编者按:2022年2月8日,谷爱凌在冬奥自由式滑雪女子大跳台决赛中夺冠,这也是北京冬奥会中国队夺得的首枚雪上项目金牌。
不论是通过仅一年的学习,就跳出左旋1620度高难动作,以188.25分的高分拿下冠军;还是她在17岁提前完成全日制高中课程的同时,以接近SAT满分的成绩被美国斯坦福大学录取;或是作为一名自由式滑雪运动员,她代表中国在青年奥林匹克运动会、冬季极限运动会、国际雪联世界杯及世界锦标赛等重大赛事中共夺得11枚金牌......无疑都加冕了她“天才少女”的光环。
然而鲜为人知的是,2021年8月,谷爱凌结束隔离在北京训练的日子里,还在自学量子物理学。谷爱凌形容量子物理学是一种浪漫。在某些特定处理多维理论下的空间,能激发她的想象,谷爱凌接受采访时说道:“听这些理论的时候,我脑海里就像有电影在播放。”
那么,量子物理学究竟有哪些“魅力”让谷爱凌都为之着迷?在经典计算机与量子计算机的“拉锯战”中,量子计算又在扮演着哪些角色?也许从量子研究的领导者之一,福布斯理事会成员、NTT Research的 CEO, Kazuhiro Gomi(五味 和弘)为《福布斯》杂志所撰写的这篇专栏文章中可以略窥一二。
《量子计算:限制、选项和应用》
50年来,集成电路的小型化发展验证了英特尔联合创始人戈登·摩尔 ( Gordon Moore ) 的预测——摩尔定律:每24个月芯片上的晶体管数量就会翻一番。然而,如果晶体管的大小现在已经接近原子水平,我们是否真的达到了某种极限?随着硅芯片发布周期的延迟,代表着这方面的进展正在放缓,可见这一挑战非常艰巨。
当晶体管变得足够小时,由于量子效应,电子很难停留在正确的逻辑门中。近年来,半导体公司们使用各种技术来保持摩尔定律的“活力”。计算机行业内部分人士也正在从中央处理单元 (CPU) 转向更强大和专用的图形处理单元 (GPU)。显然,这些转变都引发了几个问题:我们还能持续改进多久?我们必须做一些从根本意义上就截然不同的事情吗?所谓的量子计算机在改进过程中发挥着什么作用?
不同的量子计算方法
利用量子物理学原理的新计算系统可以克服现有的限制与挑战。例如,量子计算机可以解决传统计算机无法及时处理的特殊“难题”。
《华尔街日报》的一篇文章表示,量子计算可以辅助发现基于公钥的现有密码系统的隐藏密钥,顶级密码学家们很清楚这种威胁存在的重要性。值得注意的是,量子计算的模式不止一种,每种都有优缺点、落地时间规划和最佳应用场景。
一种模式是使用量子门,这是一种在多个量子比特上运行的基本量子电路。虽然它对噪声和门纠错的要求极高,但量子门适用于发现前面所说的隐藏密钥。此外,在未来几十年内,该模式不太可能实现商业化,这足以让密码学家们有时间开发后量子加密算法。
另一种基于量子门方法实现的新模式也正在出现,它具有不同的特性。该模式使用量子近似优化算法(QAOA),对噪声和门错误相对鲁棒,适合组合优化。缺点是依赖于复杂的混合量子/经典计算机,理论上有一定的局限性。与没有 QAOA 的量子门模式相比,它仍然可能需要十多年的时间才能进入市场。
第三种就是伊辛模型,该模型以物理学家恩斯特·伊辛命名,伊辛是解释铁磁态之间相变的先驱者。该模型有多种变体,但它没有使用基于门的量子处理器,而是使用相干伊辛机 (CIM) 构建了一个人工“自旋”网络。
而相干伊辛机(Coherent Ising Machine,CIM)是一种采用光量子的耗散式架构的量子计算机。与超导、离子阱等使用逻辑门计算架构的其他技术路线相比,采用量子失谐而不是量子纠缠作为计算资源,更加类似于人脑神经突触的工作模式,天然更适合于形成超大规模的量子神经网络,对环境噪声和错误有很强的抵抗力。
三种潜在应用
让我们转向量子信息系统的一些潜在用途。随着相干伊辛机的研发进展愈来愈快,意味着我们将比预期更快地看到基于CIM研发的相关应用工具。以下是三个可能的应用领域:
•药物发现:这是一个经常被提及的组合优化问题,在新冠疫情大流行的当下,它也是一个紧迫的问题。而寻找有效药物需要找到合适的药物分子的构型,并与导致疾病的细菌或病毒上靶蛋白的构型形成匹配,这一过程需要进行天文数字般的计算量。如今,经典计算机已被用于模拟制药领域以及生命和化学科学的其他领域中的化学相互作用,但迫切需要量子技术超越传统的试错法,来解决所有可能组合的庞大计算量。
•交通优化:旅行推销员问题(即确定访问“n”个城市并返回出发城市的最短路径)是一个经典的“NP-Hard”问题。这类组合优化问题及其变体形式经常出现在交通物流行业面临的挑战中,包括日常汽车的交通模式。从研发角度上看,虽然与发现一种新药相比,在阻塞的高速公路上重新规划交通所需的计算时间更少,但使用量子信息系统的优势在于速度能快很多:因为交通问题必须立即解决,而不是明天或下周。
•人工智能:量子技术非常适合某些类型的机器学习,例如图像和语音识别。CIM的人工自旋网络由类似于生物大脑中的神经元节点构成,通过迭代处理包含已知输入和输出的示例来“学习”。CIM 可以加速训练并提高现有神经网络的准确性,这些神经网络可能是“多层学习”或“深度学习”,并采用特殊的数学运算,例如卷积神经网络。
有效共存
最后,这并不是一个“非此即彼”的场景,量子计算不会取代经典计算。相反,它应该用作加速器来处理特定类型的任务或应用程序,而经典系统将长期用于运行任务调度和人机界面。两者都有优点、缺点和最佳应用场景。
该领域正在兴起,在开始提供量子计算服务的公司中,方法和结果会有所不同。找到值得信赖的合作伙伴后,通过选择一个难题并投入一些内部资源来学习基础知识,早期应用案例也将很快落地。
关于Kazuhiro Gomi
Kazuhiro Gomi(五味 和弘)图片来源:网络
Kazuhiro Gomi(五味 和弘):NTT Research CEO ,也是NTT Research的物理学与信息学、密码学与信息安全以及医疗与健康信息学的研究领导者,美国日本委员会的董事会成员、福布斯理事会成员。2009 年 9 月,Gomi 先生入选全球电信业务 100 人——这是电信行业 100 位最具影响力和影响力的人物之一。他于 2010 年至 2019 年担任 NTT America Inc.的CEO,并于 2012 年至 2019 年担任 NTT Communications 的董事会成员。