,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,“我們根本就不會使用「量子至上」這個字眼。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,全部六個數(shù)字中的每一個都呈現(xiàn)出六分之一的出現(xiàn)比例。
與投骰行為類似,這個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個量子比特將處于250 個可能狀態(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50比特的字符串。這就像是滾動一個骰子,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。不同類型的門會以不同方式對量子比特進(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兩個量子比特進(jìn)行組合。如果通過10個門運(yùn)行量子比特,我們就會說這一電路的“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,錯誤率也將不斷提高。如果錯誤率過高,那么量子計(jì)算機(jī)也將喪失對于傳統(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)行門操作時都會在計(jì)算當(dāng)中造成錯誤累積。
目前,最好的雙量子比特量子門的錯誤率約為0.5%,這意味著其每200次操作當(dāng)中約出現(xiàn)一次錯誤。為了證明量子至上,工程師必須將雙量子比特門的錯誤率降低至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,我們必須同時滿足兩個條件: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,往往會表現(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,量子比特不會移動,這一點(diǎn)顯著優(yōu)于其它技術(shù)方法。然而,其同時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間用于計(jì)算。然而,離子的門操作速度極慢(時長可達(dá)超導(dǎo)門的數(shù)千倍),而且各個離子往往會不受控制地四處移動。
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:對于某個真實(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)建容錯量子計(jì)算機(jī)。這類計(jì)算機(jī)能夠?qū)崟r校正計(jì)算中的錯誤,從而在原則上實(shí)現(xiàn)無錯誤量子計(jì)算。然而,目前創(chuàng)建容錯量子計(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“邏輯”量子比特提供數(shù)千個糾錯量子比特。這就使得容錯機(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)到底需不需要容錯性又是另一個關(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
騰訊ARC實(shí)驗(yàn)室推出AudioStory系統(tǒng),首次實(shí)現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結(jié)合大語言模型的敘事推理能力與音頻生成技術(shù),通過交錯式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過讓AI同時學(xué)習(xí)外觀和運(yùn)動信息,顯著解決了當(dāng)前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術(shù)僅需添加兩個線性層就能大幅提升運(yùn)動質(zhì)量,在多項(xiàng)測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實(shí)用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實(shí)驗(yàn)室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評測基準(zhǔn),通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時顯著提升人性化交互水平,為AI價(jià)值觀對齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊(duì)開發(fā)的GraphCast是一個革命性的AI天氣預(yù)測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報(bào),準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來了效率和精度的雙重突破。