数十年探索仍无果？如何寻找量子计算的“甜蜜点”

luyuanhong

数十年探索仍无果？如何寻找量子计算的“甜蜜点”

等到能与传统计算机抗衡的那一天到来时，量子计算机将在哪些领域产生最大的影响？

撰文 | Michael Brooks

翻译 | 施普林格·自然上海办公室


巴伐利亚科学部长 Markus Blume 与 Dieter Kranzlmüller（左）在莱布尼茨超级计算中心视察一台量子计算机。来源：Sven Hoppe/dpa/Alamy

大多数研究人员从没见过量子计算机，而 Winfried Hensinger 却拥有五台。“它们都很糟糕，”他说，“做不了任何有用的事。”

事实上，所有的量子计算机都可以用糟糕来形容。数十年的投入至今仍未产出任何一台能兑现计算革命承诺的机器。但支持者并不担心，研究人员认为，进度比他们预期的要好。

Jeannette Garcia 在美国加州的科技巨头 IBM 公司担任量子应用与软件高级研究经理，她表示，“我不是说接下来没有什么可做的了，而是说已经完成的工作让我们非常惊喜。”

Hensinger 是英国萨塞克斯大学的物理学家，他在 2 月发表了关于大型模块化量子计算机的原理证明[1]。他在英国海沃兹希思的初创公司 Universal Quantum 正在与伦敦的工程公司罗尔斯·罗伊斯（Rolls-Royce）以及其他企业合作，携手踏上漫长而艰巨的构建征程。

如果你相信那些宣传词，利用原子世界怪异行为运行的计算机就能加速药物发现、破解加密密码、提升金融交易的决策速度、改进机器学习技术、开发革命性材料，甚至能缓解气候变化。更难想象的是，这些承诺现在离现实越来越近——有些说法甚至过于保守了。

计算数学家 Steve Brierley 认为，如果这一领域有足够的时间，无论量子的“甜蜜点”（sweet spot）到底是什么，最终结果可能会超出我们现在的全部想象。“虽然短期炒作有点言过其实，”英国剑桥的量子计算公司 Riverlane 创始人兼首席执行官 Brierley 说，“但长期炒作可以说是一点儿也不夸张。”

合理怀疑

目前为止，人们的怀疑不是没有道理的。研究人员只是在数学上证明了量子计算机在模拟量子物理和化学以及在破解用于保护敏感通信（如在线金融交易）的公钥密码系统方面将比当前的经典计算机强不少。美国得克萨斯大学奥斯汀分校的计算机科学家 Scott Aaronson 说：“大家讨论的其他应用要么更小众，要么完全基于推测，要么两者兼具。”量子专家们还未完成过一个经典计算机做不了的有用任务。

硬件本身的构建难度使问题更加复杂。量子计算机将数据存储在名为量子位或量子比特（qubit）的量子二进制数字中，量子比特可用超导环、光阱和光子在内的各种技术来产生。有些技术需要冷却到接近绝对零度，有些技术则可在室温下运行。Hensinger 的畅想是建造一个足球场大小的计算机，当然也有计算机可以直接安装在汽车上。其实，研究人员在如何测量量子计算机的性能上都还没达成一致。

无论采用何种设计，当量子比特被小心翼翼地诱导出具有不确定性的“叠加”态时，奇妙的事就会发生，叠加态的本质是数字 1 和 0 的混合态而非绝对的 1 或 0 。在量子计算机上运行算法需要指导这些叠加态的演化。这一演化的量子规律会让量子比特相互作用，从而执行现实中经典计算机无法完成的计算。

不过，有用的计算必须使用拥有大量量子比特的计算机，而这种计算机甚至还没有被造出来。并且，量子比特及其相互作用必须要能抵抗因热振动、宇宙射线、电磁干扰和其他噪声源的影响而产生的错误。这些扰动会导致计算所需的一些信息从处理器中泄漏出来，这种情况称为退相干（decoherence）。这可能意味着这些量子比特的一大部分将被用于纠错程序，以保持计算的正常进行。


IBM 的 5 量子比特超导量子计算机的电路设计。来源：IBM Research/SPL

而这也是对量子计算的怀疑来源。就量子比特而言，世界上最大的量子计算机是 IBM 的“鱼鹰”（Osprey），它有 433 个量子比特。但美国华盛顿的微软量子（Microsoft Quantum）和瑞士苏黎世联邦理工学院的研究人员在 2022 年发表的一篇预印本论文[2]指出，即使有 200 万个量子比特，一些量子化学计算可能也要用上一个世纪。美国加州谷歌（Google）的科学家 Craig Gidney 和瑞典皇家理工学院的 Martin Ekera 在 2021 年发表的研究估计，在 8 小时内破解最先进的加密技术需要 2000 万个量子比特才够[3]。

然而，这类计算任务也能带来一些信心。虽然 2000 万个量子比特看起来遥不可及，但它比之前认为需要的 10 亿个量子比特已经少了很多[4]。这篇 2022 年预印本论文[2]的第一作者、微软量子的研究员 Michael Beverland 认为，量子化学计算面临的一些障碍可以通过硬件上的突破来克服。

例如，Riverlane 应用与算法团队的负责人 Nicole Holzmann 和她的同事证明，计算大约 50 个轨道电子基态能量的量子算法可以从根本上提高效率[5]。先前对此类算法的运行时间估计在 1000 年以上。但 Holzmann 和她的同事发现，对例行程序进行调整，例如改变算法任务在各种量子逻辑门周围的分布，能将理论上的运行时间缩短到短短几天，速度大约提升五个量级。“不同的选择会有不同的结果，” Holzmann 说，“其中许多选择我们都还没有好好想过。”

量子跃迁

在 IBM ，Garcia 已经在探索这些可能了。这在许多方面非常容易：量子的潜在优势不仅限于处理涉及各种分子的计算。

一个经典计算机很难执行但量子计算机有能力执行的小型计算任务，是找到微小光活性分子的基态和激发态的能量。这有望改进半导体制造的光刻技术并革新药物设计。另一项应用是电池研究人员更感兴趣的——模拟单个氧分子的单线态和三线态。

2 月，Garcia 的团队发表了硫鎓离子（H3S+）的量子模拟[6]。该分子与三苯基硫鎓（C18H15S+）有关，三苯基硫鎓是一种用于光刻的光致产酸剂，可对特定波长的光产生反应，了解其分子和光化学特性便能提高生产效率。该团队开始这项工作时，计算任务看起来不可能完成，但过去三年里量子计算领域的进展使研究人员已经能用相对有限的资源进行模拟：H3S+ 的计算能在 IBM 的“猎鹰”（Falcon）处理器上运行，该处理器只有 27 个量子比特。

IBM团队的部分成功源于他们采用了降低量子计算机错误率的各种方法，其中一种方法叫错误抑制（error mitigation），是指使用类似降噪耳机的算法来消除噪声；另一种方法叫纠缠锻造（entanglement forging），是指识别出可分离出来并在经典计算机上模拟、同时不会丢失量子信息的部分量子电路。纠缠锻造去年才刚发明出来[7]，能使可用的量子资源翻倍。

澳大利亚悉尼大学量子物理学家、悉尼初创公司 Q-CTRL 的首席执行官兼创始人 Michael Biercuk 表示，现在是时候探索这类操作上的调整了。Biercuk 的目标是深入挖掘量子电路与用于控制量子电路的经典计算机之间的接口，同时了解量子计算机其他组件的更多细节。“还有很多可能，”他说，早期关于错误率和局限性的报告是浅显而简化的。“我们发现硬件表现还有进一步的提升空间，让它执行超乎我们想象的任务。”

无独有偶，Riverlane 也在尝试简化一台有用量子计算机的那些令人生畏的需求。Brierley 指出，根据目前的估算，药物发现和材料科学应用可能需要能执行一万亿次无退相干操作的量子计算机，但这其实是个好消息。“因为五年前，这个数字是 100 万万亿。”

一些公司非常乐观，甚至承诺在不久的将来推出有用的商业应用。例如赫尔辛基的初创公司 Algorithmiq 就表示将在五年内展示量子计算在药物研发和发现方面的切实进展。“我们对此充满信心。”Algorithmiq 的联合创始人兼首席执行官、赫尔辛基大学的物理学家 Sabrina Maniscalco 说道。

漫长的竞赛

Maniscalco 和很多人都相信，量子计算的首批商业应用将用于加速或更好地控制分子反应。荷兰国家数学与计算机科学研究中心（CWI）的高级研究员 Ronald de Wolf 说：“如果说未来五年内有什么能够投入应用，那一定是化学计算。”东京富士通研发中心（Fujitsu Research）量子实验室负责人 Shintaro Sato 补充道，这是因为它对资源的需求相对较低， “只要使用量子比特数量较少的量子计算机就有可能实现。”

Biercuk 说，风险管理等金融应用以及材料科学和物流优化也最有可能在短期内从量子计算中受益。当然，大家也在想象长期、推测性的应用——包括量子版本的机器学习。

机器学习算法通过查找数据中的隐藏结构和模式来执行图像识别等任务，然后创建出能让算法在其他数据集中识别相同模式的数学模型。这方面的成功往往需要大量参数和海量的训练数据。但是对于量子版本的机器学习来说，量子粒子可以存在的各种不同状态意味着训练过程可能不需要这么多参数和训练数据。

美国杜伦大学的 Jungsang Kim 以及马里兰州 IonQ 公司的研究人员与韩国汽车制造商现代（Hyundai）合作开发了能在实验室测试中区分十个路标的量子机器学习算法（参见 go.nature.com/42tt7nr）。这个基于量子的模型只需使用 60 个参数即可达到与使用 5.9 万个参数的经典神经网络相同的精度。“训练迭代的次数也少了很多，”Kim说，“一个有 5.9 万个参数的模型至少需要 10 万个数据集来训练。而在量子版本中，参数数量很小，训练也变得非常高效。”Kim 说，现在说量子机器学习已经超越经典算法还太早，但还有很多探索空间。

与此同时，Garcia 表示，虽然这还是个量子处于劣势的时代，但它提供了一个机会，可以验证量子算法和计算机相较于经典计算机的表现差在哪里，这样研究人员就更清楚他们能在未来实现哪些目标。“当我们开始超越经典计算机的可能性时，这会给我们带来信心。”对于大多数应用而言，这一天还很遥远。悉尼初创公司Silicon Quantum Computing 主管、悉尼新南威尔士大学的物理学家 Michelle Simmons 说，他们一直在与金融和通信公司密切合作，但预计还要很多年才能看到回报。

但这没关系，Simmons 解释道，Silicon Quantum Computing 的投资者都很有耐心。Brierley 说 Riverlane 也不着急。“大家都明白，这是一场持久赛。”Hensinger 补充道，虽然吹得天花乱坠，但实际进展并不快。他说：“不是说我们的实验室突然出现一道彩虹，所有问题就迎刃而解了。”恰恰相反，这是个一点一滴进步的过程，推动我们向前的是关于如何使用这些计算机的新颖洞见，以及编程人员开发的新算法。他说：“现阶段最重要的是打造一支懂量子的人才队伍。”

Michael Brooks 是常驻英国刘易斯的一名科学作者。

参考文献

[1] Akhtar, M. et al. Nature Commun. 14, 531 (2023).

[2] Beverland, M. E. et al. Preprint at https://arxiv.org/abs/2211.07629 (2022).

[3] Gidney, C. & Ekera, M. Quantum 5, 433 (2021).

[4] Gheorghiu, V. & Mosca, M. Preprint at https://arxiv.org/abs/1902.02332 (2019).

[5] Blunt, N. S. et al. J. Chem. Theory Comput. 18, 7001–7023 (2022).

[6] Motta, M. et al. Chem. Sci. 14, 2915–2927 (2023).

[7] Eddins, A. et al. PRX Quantum 3, 010309 (2022).

本文转载自微信公众号“Nature Portfolio”，原文以 The Race To Find Quantum Computing's Sweet Spot 为标题发布在 2023 年 5 月 25 日出版的《自然》增刊“自然聚焦-量子计算”上。

原文链接：https://www.nature.com/collectio ... PCFU_CFULF_QUACM-23

Michael Brooks 返朴 2023-05-28 08:01 发表于上海