谷歌最新量子芯片，究竟突破了什么？

非著名問天 2024-12-15

展開全文

本周，谷歌推出了最新的量子芯片——Willow，令世界轟動。因為這款芯片宣稱能用5分鐘時間，完成現(xiàn)在最快的超級計算機(jī)需要10的25次方年，才能算完的計算，而這是遠(yuǎn)比宇宙年齡還要長的時間。

那么，量子計算和傳統(tǒng)計算，有什么本質(zhì)不同？它在日常生活中，有什么實際應(yīng)用？以及，我們應(yīng)該用怎樣的眼光，來觀察這項技術(shù)突破？

關(guān)于這個話題，得到的萬維鋼老師最近做了一期課程，視角專業(yè)，內(nèi)容通俗易懂。下面，咱們具體看看。

量子計算 vs 傳統(tǒng)計算

有何本質(zhì)差異？

首先，我們用通俗的方式講講，為什么量子計算機(jī)“做某些任務(wù)”，比傳統(tǒng)計算機(jī)快呢？

這背后的根本原因是，量子比特（qubit）是處于疊加態(tài)。傳統(tǒng)計算機(jī)的一個比特，“要么”是0，“要么”是1，只能代表一個數(shù)。而量子比特，卻可以“既是0又是1”，它可以是0和1任意比例的疊加態(tài)：比如它可能有30%的概率是0，70%的概率是1，或者49%的概率是0，51%的概率是1……

這里的要點是，一個量子電路，可以同時代表傳統(tǒng)電路的很多很多個狀態(tài)。

這意味著，你對這個量子電路操作一次，就等于對相應(yīng)的傳統(tǒng)電路操作很多很多次。下面我做一個非常直觀的類比。它并不很精確，但是容易看明白。

想象這里有一個湖，湖水上方有一個光源S，水面下方有一個點D。現(xiàn)在我們想知道，光線從S點到D點，走的是什么樣的路線？它不是一條直線，因為光線會在湖水表面發(fā)生一次折射。關(guān)鍵在于那個折射點是在哪里。

傳統(tǒng)的計算方法，就相當(dāng)于把水面上每個折射點都考慮一遍，這樣就有無數(shù)條路線，把每條路線都算一遍，看看怎么走從S點到D點最快，真實路徑就是最快的路徑。這是巨大的計算量。

而量子方法，則是真的給你做一次實驗，讓光“同時”沿著所有可能的路徑，從S點往D點走，最終的真實路徑，是所有這些路徑的疊加態(tài)。每條路徑有不同的波函數(shù)，它們會互相抵消，最終只留下真實路徑。在我們這個例子里，真實路徑只有一條，但在別的情境下，真實路徑可以是一個概率分布。

傳統(tǒng)方法是一個一個地算，量子方法是全都參與進(jìn)來一起算，這就是本質(zhì)區(qū)別。

而量子計算機(jī)能這么做的前提是，你必須確保那些所有可能的路徑都參與進(jìn)來，而這就要求它們的量子態(tài)必須互相協(xié)調(diào)，只有這樣才能發(fā)生干涉和抵消。這是一個難點，咱們等會兒再說。

現(xiàn)在你只要知道，量子計算機(jī)的一次操作，能代表傳統(tǒng)計算機(jī)的很多很多次操作。

量子優(yōu)越的底層原因是什么？

道理簡單，但真造出一臺量子計算機(jī)來，選一個問題，讓它操作一番，而這番操作對傳統(tǒng)計算機(jī)（嚴(yán)格說是「經(jīng)典」計算機(jī)）很費力。谷歌在2019年做成了這件事，它選了一個為量子計算機(jī)量身定做的問題。

這個問題叫「隨機(jī)電路取樣（Random Circuit Sampling）」。

想象你有一臺量子計算機(jī)，它的電路是由若干個「量子門」，也就是量子的邏輯門組成。這跟經(jīng)典芯片有邏輯門是一個意思。現(xiàn)在我們在量子芯片上選擇若干個量子門，它們就組成了一個隨機(jī)電路。把這個電路中所有量子門的初始量子態(tài)都設(shè)成零，讓它演化一段時間，請問最終得到的結(jié)果會是什么？

是一大堆01的組合。有時候是這樣的，有時候是那樣，畢竟這里有量子隨機(jī)性，你必須多做幾次實驗，得到一個概率分布。

好，現(xiàn)在請問，如果讓你用一臺經(jīng)典計算機(jī)來預(yù)測那個概率分布，你需要多長時間？答案是很長很長時間。這是因為每個門開關(guān)的概率都得考慮到，你得把各種可能的電路走法都想一遍，就相當(dāng)于前面說的把每條路徑都算一遍，這里是天量的計算。

對量子計算機(jī)來說，這本來就是一個量子事件，跑一遍就得到一個結(jié)果，多跑幾遍就能得到結(jié)果的概率分布。注意因為量子隨機(jī)性，你每次跑出來的結(jié)果是不一樣的，所以答案不是一條唯一的路徑 —— 但是考慮到各種相干相消，你已經(jīng)自動過濾掉了很多路徑，所以你不需要像經(jīng)典計算機(jī)那樣運算那么多次，就能得到一個穩(wěn)定的概率分布。

關(guān)鍵在于，量子計算機(jī)靠的是量子態(tài)的自然演化，而經(jīng)典計算機(jī)只能調(diào)用指數(shù)級資源去模擬量子態(tài)。

在這個問題上，只要你這臺量子計算機(jī)的邏輯門足夠多，它就必然打敗經(jīng)典計算機(jī)。

2019年，谷歌的量子芯片首先在隨機(jī)電路取樣問題上打敗經(jīng)典計算機(jī)，所以叫做實現(xiàn)了「量子優(yōu)越性（quantum supremacy）」，意思是在這個量身定做的問題上，它比經(jīng)典計算機(jī)優(yōu)越。

而2024年這個Willow芯片，只不過是用更復(fù)雜的芯片再次做成了同樣的事情，所選的問題也還是隨機(jī)電路取樣，這里沒什么本質(zhì)不同。

“10的25次方年”一點都不值得吹噓，因為這里是量身定做的問題。這就好比說，我也可以出一道題，保證全世界最強(qiáng)的AI做得都沒我好：這個題就是請你用一個算法模仿我。你再怎么模仿，也不可能比真正的我更像我！

隨機(jī)電路取樣是個合法的問題，但這并不等于說量子計算機(jī)已經(jīng)成了傳統(tǒng)計算機(jī)的威脅。

量子計算機(jī)，其實被夸大了

在現(xiàn)實中，量子計算機(jī)并不能用來解決所有的傳統(tǒng)計算問題，它只能用來處理很有限的一些問題。

或者應(yīng)該這么說：你想用量子計算機(jī)求解一個什么問題，就必須先發(fā)明對應(yīng)的量子算法才行。可是直到目前為止，科學(xué)家只發(fā)明了非常少的幾個量子算法，只能解決幾個特定的問題。

比如著名的「秀爾算法（Shor's algorithm）」，能讓量子計算機(jī)用于質(zhì)因數(shù)分解。因為主流的加密系統(tǒng)高度依賴質(zhì)因數(shù)分解，所以原則上，量子計算機(jī)可以用來破解密碼。

有些人甚至據(jù)此說，谷歌的量子芯片已經(jīng)對比特幣構(gòu)成威脅，這是極其夸大的說法，因為那需要幾百萬甚至幾億個量子比特才行。目前的量子計算機(jī)做質(zhì)因數(shù)分解，也就算個3×5、5×7之類。

另一個量子算法叫「格羅弗（Grover）算法」，用于搜索。比如，從一大堆輸入值里，找到最可能得到特定輸出值的解，經(jīng)典計算機(jī)需要一個個試，量子計算機(jī)可以“一起”試。

量子算法一種潛在的大用是線性代數(shù)操作，比如矩陣乘法之類。

這個要點是，量子算法只能一個一個被科學(xué)家發(fā)明。這里沒有系統(tǒng)性的辦法，能把任何經(jīng)典計算操作，直接翻譯成高效率量子操作。

事實上有很多最簡單的經(jīng)典操作，比如復(fù)制一個比特、從內(nèi)存中特定的位置讀取數(shù)據(jù)，量子操作極為困難；有些問題，比如在一個已經(jīng)排序的列表中尋找特定目標(biāo)，經(jīng)典操作比量子操作更快。

所以，量子計算機(jī)不會、也不能取代傳統(tǒng)計算機(jī)，它只適合做一些非常特殊的問題。這些問題可能包括預(yù)測復(fù)雜物理現(xiàn)象、分子建模、供應(yīng)鏈優(yōu)化、金融風(fēng)險分析和藥物合成等等。

那你說，量子計算機(jī)會不會取代GPU，用于訓(xùn)練大語言模型呢？也不太容易。大語言模型涉及到大量線性代數(shù)運算，這些可以用量子計算機(jī)加速；但訓(xùn)練用的語料和輸出的文本都是經(jīng)典的信息，處理這些信息對量子計算機(jī)來說非常麻煩。

這兩天，X上還流行一個俏皮的說法，說“量子計算機(jī)就是調(diào)用了多宇宙力量的GPU”。

另外，物理學(xué)家麥克斯·泰格馬克（Max Tegmark）也說，如果能在量子計算機(jī)上運行ChatGPT，那就等于一個擬人AI同時擁有無數(shù)個不同的經(jīng)歷，這證明了多宇宙是真的……

我要澄清的是，這些說法只是哲學(xué)思辨，或者說是詩意的解讀。現(xiàn)實是，量子計算機(jī)再厲害，也不能證明「多宇宙假說」是對的。

量子力學(xué)的確有個「多世界解釋」，說每一次量子隨機(jī)過程發(fā)生的時候，世界都分叉了；無數(shù)個平行宇宙共同參與了這一次量子事件，每一種可能性都在某一個宇宙中真實發(fā)生……這只是一種解釋，一個說法，而且它目前為止不能提供任何可觀測的驗證方法。

要點在于，當(dāng)你用量子計算機(jī)做計算的時候，哪怕它效率再高，它也沒有調(diào)用別的平行宇宙的力量。這里能量是守恒的。

量子計算機(jī)，并不能帶你穿越平行宇宙。

量子芯片的里程碑跨越

從“玩具”到“工具”

那谷歌這次突破到底厲害在哪呢？厲害在它一下子解決了兩個根本性的難題。

我們前面說了，要想讓量子計算機(jī)好使，它的各個量子比特就必須保持相干（coherent）狀態(tài)，簡單說就是波函數(shù)在同步共振?？墒巧晕⒂悬c干擾進(jìn)來，相干性就會被破壞掉。而且我們不難想象，你這個芯片上的量子比特越多，相干性就越不容易保持。

這就是為什么，真實的貓并不能像「薛定諤的貓」那樣，處于死和活的量子疊加態(tài)。因為它太大了，立即就會退相干。

可是，谷歌這次芯片的量子比特，明明比上一代更多，它們保持相干的時間卻從20微秒，增加到了100微秒。

更大的難點是，芯片的糾錯。任何計算機(jī)，包括經(jīng)典計算機(jī)，都會隨時發(fā)生某個比特出錯的事情，這就需要糾錯，最直觀的辦法就是，把每個比特都做個備份。量子比特更容易出錯，可是量子力學(xué)又禁止直接復(fù)制一個量子比特，所以糾錯就更麻煩。此前有個說法是，科學(xué)家在未來幾十年都會被糾錯問題困擾……

而谷歌這次卻發(fā)明了一個實時糾錯的辦法，能讓量子比特越多，出錯率反而越低！跟上一代芯片相比，Willow的總出錯率，降低了整整20倍。

具體怎么做的我不懂，思路大約是用若干個量子比特，組成3×3或者7×7的方陣，叫做「邏輯量子比特（logical qubits）」，這樣方陣?yán)镉幸粋€比特出錯了也沒關(guān)系。因為方陣越大，出錯的概率就越低。

把相干時間和實時糾錯結(jié)合起來，谷歌這次等于是發(fā)現(xiàn)，你的量子芯片越大，它反而會越容易保鮮、越不容易出錯。

這就是邊際效益遞增，這就是找到了縮放定律，這就打開了把量子芯片做大做強(qiáng)的道路。

簡單說，量子計算機(jī)仍然十分弱小，但是谷歌這次突破證明，它的潛力是巨大的，它是可行的。量子芯片將從此變成一個嚴(yán)肅的業(yè)務(wù)，而不再是少數(shù)幾個物理學(xué)家和工程師的玩具。