Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

揭秘微软量子计算研究:拓扑量子计算机

微软研究拓扑量子计算已经有十多年了。但是市面上关于其研究的具体内容并不多见。《自然》杂志采访了微软研究量子结构和计算小组成员 Alex Bocharov,他解释了为什么这家公司在量子计算上会选择一条不同于 IBM、谷歌等竞争对手的路。

这是一场打造「『通用型』的量子计算机」的竞赛。这种设备可以通过编程实现快速解决传统计算机无法解决的问题。它的出现会对制药、密码等领域带来革命性的变化。世界上多家重要的技术公司都在研究这一挑战,但是微软选择的方式比其对手更加曲折。IBM、谷歌和多家学术实验室选择了相对成熟的硬件,比如超导导线环(loops of superconducting wire),来制作量子比特(qubit)。由于它们具有在同一时间保持在开和关两种状态的混合或叠加态的能力,它们能驱动量子计算机做快速计算。


但是微软却希望能以一种准粒子(quasiparticle)的状态编码量子比特:一种从物质的相互作用中出现的粒子状物体(object)。一些物理学家甚至还不确定微软在做的准粒子(叫非阿贝尔任意子,non-abelian anyons)是否真的存在。但是微软希望利用它们的拓扑性质,这种性质能使量子态对外界干扰具有极强的鲁棒性,来打造所谓的拓扑量子计算机。物质拓扑态的早期理论研究让三位物理学家赢得了今年的诺贝尔奖。


这家公司一直在研发拓扑量子计算,已经有十多年了。现在他们有研究人员为未来的机器编写软件并与学术实验室合作制作设备。Alex Bocharov 是一位数学家和计算机科学家,他微软研究的量子结构和计算组的成员。他对《自然》讲述了微软的这项研究。


Alex Bocharov.png

Alex Bocharov,微软研究量子结构和计算组成员

微软是如何最终决定要做这个拓扑量子比特的?它可能是最难的量子计算硬件的。


我们是以人为中心,而不是以问题为中心。和量子计算的领军人物,如 Alexei Kitaev、Daniel Gottesman,最值得注意的是,Michael Freedman,是我们量子计算团队发展的带头人。所以这是 Freedman 自己开拓的视野最终决定了做事情的方式,我们都跟着他。


IBM 和谷歌都在使用超导环作为他们的量子比特。你正尝试利用的量子比特是什么?


我们的量子比特甚至都不是一种物质的东西。但是同样的物理学家在对撞机中使用的基本粒子不是真正的坚实的物体。我们有的是非阿尔贝任意子(non-abelian anyons),比普通粒子更加模糊。它们是准粒子。被研究的最多的任意子种类出现在非常冷电子链中,而电子链被限制在一个二维表面的边缘。这些任意子的行为既像电子又像它对应的反粒子,它通常以密集的电导峰的形式在一维电子链的两端被观测到。


任意子状的粒子被作为一种独立的物体在 1937 年被首次预测,而且 Kitaev 在 1997 年也说过准粒子可以应用到量子计算机中。但是到了 2012 年,物理学家才首次宣称发现了它们。你可以肯定它们真的存在吗?


我们非常确定这种最简单的物种确实存在。2012 年,荷兰代尔夫特科技大学的 Leo Kouwenhoven 观察到过它们。我不会说有 100% 的确定,但 Kouwenhoven 的观察已经被其他多家实验室再现过。这种激发(excitation)到底是什么并不重要,一旦这种粒子变得可以测量了,它们就可以用来执行计算了。现在的问题是,实验室正在把一些非常复杂的设备放在一起来产生大量的激发(excitation),并尝试开始做计算了。


任意子的开发似乎非常困难。那么相比其他种类的量子比特,使用任意子的优势又在哪里呢?


在大多数量子系统中,信息被编码到粒子的属性中,与周围环境最轻微的相互作用都会破坏它们的量子态。这意味着他们的操作精确度可能达到了 99.9%,我们成为三个九。在解决现实问题上,我们需要的精确度水平是十个九,所以你需要创造出一个大型阵列的量子比特,能让你来修正这些误差。拓扑量子计算有达到六个或七个九的潜力,这意味着我们不再需要做大量昂贵的误差校正了。


是什么让拓扑量子计算的鲁棒性这么好?


从环境和计算机的其他部分而来的噪音是不可避免的,这可能导致准粒子的位置与强度的波动。但是没问题,因为我们不会将信息编码到准粒子自己身上,但是我们会按顺序交换任意子的位置。我们称之为辫子,因为如果你画出在时间和空间上相邻的任意子对的一个交换序列,那么它们的轨迹线条看起来像辫子。该信息被编码成「拓扑」属性,也就是说,这个系统的集体属性只能跟随宏观运动而不是小波动来变化。


WEB_out1550.jpg

辫子的数学理论或许可以作为未来拓扑量子计算机的基础

微软已经研究拓扑两个字计算十多年了,这其中所需要大多数量子比特都是假设的。为什么你们会坚持到现在?


这是值得的,因为它带来的好处是巨大的,几乎没有坏处。微软是一家经济实力雄厚的公司。如果坐拥 1000 亿美元的现金,你会投资什么呢?比尔盖茨也投资了其他东西——根除疟疾和艾滋病病毒——未来这些研究可能都会需要用到量子计算。比如基因学到目前为止一直借助的是传统计算机,而 100-200 个量子比特计算机可能会给基因学研究带来巨大的进展。


微软有多少人参与了量子计算研究,你们的投入是多少?


大约在 35 到 40 个人,但是我不想冒昧地谈论资金的问题,也给不出大概的估计。


你们的团队一直在为这种量子计算机开发软件,有什么成果吗?


到目前为止,我们已经有了一个令人惊讶的成果,创造出了一个更有效的算法,它能减少量子比特相互作用的次数,叫做门(gate),只需要运行必要的计算,而这在传统的计算机上是不可能的。比如,在本世纪初的那几年里,人们认为在量子计算机上计算植物在光合作用中用到的铁氧还蛋白能级(energy level)大约 240 亿年。现在通过理论、实践、工程和仿真相结合,最乐观的估计表明,这项计算可能只需要一小时左右。我们还在继续解决这些问题,并逐步转向更多的应用工作,我们想到了量子化学、量子基因学,以及能在一个小到中等大小的量子计算机上解决的事情。


这算是占领先机吗? 因为一个可以处理这些问题的量子计算机可能是十年以后的事情。


过去的问题是,量子计算机在假设上会不会不传统计算机表现更好这样的问题是不是问题。现在我们不仅想弄清楚它是不是可行的,还有如何实现它?我们需要闯过层层迷雾来解开这些问题,因为我们相信它本身将会成为一个完整的领域。

产业量子计算产业微软
暂无评论
暂无评论~