在向?qū)嶋H量子計(jì)算時(shí)代邁進(jìn)的征途中,來自麻省理工學(xué)院、谷歌以及其他組織的研究人員共同設(shè)計(jì)了一個(gè)系統(tǒng),可以驗(yàn)證量子芯片是否能夠準(zhǔn)確地完成傳統(tǒng)計(jì)算機(jī)無法完成的復(fù)雜計(jì)算。 圖片來源:Mihika Prabhu 量子芯片使用被稱為“量子比特(qubits)”的量子信息位元來進(jìn)行計(jì)算。量子比特可以表示傳統(tǒng)二進(jìn)制位(0 或 1)所對(duì)應(yīng)的兩種狀態(tài),或者表示兩種狀態(tài)同時(shí)存在的“量子疊加”狀態(tài)。這種獨(dú)特的量子疊加態(tài)可以使量子計(jì)算機(jī)解決傳統(tǒng)計(jì)算機(jī)在實(shí)際不可能解決的問題,這將有可能推動(dòng)材料設(shè)計(jì)、藥物研發(fā)和機(jī)器學(xué)習(xí)等應(yīng)用領(lǐng)域的重大突破。 全面采用量子運(yùn)算的計(jì)算機(jī)將需要數(shù)以百萬計(jì)的量子比特,目前這還無法實(shí)現(xiàn)。在過去的幾年里,研究人員已經(jīng)開始開發(fā)“嘈雜中型量子(NISQ)”芯片,這種芯片包含大約 50 到 100 個(gè)量子比特。即使是這個(gè)級(jí)別的量子計(jì)算機(jī),也足以證明“量子運(yùn)算的優(yōu)勢(shì)”,因?yàn)檫@意味著可以用 NISQ 芯片處理某些傳統(tǒng)計(jì)算機(jī)難以解決的算法。然而,芯片是否按預(yù)期執(zhí)行了操作,為此進(jìn)行的驗(yàn)證工作卻可能會(huì)非常低效。芯片的輸出可能看上去是完全隨機(jī)的,因此需要很長(zhǎng)時(shí)間來對(duì)其計(jì)算步驟進(jìn)行模擬,才能確定是否一切按預(yù)定計(jì)劃執(zhí)行了運(yùn)算。 在 2020 年 1 月《自然物理》(Nature Physics)雜志上發(fā)表的一篇論文中,研究人員描述了一種新穎的協(xié)議,可以有效地驗(yàn)證 NISQ 芯片是否執(zhí)行了所有正確的量子操作。通過在定制量子光子芯片上運(yùn)行一個(gè)著名的量子難題,他們對(duì)這個(gè)協(xié)議進(jìn)行了驗(yàn)證。 “既然工業(yè)和學(xué)術(shù)的飛速發(fā)展已經(jīng)把我們推到量子計(jì)算機(jī)可以超越傳統(tǒng)計(jì)算機(jī)的風(fēng)口浪尖,驗(yàn)證量子計(jì)算的任務(wù)就變得至關(guān)重要”,這篇論文的第一作者 Jacques Carolan 這樣說,他是麻省理工學(xué)院(MIT)電氣工程和計(jì)算機(jī)科學(xué)(EECS)和電子研究實(shí)驗(yàn)室(RLE)的一名博士后。他還提到:“我們的技術(shù)提供了一個(gè)重要的工具來驗(yàn)證類型廣泛的各種量子系統(tǒng)。這么做的重要意義在于,如果人們投資數(shù)十億美元打造一款量子芯片,當(dāng)然衷心希望這款芯片真的能做出一些有趣的事情。” 除了 Carolan 之外,該論文聯(lián)合署名的多位研究者分別來自麻省理工 EECS 和 RLE、谷歌量子人工智能實(shí)驗(yàn)室(Google Quantum AI Laboratory)、Elenion 技術(shù)公司、Lightmatter 公司和 Zapata Computing 公司。 這些研究人員的工作實(shí)質(zhì)上是將量子電路產(chǎn)生的輸出量子態(tài)追溯至已知的輸入狀態(tài)。這樣就能揭示在輸入端執(zhí)行了哪些電路操作來產(chǎn)生這樣的輸出。這些操作應(yīng)該始終與研究人員編寫的程序相匹配。如果匹配失敗,研究人員可以利用這些信息來定位芯片的問題出在什么地方。 Carolan 解釋,這個(gè)新協(xié)議的核心是“可變量子反采樣”(Variational Quantum Unsampling),它采用了“分而治之”的方法,將輸出的量子態(tài)分解成多個(gè)塊。Carolan 說:“我們并不是一次性完成所有工作,這樣需要花費(fèi)很長(zhǎng)時(shí)間,而是一層一層地對(duì)之進(jìn)行“解擾”。這使我們能夠把問題進(jìn)行分解,并以更有效的方式來處理它。 為了這項(xiàng)研究,這些研究人員們從通過多層計(jì)算來解決問題的“神經(jīng)網(wǎng)絡(luò)”中獲得了靈感,建立了一個(gè)新型的“量子神經(jīng)網(wǎng)絡(luò)”(QNN),在這個(gè)網(wǎng)絡(luò)中每一層代表一組量子運(yùn)算操作。 為了運(yùn)行這個(gè)量子神經(jīng)網(wǎng)絡(luò),他們使用傳統(tǒng)的硅制造技術(shù)打造了一款 2×5 毫米的 NISQ 芯片,該芯片有超過 170 個(gè)控制參數(shù),這些參數(shù)受控于可調(diào)電路元件,這樣使得對(duì)光子路徑的操控變得更加容易。一個(gè)外部組件產(chǎn)生特定波長(zhǎng)的成對(duì)的光子,再將光子注入該芯片。光子穿越芯片中能改變光子的路徑的移相器,從而發(fā)生相互干擾。這會(huì)產(chǎn)生一個(gè)隨機(jī)的量子輸出狀態(tài),該輸出代表了在計(jì)算過程中會(huì)發(fā)生什么。并通過一組外部光電探測(cè)器傳感器對(duì)這些輸出狀態(tài)進(jìn)行測(cè)量。 這些輸出會(huì)被發(fā)送至量子神經(jīng)網(wǎng)絡(luò)進(jìn)行解譯。該網(wǎng)絡(luò)的第一層采用了復(fù)雜的優(yōu)化技術(shù),可以在混雜的輸出中進(jìn)行單個(gè)光子的“挖掘”,在互擾的輸出中識(shí)別出單個(gè)光子的特征。然后,它從嘈雜的一組輸出中對(duì)單個(gè)光子進(jìn)行“解擾”,以識(shí)別什么電路操作能將其逆向恢復(fù)為已知的輸入狀態(tài)。這些操作應(yīng)該與電路的具體設(shè)計(jì)完全匹配。網(wǎng)絡(luò)中隨后所有其他的層次也會(huì)執(zhí)行同樣的計(jì)算,只是會(huì)從方程中去掉任何之前已經(jīng)解擾的光子,如此重復(fù)執(zhí)行計(jì)算直到所有光子都被解擾。 舉個(gè)例子,假設(shè)輸入到處理器的量子比特的輸入狀態(tài)都是零。然后 NISQ 芯片會(huì)對(duì)量子比特執(zhí)行一系列運(yùn)算,得到海量的、看似隨機(jī)變化的數(shù)據(jù)作為輸出。這是因?yàn)橐粋€(gè)輸出數(shù)字在量子疊加狀態(tài)下會(huì)不斷變化。這時(shí)量子神經(jīng)網(wǎng)絡(luò)會(huì)從這個(gè)龐大的數(shù)據(jù)中選擇出多個(gè)“塊”(chunks)。然后,在這個(gè)網(wǎng)絡(luò)里一層一層地執(zhí)行解擾,確定哪些操作可以讓每個(gè)量子比特還原為其為零的輸入狀態(tài)。如果所有操作與最初預(yù)定的電路操作都匹配不上,那么就證明量子計(jì)算出現(xiàn)了問題。研究人員可以通過檢驗(yàn)期望輸出與輸入狀態(tài)之間的任何不匹配狀況,來重新調(diào)整修改電路設(shè)計(jì)。 在實(shí)驗(yàn)中,該科研團(tuán)隊(duì)成功地執(zhí)行了一項(xiàng)用于證明量子優(yōu)勢(shì)的著名高難計(jì)算任務(wù),即通常在光子芯片上進(jìn)行的“玻色采樣”(Boson Sampling)。在這個(gè)實(shí)驗(yàn)中,移相器和其他光學(xué)元件會(huì)實(shí)現(xiàn)一系列操控,將一組輸入光子轉(zhuǎn)換為呈不同量子疊加狀態(tài)的輸出光子。該實(shí)驗(yàn)的最終任務(wù)是計(jì)算在這個(gè)過程中某個(gè)輸入狀態(tài)與某個(gè)輸出狀態(tài)匹配的概率。本質(zhì)上而言,該結(jié)果是一個(gè)概率分布的樣本。 由于光子行為的不可預(yù)測(cè)性,計(jì)算出這些樣本,對(duì)于傳統(tǒng)計(jì)算機(jī)而言幾乎是不可能完成的任務(wù)。理論上,NISQ 芯片可以十分快速地完成這樣的計(jì)算。然而,到目前為止,由于 NISQ 運(yùn)算的復(fù)雜性以及該任務(wù)本身的難度,目前還沒有一種方法可以快速而簡(jiǎn)單地對(duì)之進(jìn)行驗(yàn)證。 Carolan 說:“這種量子特性一方面讓這些芯片具有超強(qiáng)的量子計(jì)算能力,一方面又讓這些計(jì)算過程幾乎不可能被驗(yàn)證?!?/p> 在實(shí)驗(yàn)中,研究人員實(shí)現(xiàn)了在定制的 NISQ 芯片上“反采樣”了兩個(gè)進(jìn)行了“玻色采樣”的光子,并且在較短的時(shí)間內(nèi)就用傳統(tǒng)方法完成了驗(yàn)證工作。 約克大學(xué)(University of York)專門研究量子技術(shù)的計(jì)算機(jī)科學(xué)教授 Stefano Pirandola 表示:“這是一篇十分出色的論文,該論文利用非線性量子神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)由黑盒子執(zhí)行的、一致性未知的運(yùn)算操作。很明顯,這個(gè)方案對(duì)于驗(yàn)證諸如 NISQ 處理器的量子電路所實(shí)際執(zhí)行的邏輯門運(yùn)算是非常有用的。從這個(gè)角度來看,該方案會(huì)成為未來量子工程師的一個(gè)重要的基準(zhǔn)測(cè)試工具。這個(gè)想法在光子量子芯片上得到了很好的實(shí)現(xiàn)?!?/p> Carolan 說,雖然這種方法是為了驗(yàn)證量子計(jì)算而設(shè)計(jì)的,但該方法也可以有助于捕獲有用的物理特性。例如,某些分子受激時(shí)會(huì)振動(dòng),然后基于這些振動(dòng)發(fā)射出光子。Carolan 認(rèn)為,通過將這些光子注入光子芯片,他們所研究的“解擾”技術(shù)可用于發(fā)現(xiàn)這些分子的量子動(dòng)力學(xué)信息,從而有助于生物工程分子設(shè)計(jì)的相關(guān)研究。該技術(shù)還可以用來解擾攜帶量子信息的光子,這些量子信息穿越湍流空間或材料時(shí)已經(jīng)積累了許多噪聲。 Carolan 說:“我們的夢(mèng)想是把該技術(shù)應(yīng)用到物理世界中各種有趣的問題上”。 作者介紹: Rob Matheson,麻省理工學(xué)院新聞辦公室。 |
|