的現(xiàn)實(shí)影響。
芝加哥大學(xué)量子信息科學(xué)家Bill Fefferman指出,“在我看來,要不是技術(shù)社區(qū)最初更關(guān)注「量子計(jì)算機(jī)的理論構(gòu)型更適合處理哪些問題?」,而非執(zhí)著于所謂更有實(shí)際價(jià)值的問題,那么這些算法壓根就不會(huì)出現(xiàn)。”
量子計(jì)算領(lǐng)域希望同樣的情況能夠再次上演。通過構(gòu)建一臺(tái)能夠擊敗經(jīng)典計(jì)算機(jī)的量子計(jì)算機(jī)——即使只是解決某個(gè)看似無用的問題,研究人員仍能夠從中學(xué)習(xí)到大量經(jīng)驗(yàn),從而為日后打造出真正具備泛用性的量子計(jì)算機(jī)鋪平道路。
加州理工學(xué)院理論物理學(xué)家、谷歌公司研究員Fernando Brandão表示,“在實(shí)現(xiàn)量子至上之前,量子計(jì)算機(jī)幾乎沒有機(jī)會(huì)拿出任何有趣的成果。量子至上無疑將成為發(fā)展中必不可少的里程碑式事件。”
此外,量子至上還將成為理論計(jì)算機(jī)科學(xué)領(lǐng)域的一場大地震。幾十年以來,該領(lǐng)域一直運(yùn)作在所謂“丘奇-圖靈擴(kuò)展論”的假設(shè)之下。該假設(shè)認(rèn)為經(jīng)典計(jì)算機(jī)能夠有效執(zhí)行任何其它類型計(jì)算機(jī)能夠完成的任意計(jì)算。量子至上將是第一次針對(duì)該項(xiàng)原則的實(shí)驗(yàn),有望將計(jì)算機(jī)科學(xué)引入一個(gè)全新的世界。加州大學(xué)伯克利分校的量子信息科學(xué)家Adam Bouland指出,“量子至上將成為我們在計(jì)算觀察方式層面的一次根本性突破。”
如何證明量子至上?
答案很簡單:只需要證明某個(gè)問題在經(jīng)典計(jì)算機(jī)上無法有效解決,但在量子計(jì)算機(jī)上能夠解決即可。具體問題并無特殊要求,不過目前估計(jì)量子至上的首次證明很可能涉及所謂“隨機(jī)電路采樣”這一特定方向。
隨機(jī)采樣問題的一類簡單示例,在于模擬公平骰子的滾動(dòng)過程。這樣的程序能夠從全部可能的結(jié)果當(dāng)中正確提供采樣結(jié)果,而在重復(fù)運(yùn)行程序時(shí),全部六個(gè)數(shù)字中的每一個(gè)都呈現(xiàn)出六分之一的出現(xiàn)比例。
與投骰行為類似,這個(gè)量子至上的候選問題要求計(jì)算機(jī)從隨機(jī)量子電路的全部可能輸出(表現(xiàn)為針對(duì)單一或者一組量子比特執(zhí)行的一系列操作)中實(shí)現(xiàn)正確采樣。讓我們以一個(gè)包含50量子比特的電路為例,隨著量子比特通過該電路,各量子比特的狀態(tài)將在所謂量子疊加當(dāng)中變得交織或者說糾纏。結(jié)果就是,當(dāng)電路通行完畢后,50個(gè)量子比特將處于250 個(gè)可能狀態(tài)的疊加狀態(tài)。而如果我們測量各量子比特,則這250 種可能性將折疊成一個(gè)50比特的字符串。這就像是滾動(dòng)一個(gè)骰子,只不過可能性從6種變成了250 種——也就是1千萬億種,而且所有的可能性都將以同樣的概率發(fā)生。
利用疊加與糾纏等純粹的量子特征,量子計(jì)算機(jī)應(yīng)該能夠從這一隨機(jī)電路當(dāng)中有效產(chǎn)生一系列樣本,這些樣本將遵循正確的分布。然而,對(duì)于經(jīng)典計(jì)算機(jī),目前還沒有任何已知快速算法能夠生成這樣的樣本。而隨著可能樣本范圍的增加,經(jīng)典計(jì)算機(jī)會(huì)很快被巨大的任務(wù)計(jì)算量所淹沒。
難度在哪?
只要量子電路的規(guī)模不大,經(jīng)典計(jì)算機(jī)就還跟得上運(yùn)算節(jié)奏。因此,為了通過隨機(jī)電路采樣問題展示量子計(jì)算的優(yōu)勢,工程師們至少需要能夠構(gòu)建起具備一定規(guī)模水平的量子電路——但到目前為止,這個(gè)目標(biāo)還無法實(shí)現(xiàn)。
電路規(guī)模由初始量子比特?cái)?shù)決定,而且與操作這些量子比特的具體次數(shù)相關(guān)。量子計(jì)算機(jī)中的操作使用“門”進(jìn)行,這一點(diǎn)與經(jīng)典計(jì)算機(jī)完全相同。不同類型的門會(huì)以不同方式對(duì)量子比特進(jìn)行變換——某些門能夠翻轉(zhuǎn)單一量子比特的值,也有些門以不同方式對(duì)兩個(gè)量子比特進(jìn)行組合。如果通過10個(gè)門運(yùn)行量子比特,我們就會(huì)說這一電路的“深度”為10。
為了實(shí)現(xiàn)量子至上,計(jì)算機(jī)科學(xué)家們估計(jì)量子計(jì)算機(jī)至少需要解決70到100比特場景下的隨機(jī)電路采樣問題,且深度大約為10。如果電路規(guī)模遠(yuǎn)小于這一水平,那么經(jīng)典計(jì)算機(jī)仍然有望以模擬方式解決——畢竟經(jīng)典模擬技術(shù)也一直在不斷完善。
在另一方面,量子工程師們目前面臨的問題在于,隨著量子比特與門數(shù)的增加,錯(cuò)誤率也將不斷提高。如果錯(cuò)誤率過高,那么量子計(jì)算機(jī)也將喪失對(duì)于傳統(tǒng)計(jì)算機(jī)的比較優(yōu)勢。
量子電路當(dāng)中存在眾多錯(cuò)誤源,最關(guān)鍵的根源之一,在于每一次電路執(zhí)行門操作時(shí)都會(huì)在計(jì)算當(dāng)中造成錯(cuò)誤累積。
目前,最好的雙量子比特量子門的錯(cuò)誤率約為0.5%,這意味著其每200次操作當(dāng)中約出現(xiàn)一次錯(cuò)誤。為了證明量子至上,工程師必須將雙量子比特門的錯(cuò)誤率降低至0.1%左右。
我們?nèi)绾尾拍艽_定,量子至上已經(jīng)得到證明?
雖然有一些里程碑已經(jīng)非常明確,但量子至上絕對(duì)不是其中之一。得克薩斯大學(xué)奧斯汀分校的計(jì)算機(jī)科學(xué)家Scott Aaronson表示,“量子至上跟火箭發(fā)射或者核爆炸不同,這些項(xiàng)目只需要通過觀察就能立即判斷是否成功。”
為了驗(yàn)證量子至上,我們必須同時(shí)滿足兩個(gè)條件:量子計(jì)算機(jī)能夠快速執(zhí)行計(jì)算,而經(jīng)典計(jì)算機(jī)無法有效執(zhí)行相同的計(jì)算。
最棘手的是第二部分。經(jīng)典計(jì)算機(jī)在解決某些類型的問題時(shí),往往會(huì)表現(xiàn)出超出計(jì)算機(jī)科學(xué)家期望的能力。在證明經(jīng)典計(jì)算機(jī)不可能有效完成某些任務(wù)之前,總有可能存在著更好、更有效的經(jīng)典算法。因此,在證明不存在這樣的算法方面所需要投入的精力,甚至有可能高于證明量子至上本身的精力。即使是這樣,相關(guān)主張仍然需要一段時(shí)間才能被人們所普遍接受。
我們離目標(biāo)還有多遠(yuǎn)?
從各個(gè)方面來看,谷歌公司正在敲開量子至上的大門,并有可能在今年年底之前正式將其攻克。(當(dāng)然,2017年的時(shí)候就有過這樣的風(fēng)聲。)此外,其他一些組織也有可能在短時(shí)間內(nèi)實(shí)現(xiàn)量子至上,包括IBM、IonQ、Rigetti以及哈佛大學(xué)。
這些團(tuán)體正在利用多種不同方法構(gòu)建量子計(jì)算機(jī)。谷歌、IBM與Rigetti嘗試?yán)贸瑢?dǎo)電路實(shí)現(xiàn)量子計(jì)算。IonQ使用被捕獲的離子,而由Mikhail Lukin領(lǐng)導(dǎo)的哈佛小組則提議使用銣原子。此外,微軟公司則在探索“拓?fù)淞孔颖忍?rdquo;方法,其基本原理類似于量子層面的長鏡頭。
每一種方法都有其優(yōu)勢與缺點(diǎn)。
超導(dǎo)量子電路的優(yōu)勢在于能夠采用固態(tài)材料制造。其可以直接使用現(xiàn)有制造技術(shù),并能夠以極快的速度實(shí)現(xiàn)門操作。此外,量子比特不會(huì)移動(dòng),這一點(diǎn)顯著優(yōu)于其它技術(shù)方法。然而,其同時(shí)也要求研究人員將環(huán)境溫度降低至極低水平,且超導(dǎo)芯片中的每一個(gè)量子比特必須單獨(dú)校準(zhǔn),這使其很難擴(kuò)展至數(shù)千量子比特(甚至更高)這一實(shí)際應(yīng)用規(guī)模。
離子阱的優(yōu)勢與缺點(diǎn)與超導(dǎo)方法恰好相反。其中各個(gè)離子是相同的,因此更易于制造;在量子比特被環(huán)境噪聲淹沒之前,離子阱使我們能夠?qū)⒏鄷r(shí)間用于計(jì)算。然而,離子的門操作速度極慢(時(shí)長可達(dá)超導(dǎo)門的數(shù)千倍),而且各個(gè)離子往往會(huì)不受控制地四處移動(dòng)。
目前,超導(dǎo)量子電路似乎發(fā)展速度最快,但是所有不同方法都面臨著嚴(yán)重的工程技術(shù)障礙。在真正構(gòu)建起人們夢寐以求的量子計(jì)算機(jī)之前,我們還需要完成一項(xiàng)重大的新技術(shù)進(jìn)步。Bouland表示,“我聽說,業(yè)界認(rèn)為量子計(jì)算可能需要一項(xiàng)類似于晶體管發(fā)明這樣的突破性技術(shù),才能真正帶來幾乎完美且易于擴(kuò)展的解決方案。雖然最近的實(shí)驗(yàn)進(jìn)展令人印象深刻,但我個(gè)人認(rèn)為量子版本的晶體管還沒有真正實(shí)現(xiàn)。”
如果量子至上得到證明,接下來又將如何?
如果有一臺(tái)量子計(jì)算機(jī)能夠在隨機(jī)電路采樣這類任務(wù)當(dāng)中壓倒經(jīng)典計(jì)算機(jī),那么接下來要解決的問題無疑是:量子計(jì)算機(jī)什么時(shí)候能夠真正用于處理實(shí)際問題?
這種現(xiàn)實(shí)層面的里程碑往往被稱為“量子優(yōu)勢”。IBM公司的Sutor解釋稱,“量子優(yōu)勢的定義是這樣的:對(duì)于某個(gè)真實(shí)用例——例如金融服務(wù)、人工智能或者化學(xué)等等——我們什么時(shí)候才能看到量子計(jì)算機(jī)的處理效果要明顯優(yōu)于任何已知的經(jīng)典基準(zhǔn)?”順帶一提,IBM公司目前已經(jīng)擁有不少企業(yè)客戶,包括摩根大通與梅賽德斯-奔馳在內(nèi)的不少公司都在探索對(duì)IBM量子芯片的實(shí)際應(yīng)用。
第二座里程碑在于創(chuàng)建容錯(cuò)量子計(jì)算機(jī)。這類計(jì)算機(jī)能夠?qū)崟r(shí)校正計(jì)算中的錯(cuò)誤,從而在原則上實(shí)現(xiàn)無錯(cuò)誤量子計(jì)算。然而,目前創(chuàng)建容錯(cuò)量子計(jì)算機(jī)的主要預(yù)設(shè)方法(被稱為「表層代碼」),要求在計(jì)算機(jī)中用于實(shí)際執(zhí)行計(jì)算的每個(gè)“邏輯”量子比特提供數(shù)千個(gè)糾錯(cuò)量子比特。這就使得容錯(cuò)機(jī)制的規(guī)模水平遠(yuǎn)遠(yuǎn)超出量子計(jì)算領(lǐng)域的現(xiàn)有實(shí)現(xiàn)能力。換言之,在真正處理實(shí)際問題之前,量子計(jì)算機(jī)到底需不需要容錯(cuò)性又是另一個(gè)關(guān)鍵卻懸而未決的難題。Brandão指出,“目前想法很多,但都沒能最終確定。”
2019年7月18日修訂:哈佛大學(xué)的Mikhail Lukin小組正在制造量子計(jì)算機(jī),如新版本文章所述,他們正嘗試?yán)描D原子控制銣原子(而非光子)。
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長視頻生成中的錯(cuò)誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項(xiàng)研究揭示了基礎(chǔ)幾何知識(shí)對(duì)培養(yǎng)AI空間智能的重要價(jià)值。