據(jù)外媒報道,，谷歌和微軟即將公布量子計算技術里程碑式的突破。2017年4月,，谷歌公布其實現(xiàn)“量子霸權”的路線圖,，聲稱將利用49量子比特的模擬系統(tǒng)攻克傳統(tǒng)計算機無法解出的難題，并將于近期披露相關論文。微軟將其研發(fā)重點放在了“有效操縱”上,，也將在近期公布重磅突破,。
量子計算這一潛在的革命性技術，已經(jīng)成為物理學家和計算機科學家長達35年的夢想,。在不久的未來,，這一領域?qū)⒂瓉碇卮筮M展。
據(jù)英國《金融時報》消息,，在接下來幾周內(nèi),，谷歌和微軟將分別宣布量子技術的兩項里程碑式的重大突破。但是,，快速實現(xiàn)商業(yè)應用是另外一回事,。
量子計算領域的一些領先企業(yè)表示，量子計算機利用量子力學的性質(zhì)大大加快了計算速度,，將在五年內(nèi)實現(xiàn)重要的實際應用,，這比以前想象的要快得多。
微軟將其研發(fā)重點放在“有效操縱”上
微軟量子團隊負責人托德?霍姆達爾（Todd Holmdahl）說,，“我們有機會解決一系列以前無法解決的問題,。”他支持五年預測,?！霸趥鹘y(tǒng)計算機上，這些問題用一輩子時間都無法解決,?！?/p>
加拿大DWave公司7年前就開始銷售特定類型的量子計算機，不過真正的目標是一種通用計算機,，可以被編程者用來處理當今計算機范圍之外的一系列任務,。該技術的好處包括模擬分子運動、突破性藥物研究,，使機器學習更加強大。
然而,，從事這項技術的其他人則認為這太樂觀了,。英特爾實驗室負責人邁克·梅伯里（Mike Mayberry）表示，在真正可行的技術出現(xiàn)之前,，大型科技公司之間將會有一場“十年的競賽”,。他說：“我們現(xiàn)在還處于‘玩具系統(tǒng)’時代”。
微軟和谷歌即將宣布的兩個里程碑將證明,，最前沿的理論物理學如何迅速轉(zhuǎn)化為實際應用,。
盡管12年前量子計算已經(jīng)開始，但微軟尚未產(chǎn)生可以工作的量子位，即量子計算的基本元件,。 Holmdahl先生說,，目前已非常接近宣布“實現(xiàn)這一突破”。
這種聲明通常是通過科學期刊上的研究論文來完成的,，也就是說他們在出版前必須經(jīng)過同行評議,。 Holmdahl先生說，對微軟來說,，這也是“科學的重要時刻”,。
微軟花費的時間超過了一些：IBM早在1998年宣布了首個可用的量子位，去年十二月份,，已經(jīng)與多家合作伙伴一起幫助開發(fā)技術的實際應用,。但是微軟的量子位基于一種此前尚未得到證明的技術。如果這是正確的,，那么軟件公司將很快超越那些在這個領域領先的人并獲得巨大的優(yōu)勢,。
微軟的設計解決了該技術最大的缺點之一。由于量子位很脆弱,，因此量子計算機需要進行大量的錯誤修正,。量子位只會在量子態(tài)停留很短暫的時間，因此結(jié)果很容易受影響,。
微軟的答案是：一種能有效分割電子的量子位,，從而將同樣的信息同時保存在多個地方。如果量子位的某個部分出現(xiàn)問題,，那么其中包含的信息不會就此丟失,，從而確保系統(tǒng)整體更穩(wěn)定。
對于使用所謂拓撲量子位的計算機來說,，內(nèi)建的容錯機制帶來了巨大的優(yōu)勢,。霍爾姆戴爾表示：“（不夠健壯的系統(tǒng)）會產(chǎn)生大量錯誤,，需要去解決,。如果說他們需要1000到1萬個量子位，那么我們只需要1個,，因為我們的錯誤修正比他們要好得多,。”
然而,，即使微軟確實達到了這個目標,，創(chuàng)造首個可用的量子位只是第一步。Mayberry先生說,，現(xiàn)在還不清楚哪一種競爭對手的量子比特技術最有效,，因為制造商試圖將現(xiàn)在的基本系統(tǒng)擴展成全面的通用計算機,。
谷歌：解決傳統(tǒng)計算機無法破解的極限難題
谷歌預期將公布的里程碑是首次展示用量子計算機解決對于傳統(tǒng)計算機來說是極限的問題。
當量子計算機超越最強大的傳統(tǒng)計算機之后,，就將達到所謂的“量子霸權”,。南加州大學量子計算專家、教授丹尼爾·利達（Daniel Lidar）表示,，達到這個目標將有“非常重大的科學意義,，這將是計算技術史上的首次，表明量子計算機已經(jīng)跨過了這道門檻,?！?/p>
在谷歌的計劃表中，他們計劃于2017年底達成“量子霸權”,，并在去年年底展開了測試,。這一測試的目標是證明，包含49個量子位的系統(tǒng)能解決超出任何傳統(tǒng)計算機能力的問題,。谷歌沒有對最終結(jié)果置評,，而結(jié)果是否成功也需要科學期刊的評審。
不過,，IBM也在悄悄發(fā)力,。通過對一臺超級計算機進行編程，IBM成功模擬了一臺包含50個量子位的量子計算機,。這在以往是被認為不可能的,。利達表示，隨著量子計算機和傳統(tǒng)計算機的設計者們你追我趕,，這個領域內(nèi)很可能會發(fā)生“真正的競賽”,。
然而，即使谷歌在推動“量子霸權”方面獲得了成功（即專門設計傳統(tǒng)計算機無法解決的問題,，讓量子計算機成功解決）,，利達和其他專家也認為，這項技術距離實際應用還有很長的距離,。
即使來自微軟和谷歌的突破得到證實,，在如何擴大規(guī)模，系統(tǒng)如何編程方面,，相關公司仍然面臨巨大的挑戰(zhàn),。系統(tǒng)可能需要100萬個量子位，才能解決復雜的問題,。
除了讓量子位在更長的時間里保持量子態(tài)以外,，其他問題還包括如何設計在極低溫度下可工作的電子控制系統(tǒng),。梅貝里指出,，繼續(xù)擴大規(guī)模非常困難,。
不過，作為資深產(chǎn)品經(jīng)理的霍爾姆戴爾認為,，這與其他硬件挑戰(zhàn)沒有太大不同,。霍爾姆戴爾在Xbox游戲機的開發(fā)中扮演了核心角色,。他表示,，微軟將設計和測試硬件版本迭代的時間縮短至2周，而在其他硬件領域,，能快設計速迭代的公司將取得成功,。
他表示：“現(xiàn)在的情況就是這樣。這有點類似太空探索,。我們將很快派人登月,。”
量子機器學習：“量子”在這個詞中沒有任何意義
90年代初,，將量子物理與人工智能結(jié)合起來,，尤其利用當年還顯得特立獨行的神經(jīng)網(wǎng)絡技術，被認為無異于將油和水混合,。
到今天,，量子計算和人工智能的結(jié)合似乎已經(jīng)成為世界上最自然的事情。神經(jīng)網(wǎng)絡和其他機器學習系統(tǒng)已經(jīng)成為21世紀最具顛覆性的技術,。這些系統(tǒng)已經(jīng)可以通過巨大的計算能力成為可能,，所以科技公司不可避免地要尋找不僅僅是更大的計算機，而且是全新類型的計算機,。
量子計算機在經(jīng)過數(shù)十年的研究之后,，幾乎有足夠的優(yōu)勢來進行超越地球上任何其他計算機的計算。他們的殺手級應用程序通常被認為是大數(shù)據(jù)的因素,，這也是現(xiàn)代加密的關鍵,。加利福尼亞州伯克利市的量子計算機公司Rigetti Computing的物理學家約翰內(nèi)斯·奧特巴赫（Johannes Otterbach）說：“量子計算的統(tǒng)計特性與機器學習之間有著天然的結(jié)合?！?/p>
如果有的話,，鐘擺現(xiàn)在已經(jīng)擺到另一個極端了。谷歌,、微軟,、IBM等科技巨頭紛紛投入到量子機器學習中?！皺C器學習”正在成為一個流行語,，”莫斯科斯科爾科沃科技研究所量子物理學家Jacob Biamonte說。 “當你把機器學習和'量子'連在一起,，它就成了一個超級流行詞,?！?/p>
然而，“量子”這個詞在其中并沒有任何含義,。雖然你可能認為量子機器學習系統(tǒng)應該是強大的,，但它卻遭受了一種閉鎖綜合癥。它在量子狀態(tài)上運行,，而不是在人類可讀的數(shù)據(jù)上運行,，而兩者之間的轉(zhuǎn)換抵消了其優(yōu)勢。這就像一個iPhone X,，它有強大的配置,，但運行就像你的舊手機一樣慢，因為你的網(wǎng)絡很糟糕,。對于一些特殊情況,，物理學家可以克服這種投入產(chǎn)出的瓶頸，但是這些情況是否出現(xiàn)在實際的機器學習任務中還是未知數(shù),。
量子神經(jīng)元（Quantum Neurons）
無論是經(jīng)典還是量子,，神經(jīng)網(wǎng)絡的主要工作都是要識別模型。 受人腦啟發(fā),，神經(jīng)網(wǎng)絡是一個基本的計算單元網(wǎng)格——“神經(jīng)元”,，每個單元可以像開關設備一樣簡單。一個神經(jīng)元監(jiān)視多個其他神經(jīng)元的輸出,，就像進行投票一樣,，如果有足夠多的神經(jīng)元開啟，它就會開啟,。 通常情況下,，神經(jīng)元是分層排列的。 初始圖層接受輸入（如圖像像素）,，中間圖層創(chuàng)建各種輸入組合（表示邊緣和幾何形狀等結(jié)構）,，最后一層產(chǎn)生輸出（圖像內(nèi)容的高級描述）。
從經(jīng)驗學習
至關重要的是,，布線不是預先固定的,，而是在一個反復試驗的過程中適應。該網(wǎng)絡可能會被輸入標有“小貓”或“小狗”的圖像,。對于每個圖像,，它分配一個標簽，檢查是否正確,，如果不正確,，則調(diào)整神經(jīng)元連接。它的猜測一開始是隨機的,，但隨后會變得更好,；也許在識別一萬個樣本后,，它能認識貓和狗。一個神經(jīng)網(wǎng)絡可能有十億個連接,，所有這些都需要調(diào)整。
在一臺經(jīng)典的計算機上,，所有這些連接都用一個巨大的數(shù)字矩陣表示,，運行網(wǎng)絡意味著做矩陣代數(shù)。傳統(tǒng)上,，這些矩陣操作被外包給GPU這類專用芯片,。但是對于矩陣運算沒有什么能比量子計算機做得更好。麻省理工學院物理學家,、量子計算先驅(qū)塞斯·勞埃德（Seth Lloyd）表示：“在量子計算機上,，大型矩陣和大型矢量的操作速度呈指數(shù)級提高?！?/p>
勞埃德估計,，60個量子位就足以對一年內(nèi)人類產(chǎn)生的所有數(shù)據(jù)進行編碼，300個就可以傳送可觀測的宇宙的所有信息,。（目前最大的量子計算機,，由IBM，英特爾和谷歌建造,，有50個量子比特,。）
量子計算機在機器學習任務上的應用
2009年，谷歌曾領導的增強現(xiàn)實團隊的計算機科學家Hartmut Neven開始進行量子技術研究,。他們展示了一臺早期的D-Wave機器如何處理機器學習任務,。這是一個單層神經(jīng)網(wǎng)絡，任務是將圖像分成兩類：“汽車”或“沒有汽車”,，在20000個街道場景的數(shù)據(jù)庫中,。這臺機器只有52個工作的量子位，對于處理一張圖像來說都太少了,。（需要注意的是：D-Wave機器與2018年推出的最先進的50-qubit系統(tǒng)相比是完全不同的類型）,。
去年，由加利福尼亞理工大學的粒子物理學家瑪麗亞·斯皮羅波魯（Maria Spiropulu）領導的一個小組將這個算法應用于一個實際的物理問題：將質(zhì)子碰撞歸類為“希格斯玻色子”或“無希格斯玻色子”,。他們使用基本粒子理論來預測哪些光子性質(zhì)可能會出現(xiàn)Higgs轉(zhuǎn)瞬即逝的存在,，比如超過某個閾值的動量。他們考慮了8個這樣的屬性和28個組合,，共計36個候選信號,，并且讓南加州大學的一個新型D-Wave找到最佳選擇。它確定了16個變量是有用的,，三個變量是絕對最好的,。量子機器比標準程序需要更少的數(shù)據(jù)來執(zhí)行準確的識別,。南加州大學的物理學家、Spiropulu的合作者之一Daniel Lidar說：“假設訓練集很小,，那么量子方法確實比粒子物理學界使用的傳統(tǒng)方法具有更高的精度優(yōu)勢,。”
圖：加利福尼亞理工學院的物理學家Maria Spiropulu使用量子機器學習來發(fā)現(xiàn)希格斯玻色子,。
量子智能
另一方面,，即使是對現(xiàn)有技術的偶然改進，也會使科技公司感到高興,。微軟量子計算研究員內(nèi)森?維貝（Nathan Wiebe）說： “如果有一個足夠大,，足夠快的量子計算機，我們可以徹底改變機器學習的各個領域,?！痹谑褂眠@個系統(tǒng)的過程中，計算機科學家可能會解決機器學習理論難題,。
Schuld也看到了軟件方面的創(chuàng)新空間,。機器學習不僅僅是一堆計算。這是一個復雜的問題,，有自己的特定結(jié)構,。他說：“如果這樣的量子計算機可用，它使用什么機器學習模型,？也許這是一個尚未發(fā)明的模型,。”如果物理學家在機器學習問題中取得突破,，他們需要做的不僅僅是將現(xiàn)有模型做成量子版本,。
神經(jīng)網(wǎng)絡和量子處理器有一個共同點：他們的工作之有效令人驚奇。幾十年來大多數(shù)人都對神經(jīng)網(wǎng)絡持懷疑態(tài)度,。同樣,，量子物理學也長期被認為不可能用于計算，因為量子物理學的獨特作用對我們來說是隱藏的,。從神經(jīng)網(wǎng)絡的先例看來,，它們的結(jié)合似乎也有可能。