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?！彼С治迥觐A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?；魻柲反鳡柋硎荆骸埃ú粔蚪训南到y(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?！?/p>

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思維

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?；魻柲反鳡栐赬box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。”

量子機器人學習：

"量子”在詞中無任何意義

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。”

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?！?/p>

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。