IBM发现错误缓解技术可能提升量子计算的实用性 | 量子科话
IBM公司的研究团队基于最新研制的127比特Eagle量子处理器IBM kyiv,通过错误缓解技术,实现了对特定结构伊辛模型的模拟,对于31,37,68,127比特规模的求解结果准确度均有一定程度提升。其中,对于系统规模为68比特的特定线路,提升效果最为明显,未使用错误缓解技术时的结果准确度不足20%,而通过错误缓解的处理,可以将准确度提升至95%以上。但系统的量子加速效果非常有限,IBM也明确表示,这一工作的目的不在于证明量子计算机比经典计算机快,而是在量子纠错尚未实现的阶段提升大规模量子计算线路的精度,为近期提高量子计算的实用性提供了可能。该成果于6月14日以封面论文的形式发表在《自然》杂志上。
© Nature
研究论文以《在容错之前量子计算实用性的证据
(Evidence for the utility of quantum computing
before fault tolerance)》为题
发表于《自然》杂志
当前量子计算的最大挑战是不可避免的量子噪声,导致规模略大的量子线路无法可靠运行。发挥量子计算机的全部潜力需要设备能够纠正自身的错误。纠正这些经常发生的错误是一项艰巨的任务,需要大量的、多学科的工程努力。最终诞生的系统被称为容错量子计算机,其将由数千个高质量的量子比特组成,并由一个精密的控制系统控制。但在实现完全的容错性之前,是否可能在过渡期内实现有用的量子优势?
标题为《压倒噪声(Cutting Through the Noise)》
© Nature
研究团队计算了单个自旋的磁化率
并使用后处理方法来缓解量子错误
他们还与两种经典模拟技术——矩阵直积态(MPS)
和等距张量网络态(isoTNS)的近似结果
进行了比较
曾带领谷歌团队在2019年实现了“量子计算优越性”里程碑的加利福尼亚大学圣巴巴拉分校的物理学家John Martinis表示,尽管研究团队使用了一个非常简化的材料模型,但这些结果验证了IBM的短期战略,旨在通过减轻错误(而不是纠正错误)来提供可能有用的计算。从长远来看,包括IBM和谷歌在内大多数公司都将实现量子纠错作为愿景。
《自然》杂志“新闻与视点(News & Views)”栏目发表题为Quantum computer scales up by mitigating errors的文章报道了该成果[1],并在文末评论到:“那么,这一进展是否改善了将量子计算应用于工业相关问题的前景呢?答案很可能是否定的:这样的算法必须涉及更大数量的量子比特和更多连续的门操作,才能与高性能的经典超级计算机竞争,而这些量子计算将不可避免地淹没在由错误引起的噪声中。”同时,《自然》杂志“新闻(News)”板块也进行了报道 [2],并援引著名量子物理学家、奥地利因斯布鲁克大学Peter Zoller教授的观点[3],“一些研究人员对量子错误缓解的潜力持悲观的态度,并认为只有量子纠错才能实现即使在最大的经典超级计算机上也无法完成的计算。”
论文链接:
https://www.nature.com/articles/s41586-023-06096-3
报道链接:
[1]https://www.nature.com/articles/d41586-023-01884-3
[2]https://www.nature.com/articles/d41586-023-01965-3
[3]https://www.nature.com/articles/s41586-022-04940-6
■ 扩展阅读
风云之声
科学 · 爱国 · 价值
关键词
量子计算
量子比特
量子纠错
系统
噪声
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。