300秒搞定第一超算1万年的计算量，量子霸权时代已来？

（由AI科技大本营付费下载自视觉中国）

作者 |?马超

责编?|?郭芮

来源 | CSDN 博客

近日，美国航天局（NASA）发布了一篇名为《Quantum Supremacy Using a Programmable Superconducting Processor》的报道，称谷歌的量子计算机用3分20秒就完成了世界第一超级计算机需要花费1万年才能完成的计算任务。不过这篇文件随后就被删除了，目前NASA的官网已经没有此文章显示了。? ??

但还是有不少手快的网友对于其内容进行了缓存——据报道，谷歌的量子计算负责人表示，“这个实验标志着第一个只能在量子计算机进行的任务出现了。这是迈向全面量子计算的里程碑，与摩尔定律相比，量子计算机的性能将以双指数速度发展。”

不过后来也有相关人士指出，这次实验的量子保真度只有不到0.1%（下面我会介绍谷歌最新的论文看看他们是如何提高保真度的），而且从NASA迅速删除的情况来看，本次实验应该也没有完全预期的效果。当然也有科学家指出既然现有的超算要算一万年，那么如何确定谷歌的量子计算机得到的是正确答案？

从笔者的角度看这个谷歌的量子计算机应该没有达到远超有超算的计算能力，但是这个实验肯定是一个里程碑式的事件。我们知道目前的密码体系安全保证，其实都以暴力破解计算量无法达为前提的，而量子计算将使暴力破解成为可能。量子计算的到来必然会极大的改变我们的生活，所以下面笔者来为大家普及一下相关知识。

什么是量子霸权？

与传统的CPU不同，由于量子的特性多一个量子比特其整体的表示能力将翻倍。量子霸权是量子计算机能够解决经典计算机实际上无法解决的问题的潜在能力。量子优势是更快解决问题的能力。从计算复杂性理论的角度来说，这通常意味着提供一个超越已知或可能的经典算法的指数级加速。

谷歌最新量子计算的论文

虽然《Quantum Supremacy Using a Programmable Superconducting Processor》的报道被删除，但是笔者翻阅了谷歌有关量子计算的最新论文：《A blueprint for demonstrating quantum supremacy with superconducting qubits》（通过超导量子位，展示量子霸权的实现蓝图）地址在：https://arxiv.org/pdf/1709.06678.pdf，还是非常值得为大家解读一下的。

在这篇文章中谷歌的科学家们，用了9个超导量子位元，展示了一条通往量子至上的直接道路。通过单独调整量子位元参数，并探测其哈密顿演化的输出概率。从观察可得其概率服从普遍分布（universal distribution），与均匀采样整个希尔伯特空间相一致。系统继续探索指数增长的状态数，并将这些大数据集与机器学习技术相结合，就可以建立一个模型来精确地预测测量的概率。我们通过系统地增加无序度和观察从非局域状态到局域状态的转变来演示这些算法的应用。通过将这些结果扩展到一个由50个量子位元组成的系统，就能够解决任何经典计算机都无法解决的科学问题。

谷歌使用的实验装置示意图如上所示：这是一个9个量子比特的数组。灰色区域是铝，深色区域是铝被蚀刻出来以确定特征的地方。并用不同颜色的线来表示量子位、读出电路和控制线路。?

实验中使用一个五量子位的计算模组进行，首先使用微波脉冲(红色)初始化量子位，一半的量子位元以基态0初始化，另一半以激发态1初始化。使用矩形脉冲(橙色)设置量子位频率。每个联轴器脉冲(绿色)都有随机选择的持续时间。最后，实验人员测量每个量子位元的状态。为了估计每种输出状态的概率，以上操作要重复多次。

随机选择的控制参数重复以上实验并建立数据集。对于每个实验，量子位元的频率、耦合脉冲的高度和长度都是不同的。这里，我们绘制了10个耦合器脉冲(周期)后两个实例的测量概率。上图代表测量后的误差。

通过测量输出概率表明，对于5-=9量子位探测其哈密顿演化的输出概率。从观察可得其概率与与均匀采样整个希尔伯特空间相一致。

上图代码参数的优化过程，这也充分展示了谷歌科学家的跨界属性，他们利用保真度作为成本函数，来训练控制模型的最优参数。他们取了一半的实验数据做为训练集，利用一半数据用于测试集来验证模型的准确性。

在这里，这篇论文其实是展示了一条AI+量子计算的道路，通过机器学习的办法提高50位量子位元左右的量子计算机上的保真度。并以此来达到传统超算无法达到的算力。

后记

无论如何本次量子计算的深度尝试都是量子霸权之路的重要里程碑，虽然人类离量子霸权还有很长的路要走，但是我也同时提示我国的IT人员要给予最新的前沿基础科学突破给予持续的关注，低头看路的同时也要抬头看天，避免再次落后于世界的发展潮流。

声明：本文为 CSDN 博主马超（ID：beyondma）的原创文章，版权归作者所有。

原文链接：

https://blog.csdn.net/BEYONDMA/article/details/101151544

(*本文为AI科技大本营转载文章，转载请联系作者)

推荐阅读

• 旷视张祥雨：高效轻量级深度模型的研究和实践 | AI ProCon 2019

• 一份职位信息的精准推荐之旅，从AI底层架构说起

• Uber提出损失变化分配方法LCA，揭秘神经网络“黑盒”

• 使用Python对大脑成像数据进行可视化分析

• 看完这篇还不会kafka，我跪榴莲！

• 干货 | OpenCV看这篇就够了，9段代码详解图像变换基本操作

• 横扫阿里、滴滴、美团后，阿里程序媛整理出这份厚厚的面经！

• 谷歌称已实现量子霸权；iOS 捷径功能被诉侵权；Chrome 78 Beta 发布 | 极客头条

• 一文读懂分片基础原理, 数据分片, 跨分片交易, 区块链分片和缩放究竟是什么鬼？

你点的每个“在看”，我都认真当成了喜欢

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/