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

Google量子计算AI实验室大公开,并分享了未来十年的路线图

A person with a beard

Description automatically generated with medium confidenceErik Lucero 博士近日,Google 量子 AI 的首席工程师 Erik Lucero 带全球媒体虚拟“参观”了 Google 的量子 AI 园区,展示了园区内的一些重要实验设备,并分享了目前 Google 在量子计算的最新进展以及一些重要洞察。

Google 量子 AI 园区位于 Santa Barbara ,Goolge 在这里研究并制造量子计算机。整个园区的装修风格独特,有很强的色彩感。园区内还有不少涂鸦,并且有很多有意思的小装饰。Erik介绍了园区一张以 Google 量子处理器 Bristlecone 命名的画,来提醒大家仿生学的重要性(Bristlecone 芯片中量子位的排列类似松果鳞片的图案)。另外,Erik 展示了主实验室的场景,并解释了量子计算的原理,以及用来给量子计算制造低温环境的设备。

A picture containing text, yellow, graffiti

Description automatically generatedGoolge 量子 AI 园区内的涂鸦

Goolge 量子 AI 园区内的涂鸦

在回答问题的环节中,Erik 表示 Google 目前已经证明了“量子优越性”,下一步的目标即实现可纠错的逻辑量子位,最终实现可规模化的纠错量子计算机,并预计会在未来十年内完成。在谈到量子计算的具体应用时, Erik 表示目前量子计算还没有用于解决实际问题,但未来可能解决气候变化和食物短缺问题。

A picture containing text, person, indoor, working

Description automatically generatedErik 展示园区主实验室的设备

A picture containing person, standing, computer

Description automatically generatedErik 展示园区主实验室的设备

以下是这次活动问答环节的精选内容:

问:您能解释一下什么是逻辑量子位吗?

逻辑量子位由足够多的高质量物理量子位构成,可以抽象地看作是由 1000 个物理量子位排列在二维网格中执行纠错。目前来说,不论是网格状的布局还是物理量子位的保真度,都是最适合我们的构架。我们对所有电子以及连接物理量子位都需要有着非常充足并且精细化的控制。

当我们可以将两个逻辑量子位放在一起并在它们之间进行操作时,这两个逻辑量子位便组成了第一个晶体管。

问:您能否更详细地与我们分享 Google 量子计算的蓝图?面对量子计算人工智能时代的兴起,企业应该做哪些准备以满足时代的需要?

我们的第一个里程碑是证明了“量子优越性”,我们在 2019 年的时候证明了量子计算具备超出传统超级计算的能力。从那时起,我们一直在扩大系统的规模,以实际证明我们可以进行纠错演示,并证明纠错有效,这是第二个里程碑。

我们已经在这方面迈出了一步,今年早些时候我们发表了一篇论文,展示我们在量子纠错方面的进展,我认为这可以算是里程碑 1.5。

第三个里程碑是实现纠错逻辑量子位。在证明量子纠错后,将其扩展到一个足够大规模的系统来证明大规模构建纠错逻辑量子位是可行的。

第四个里程碑将两个逻辑量子位(由 1000 个物理量子位构成)平铺在一起组成量子晶体管。

第五个里程碑是采用该系统并将其扩展到 100,000 个物理量子位。

第六个里程碑则是形成一个完整的纠错逻辑量子位。

我们现在正处于硬件的黄金时代,我们需要发明真正能够帮助拓展系统的硬件,为未来做好准备。

我们相信我们可以在本世纪末实现这种纠错的量子计算机。我们为这些里程碑制定了一个大约 10 年的路线图。

问:在 Google 量子计算中是否也会用到开放的标准或开源的技术? 您的工作有多少是基于开放标准或开源的?

是的,我们有丰富的开源产品,Google 也非常支持这种文化。我们开发了一种名为 Cirq 的语言,任何人都可以下载并使用Cirq进行编程,设计量子电路以在我们的模拟器和量子硬件上运行。

除此之外,我们在资源库中提供了丰富并且重要的内容。其中之一是 OpenFermion,与量子化学的内容相关。第二个是建立在 Google 经典计算硬件上的量子TensorFlow 。我们的张量处理器(TPU)就是运行在这一系统上,并处理量子模拟和机器学习等问题。

所以除硬件外,其他的技术基本上都是开源的。我们很高兴能够加入一些开源的联盟,帮助定义这些开放标准。我们其实已经在效仿其他 Google 的开源项目(例如 TensorFlow)。

问:Google 量子计算机仍将主要由硅制造吗?

在制造量子计算机时,我们会选择使用已经成熟的硅材料,不过当然,我们会将铝放在硅上。我认为现阶段可能更重要的是探索量子架构,其中就最有力的例证就是超导量子位。

问:在计算处理方面,Google 是否计划要结合量子计算人工智能的优势?量子计算与超高性能人工智能相比有什么不同?

首先我想解释一下经典计算范式和量子计算范式之间的不同。今天,我们所有的真正高性能的经典计算都属于同一类,其实就像是算盘在做布尔逻辑。而量子计算机实际上是用更丰富的计算空间(量子力学)替换布尔逻辑,使我们能够探索经典计算机中可能没有的计算空间。所以,量子计算机和经典计算机两者是完全不相同的。

我非常喜欢思考云、计算机和量子计算机的共生关系,以及我们可以利用这种共生关系做些什么。在我们的园区大家可以看到有很多经典计算机在帮助支持和运行我们的量子计算机。我们相信机器学习中的某些元素可以由量子计算机实际接管,先从经典计算过渡到量子计算,并且量子计算机可能会更快地学习或找到新的技术,然后再把这些新的发现转回到经典计算机上。所以我认为这真的是一种共生关系,并不是非要择其一,它们可以一起工作。

问:除了量子纠错,真正实现量子计算还有哪些大的挑战?量子计算可以解决普通人实际生活中的哪些问题?

纠错绝对是真正实现量子计算机最大的挑战之一。所有在经典计算机上实现的惊人功能基本上都是因为我们已经在经典计算中实现了纠错。

所以我们的下一个里程碑就是要实际证明量子纠错是可行的,并且是在少量的量子位或100个量子位上实现的。一旦量子纠错被证明,就可以将其扩展到逻辑量子位,然后从逻辑量子位扩展到纠错量子计算机之前的量子计算机。因此,我们今天面临的巨大挑战是证明量子纠错在任何一种量子计算架构中都是有效的。目前还没有人真正证明这一点。我们很高兴能在这里分享我们的里程碑。

关于量子计算可以解决普通人实际生活中的哪些问题?我之所以喜欢在 Google 工作,正是因为我们有机会可以给世界带来强大的工具,了解到无论是登录网络,还是搜索在未来某一天会得到量子计算机的支持。

另外,量子计算机的直接应用是可以帮助全世界解决饥饿问题。现在我们使用大量的氮作为肥料,我们相信如果真的有一台量子计算机,会计算出更好的方法可以模拟大自然生产氮,这样我们就可以以更低的能源成本养活世界上的每个人。

问:低温环境是否只与 Google 正在研究的超导量子位有关?

我们知道之所以要在低温环境下进行研究是有几个原因的。 其中一个是因为我们使用的是超导量子位,所以需要确保温度要低于我们使用的金属和材料的临界温度,只有这样我们才能够达到超导并从中受益。 另一个是对量子位实际能量非常关键的因素。 我认为我们设计的特定量子位,(其过程)类似于制造原子。 我们通过实际构造物理结构来制造原子。这些结构是由超导电路制成的电感器和电容器。 然后我们再铺设铝金属,将它们塑造成电感器和电容器,这实际上是一个谐振器。

这些系统中的能量会转换为温度,而该温度最终会达到数百个毫开尔文。 所以只要我们能够实现比这个温度更冷的温度,那么量子位中的能量就是最大的信号,而不是热噪声。 所以我们必须为超导降低温度,只有变冷才能使量子信号远高于热噪声。

我还在考虑使用第一台量子计算机来构建第二台。 我们相信可以用超导量子位实现第一台量子计算机。 我们预计会在 10 年内完成。在第一台量子计算机实现之后,它会帮助我们找出更好的材料来使用,我们可能不需要那些低温冷却器来制造第二台量子计算机。

问:你提到量子计算机的工作温度就像超级、超级冷。 您和其他的科学家们是如何对其进行实验的? 你们必须穿戴特殊设备吗?

我要给你看一下实验室里的这些罐子。 这些是进入低温恒温器的单个罐子。 我们所做的就是将所有这些罐子放在系统上,一个套着一个放。 这个颜色非常鲜艳的真空罐是系统上的最后一个罐子,您可以看到顶部有一个 O 形环。

之后我们将这个系统连接到低温恒温器上。 然后我们将里面的空气抽走,这些系统内部就会变成是真空的。 我们将整个腔室都抽成真空。 然后我们使用在冰箱中的所有管道来冷却它。 唯一连接在一起的是所有这些金属台,它们由一个专门的冰箱进行冷却。所以得益于这些技术,我可以很幸运地在这个 300 开尔文(约 27°C)的实验言,不用担心自己会结冰。

问:您能否解释下 Google 量子计算机最近与时间晶体有关的突破?媒体报道称,这一突破让科学家们可以跳出热力学第二定律。

像金属一样,晶体以固态存在,并在物理的三维空间中存在。从空间上来看,晶体中的原子会自行排列,并且有一定的周期性。晶体结构中的原子会以特定的格子形式进行排列,并且有很多不同的方式。

我们最新的研究证明了在时间层面也可以实现这一点。通过相互作用,每个时间晶体结构都保持了分子集合的完整性,以不同的规律运动。时间晶体不消耗任何能量,而只是在不同的状态间变化,呈现周期性。

如果大家想更深入地了解这项研究,可以阅读我们的博客文章和论文。

产业量子计算谷歌
相关数据
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

TensorFlow技术

TensorFlow是一个开源软件库,用于各种感知和语言理解任务的机器学习。目前被50个团队用于研究和生产许多Google商业产品,如语音识别、Gmail、Google 相册和搜索,其中许多产品曾使用过其前任软件DistBelief。

张量技术

张量是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数,这些线性关系的基本例子有内积、外积、线性映射以及笛卡儿积。其坐标在 维空间内,有 个分量的一种量,其中每个分量都是坐标的函数,而在坐标变换时,这些分量也依照某些规则作线性变换。称为该张量的秩或阶(与矩阵的秩和阶均无关系)。 在数学里,张量是一种几何实体,或者说广义上的“数量”。张量概念包括标量、矢量和线性算子。张量可以用坐标系统来表达,记作标量的数组,但它是定义为“不依赖于参照系的选择的”。张量在物理和工程学中很重要。例如在扩散张量成像中,表达器官对于水的在各个方向的微分透性的张量可以用来产生大脑的扫描图。工程上最重要的例子可能就是应力张量和应变张量了,它们都是二阶张量,对于一般线性材料他们之间的关系由一个四阶弹性张量来决定。

张量处理器技术

张量处理器(英语:tensor processing unit,缩写:TPU)是Google为机器学习定制的专用芯片(ASIC),专为Google的深度学习框架TensorFlow而设计。 与图形处理器(GPU)相比,TPU采用低精度(8位)计算,以降低每步操作使用的晶体管数量。降低精度对于深度学习的准确度影响很小,但却可以大幅降低功耗、加快运算速度。同时,TPU使用了脉动阵列的设计,用来优化矩阵乘法与卷积运算,减少I/O操作。此外,TPU还采用了更大的片上内存,以此减少对DRAM的访问,从而更大程度地提升性能。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

布尔逻辑技术

布尔逻辑得名于乔治 · 布尔,他是爱尔兰科克的皇后学院的英国数学家,他在十九世纪中叶首次定义了逻辑的代数系统。现在,布尔逻辑在电子学、计算机硬件和软件中有很多应用。在 1937 年,克劳德 · 艾尔伍德 · 香农展示了布尔逻辑如何在电子学中使用。

量子计算技术

量子计算结合了过去半个世纪以来两个最大的技术变革:信息技术和量子力学。如果我们使用量子力学的规则替换二进制逻辑来计算,某些难以攻克的计算任务将得到解决。追求通用量子计算机的一个重要目标是确定当前经典计算机无法承载的最小复杂度的计算任务。该交叉点被称为「量子霸权」边界,是在通向更强大和有用的计算技术的关键一步。

量子力学技术

量子力学(Quantum Mechanics),为物理学理论,是研究物质世界微观粒子运动规律的物理学分支,主要研究原子、分子、凝聚态物质,以及原子核和基本粒子的结构、性质的基础理论。

暂无评论
暂无评论~