九章量子计算机应用,“九章”量子计算机这么牛,到底有什么用?|【经纬低调分享】...

最近,《科学》杂志发表了一项量子计算领域的重要成果:中国科学技术大学潘建伟、陆朝阳等科学家组成的研究团队,基于量子计算原型机“九章”,实现了具有实用前景的“高斯玻色取样”任务的快速求解——求解速度达到目前全球最快的超级计算机的一百万亿倍,远远超过经典计算机。等效地,其速度比去年谷歌发布的53个超导比特量子计算原型机“悬铃木”快一百亿倍。

这意味着中国科学家首次实现 “量子霸权”——只要在某些特定的问题上,量子计算机的能力超越了任何经典计算机,就叫做“量子霸权”。

量子计算机则以量子的状态作为计算形式。目前的量子计算机使用的是如原子、离子、光子等物理系统,不同类型的量子计算机使用的是不同的粒子,这次的“九章”使用的是光子。传统的数字电路只有 0 或 1 两种选择,量子计算机使用的粒子则能够同时处于多种状态。因此,量子计算机的计算更快。

这项实验最大的亮点是通过技术改进达到的实验规模。潘建伟表示,“九章”实现量子计算优越性这一成果牢固确立了中国在国际量子计算研究中的第一方阵地位。

不过,这还只是发展量子计算机的第一阶段。按业界普遍公认的标准,量子计算机发展共有三个阶段。第二阶段的标志是,研制出可相干操纵数百个量子比特的量子模拟机,解决超算无法胜任的、具有实用价值的问题。第三阶段,则以研制出通用量子计算原型机为里程碑。

量子计算由演示转向实际应用,仍需科学家长时间的努力。五年内,控制数百到数万个量子比特的技术将成为现实,因此产生的量子模拟器和专用量子计算机或将成为物理学家、化学家和工程师在材料应用和药物设计方面的重要工具。以下,Enjoy:

撰文 | 王一苇

责编 | 陈晓雪

f3c8f54860b12918d2c847e73848a05d.png

2013年乌兹堡中德固态量子信息研讨会上,潘建伟(第一排左四)和陆朝阳(第一排左一)讨论并定下玻色取样研究计划。图片由受访者提供。

中国科学技术大学潘建伟、陆朝阳团队构建的一套光量子计算系统,最近在高斯玻色采样(Gaussian Boson Sampling)问题上取得重要突破,求解速度达到目前全球最快的超级计算机的一百万亿倍,远远超过经典计算机。

这意味着中国科学家首次实现 “量子霸权”(quantum supremacy),另一个说法是量子优越性(quantum computational advantage),即在某个特定问题上的计算能力远超现有最强的传统计算机,而传统计算机在有限时间内无法完成计算。

北京时间12月4日凌晨,该工作在《科学》杂志在线发表,论文标题为 “用光子实现量子计算优越性”(Quantum computational advantage using photons)[1]。

“这是一个巨大的技术突破”,德国马克斯·普朗克量子光学研究所理论部主任伊格纳西奥·西拉克(Ignacio Cirac)表示,“远超其他高斯玻色采样实验。”

“我有点惊讶,因为这项实验非常困难”,美国德克萨斯大学奥斯汀分校的计算机科学教授斯科特·亚伦森(Scott Aaronson)在邮件中告诉《知识分子》。

1

光量子计算首次实现量子计算优越性

潘建伟将该光量子计算系统命名为 “九章”,以此纪念中国古代最早的数学专著《九章算术》。

量子计算机可以解决一些超出传统计算机计算能力的问题,“九章” 解决的 “高斯玻色采样” 问题就是一种。

“高斯玻色采样” 是一种复杂的采样计算,其计算难度呈指数增长,很容易超出目前超级计算机的计算能力,适合量子计算机来探索解决。它是 “玻色采样” 问题的一种,而玻色采样问题是量子信息领域第一个在数学上被严格证明可以用来演示量子计算加速的算法。

在本研究中,潘建伟和同事们构建了76个光子的量子计算原型机 “九章”,实现了 “高斯玻色采样” 任务的快速求解。具体来说,“九章” 在一分钟时间里完成了经典超级计算机一亿年才能完成的任务。

2019年10月,美国物理学家 John Martinis 带领的谷歌团队实现 “量子霸权”,他们开发的 “悬铃木”(sycamore)芯片采用超导量子计算,产生53个量子比特,宣称能用200秒完成经典超级计算机大约一万年才能完成的计算。[2]

作为高斯玻色采样的共同提出者,亚伦森表示,尽管谷歌的团队去年已经实现 “量子霸权”,但这个概念非常重要,需要多个团队用多种技术重复去证实,因此他非常高兴看到这次的成果。

与谷歌采用零下273摄氏度左右的超导线圈产生量子比特不同,潘建伟团队的实验用光子实现量子计算过程,大部分实验过程在常温下进行。他们将一束定制的激光分成强度相等的13条路径,聚焦在25个晶体上产生25个特殊状态的量子光源,光源通过2米自由空间和20米光纤(其中5米缠绕在一个压电陶瓷上),进入干涉仪和彼此 “对话”,最后的输出结果由100个超导纳米线单光子探测器探测,最终有76个探测器探测到了光子。

09473a47c945c9e9c7fcc9e6d5e07b20.png

“九章”实验装置示意图

干涉仪中发生的 “对话” 过程,让光子波在同时同地完美重合,使光子表现出经典世界不存在的量子干涉现象。

该研究的通讯作者之一、中国科学技术大学教授陆朝阳说,如果把这个系统比喻成弹珠机,光子就是其中的弹珠,这些珠子本身是有 “分身术” 的,而且两个完全相同的珠子之间会有 “鬼魅般的” 相互作用,相遇的话一定会一起从同一个门跑出去。

本论文的第一作者均为90后,钟翰森(左图后排左5)为95年出生,王辉(右图前排左二)是91年出生,陈明城(右图后排左4)为90年,最小的是97年的邓宇皓(左图后排左1)。本图由受访者提供。

2

一个突破,多少技术革新?

在悉尼大学教授史蒂夫·弗拉米亚(Steve Flammia)看来,这项实验最大的亮点是通过技术改进达到的实验规模(scale)。“看到这份论文的摘要时,我的第一个反应是这个实验的规模是难以置信的”,他在邮件中告诉《知识分子》。“50个压缩态进入100模式的干涉仪?简直不可思议!”

弗拉米亚在2005年夏天访问过潘建伟在合肥的实验室,当时他和陆朝阳都还是学生。他当时已经对陆朝阳表现出来的学术潜力印象深刻。“同学们都知道陆朝阳将会做出非常优秀的工作。”

此次实验非一蹴而就。2017年,潘建伟、陆朝阳团队构建了世界首台超越早期经典计算机的单光子量子计算机,2019年则实现了输入20个光子、探测14个光子的量子计算。“当时国际上基本上在做大概3到4个光子”,陆朝阳说,“我们2019年的这个工作已经让国际非常震惊了。”

d3e347f557b8fccd9555e2600532e4ca.png

陆朝阳在量子光学实验室,摄影: H.-T. Guo,2020年8月

一年前,亚伦森认为再突破很难,因为实验难度极大 [3]。“看上去他们好像遇到了10-20个光子的门槛。” 他对《知识分子》说。

陆朝阳介绍,此次实验突破这一门槛的关键,除了采用高斯玻色采样这一新模型,还有多项重要技术革新。

首先,实验采用的量子光源是国际上唯一同时具备高效率、高全同性(指粒子具有完全相同的属性)、极高亮度和大规模扩展能力的量子光源。

“(光源的)这些指标互相影响、此消彼长,要同时保证所有指标,就像是让好多只猫排排坐,要同时抓住它们。” 陆朝阳说。

其次,“高精度锁相技术” 将光源在自由空间和光纤中的光程抖动控制在25纳米之内。陆朝阳以奔跑的50匹马做比喻,他表示这相当于它们跑过100公里的距离,但偏离路线的误差小于一根头发丝的直径。

此外,实验在干涉技术和单光子探测技术上都做到了极高的精度。其中,中科院上海微系统所专门为实验建造了一台高性能单光子探测仪。

这项实验的传统计算验证和速度比较在国家并行计算机工程技术研究中心研制的 “神威·太湖之光” 超级计算机上完成。

3

未来属于谁:

超导量子计算还是光量子计算?

超导量子计算机和光子量子计算机,哪个在计算能力上潜力更大?

“尽管这次的结果极好,我还是怀疑光子量子计算能否在远期和其他量子计算技术竞争。” 弗拉米亚说。

通用量子计算机指的是可解决所有计算问题的计算机。“九章” 目前还不能通用于玻色采样以外的其他计算,不具通用性。“遗憾的是,每个我们关心的计算问题都和这个玻色采样问题没有关系,”弗拉米亚说,“比如我们可能关心货车如何选择最有效率的路线送货,或者关心怎么样预测一个特定分子的性质以用于化学或医疗。研究人员认为玻色采样不能帮助解决这些重要问题。”

他认为,潘和陆的工作更有可能帮助建立量子通信网络和量子互联网。

而亚伦森认为,未来也许可以将九章改造成一个通用量子计算机,“谷歌采取的超导量子比特有通用的优势(如果有足够的量子比特且持续时间够长就能做任何运算),而计算玻色采样需要加入新的资源来获得通用性……我相信潘的团队已经充分意识到这一点并且正在努力。”

亚伦森说,与谷歌的实验相比,“九章” 的优势在于它产生的状态空间(state space)大得多,这是因为光子的振幅(amplitude)更多。状态空间指的是配置计算机系统的可能方式,量子计算机的状态空间越大,经典计算机要完成相同的计算就越难。[4]

谷歌 “悬铃木” 产生的状态空间约为10的16次方,而此次 “九章” 产生的状态空间约为10的30次方。

bbad4298dff443dda9275b44a9262d79.png

亚伦森还表示,由于光子比超导量子比特的相干时间(coherence times)更长,一些科学家相信这种系统最终可能会比超导量子比特更好达到规模计算的目标。

4

距离应用还有多远?

量子计算由演示转向实际应用,仍需科学家长时间的努力。即使是像谷歌 “悬铃木” 这样的通用量子计算机,也尚不能解决人们关心的实际问题。

弗拉米亚认为,距离通用量子计算的实现还需要很多年。“我预测,在某些特殊的现实世界问题上,未来五年内也许能有一些小进步,但我想这些问题吸引的主要还是科学家。”

“谷歌和潘建伟的实验,或其他量子模拟实验,提示了我们视线外隐藏着什么,但是到达那里还有很长的路要走”,希拉克说,“但这些实验让我们对前路充满乐观。”

“我们希望这个工作能够激发更多的经典算法模拟方面的工作,也预计将来会有提升的空间”,陆朝阳说,“量子优越性实验并不是一个一蹴而就的工作,而是更快的经典算法和不断提升的量子计算硬件之间的竞争,但最终量子并行性会产生经典计算机无法企及的算力。”

陆朝阳认为,就像人们对激光的认识,从最初实验室里的工具到许多意想不到的领域中的应用,量子计算机也许会遵循相似的路径。

“在五年内,控制数百到数万个量子比特的技术将成为现实”,他说,“因此产生的量子模拟器和专用量子计算机或将成为物理学家、化学家和工程师在材料应用和药物设计方面的重要工具。”

参考资料:

[1] H.-S. Zhong et al., Science 10.1126/science.abe8770 (2020).

[2]Arute, F., Arya, K., Babbush, R. et al. Quantum supremacy using a programmable superconducting processor. Nature 574, 505–510 (2019).

[3]https://www.scientificamerican.com/article/quantum-computer-made-from-photons-achieves-a-new-record/

[4]https://www.scientificamerican.com/article/quantum-computer-made-from-photons-achieves-a-new-record/

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用 Python 绘制 Google 地图上的轨迹需要使用 Google Maps API。您需要首先获取一个 Google 地图 API 密钥,然后使用 Python 的 requests 库向 Google Maps API 发送请求,以获取地图数据。然后,您可以使用 matplotlib 库或其他绘图库将数据可视化为轨迹。 以下是一个示例代码,演示如何在 Google 地图上绘制一个简单的轨迹: ```python import requests import matplotlib.pyplot as plt # Replace YOUR_API_KEY with your actual API key API_KEY = "YOUR_API_KEY" # Define the starting and ending points of the track start = "40.748817,-73.985428" end = "37.7749,-122.419416" # Send a request to Google Maps API to get the directions url = f"https://maps.googleapis.com/maps/api/directions/json?origin={start}&destination={end}&key={API_KEY}" response = requests.get(url) data = response.json() # Extract the coordinates from the directions data points = [] for step in data["routes"][0]["legs"][0]["steps"]: points.extend(step["polyline"]["points"]) # Decode the polyline data into latitude and longitude pairs def decode_polyline(polyline_str): index, lat, lng = 0, 0, 0 coordinates = [] while index < len(polyline_str): b, shift = 0, 0 while True: b = ord(polyline_str[index]) - 63 index += 1 lat += (b & 0x1f) << shift shift += 5 if not b & 0x20: break shift, b = 0, 0 while True: b = ord(polyline_str[index]) - 63 index += 1 lng += (b & 0x1f) << shift shift += 5 if not b & 0x20: break coordinates.append((lat / 100000.0, lng / 100000.0)) return coordinates coordinates = decode_polyline("".join(points)) # Plot the track on a Google map fig, ax = plt.subplots(figsize=(8,8)) ax.plot([lng for lat, lng in coordinates], [lat for lat, lng in coordinates], color='blue', alpha=0.7, linewidth=3, solid_capstyle='round', zorder=2) ax.set_title('Track from New York to San Francisco') ax.set_xlim(min([lng for lat, lng in coordinates])-1, max([lng for lat, lng in coordinates])+1) ax.set_ylim(min([lat for lat, lng in coordinates])-1, max([lat for lat, lng in coordinates])+1) ax.axis('off') plt.show() ``` 在这个例子中,我们使用 Google Maps API 获取从纽约到旧金山的方向,并使用 matplotlib 绘制了轨迹。当然,您可以使用其他库和数据来绘制更复杂的轨迹。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值