量子計算機雖然強大，但應(yīng)用領(lǐng)域有限。清華叉院孫麓巖團隊在超導(dǎo)電路上實現(xiàn)了量子生成對抗網(wǎng)絡(luò)，精度高達98.8%，這項工作有望證明量子計算機在圖像生成等領(lǐng)域超越經(jīng)典計算機，將是量子機器學(xué)習(xí)的又一里程碑。

量子機器學(xué)習(xí)的新里程碑！

清華大學(xué)孫麓巖團隊提出了“量子版”的生成對抗網(wǎng)絡(luò)，并且證明了與經(jīng)典的對應(yīng)方法相比，具有潛在的“指數(shù)級”優(yōu)勢。

最近，孫麓巖團隊的研究登上了Science Advances，論文首次介紹了超導(dǎo)量子電路中量子生成對抗學(xué)習(xí)的原理證明及實驗演示。

研究結(jié)果表明，經(jīng)過幾輪對抗學(xué)習(xí)，可以訓(xùn)練一個量子態(tài)的發(fā)生器，對量子信道模擬器輸出的量子數(shù)據(jù)進行統(tǒng)計復(fù)制，并且具有98.8%的高保真度，使得鑒別器無法區(qū)分真實數(shù)據(jù)和生成數(shù)據(jù)。

值得注意的是，證明“量子霸權(quán)”通常被認(rèn)為需要至少50個量子比特，但該團隊的研究使用的系統(tǒng)只有一個量子比特。

首次證明量子計算能利用GAN

生成對抗網(wǎng)絡(luò)（GAN）由兩個神經(jīng)網(wǎng)絡(luò)構(gòu)成，即生成器和鑒別器。

生成器會生成數(shù)據(jù)，例如人臉圖片；鑒別器既可以得到真實數(shù)據(jù)，也可以得到生成器創(chuàng)建的假數(shù)據(jù)，而且必須分辨出真假。它倆經(jīng)過多輪的循環(huán)，最終生成器得到了更新，學(xué)會了如何產(chǎn)生更為逼真的圖像，使得鑒別器無法再區(qū)分其真假。

而GAN也是近年來機器學(xué)習(xí)領(lǐng)域最令人興奮的突破之一。它在圖像、視頻生成等各種具有挑戰(zhàn)性的任務(wù)中表現(xiàn)突出，例如，能夠生成無比逼真的人臉照片，以假亂真。

GAN生成的照片

從理論上講，量子計算機在解決某些問題（如分解大數(shù)）方面比普通計算機具有速度優(yōu)勢。

“但就目前的技術(shù)水平而言，量子計算機還無法達到這一優(yōu)勢?！睂O麓巖說。

研究人員認(rèn)為，量子計算機上的GAN也可能具有這樣的速度優(yōu)勢，但他們?nèi)匀恍枰鞔_證明這一點。

于是，利用量子生成器和鑒別器制造出一種量子GAN，成為證明“量子霸權(quán)”的又一案例。

量子生成對抗網(wǎng)絡(luò)QGAN：準(zhǔn)確率98.8%

孫麓巖團隊實驗性地演示了生成對抗網(wǎng)絡(luò)的量子版本——QGAN，其中輸入和輸出數(shù)據(jù)都是量子比特。

生成器G由一個超導(dǎo)電路構(gòu)成，能夠生成一個隨機純量子態(tài)的集合ρ，模擬真正的量子數(shù)據(jù)σ。其中，輸入的量子數(shù)據(jù)由一個數(shù)字量子比特信道模擬器隨機生成。

鑒別器D則由一個專門衡量相關(guān)映射的量子設(shè)備構(gòu)成，能夠生成衡量映射的結(jié)果M。

接下來的過程就與普通的生成對抗網(wǎng)絡(luò)(GAN)一樣，生成器G不斷生成虛擬數(shù)據(jù)ρ，然后鑒別器D則不斷生成衡量ρ和衡量σ的結(jié)果，試圖區(qū)分ρ和σ，反過來優(yōu)化生成器的生成結(jié)果，最終致使D無法區(qū)分ρ和σ。

量子生成對抗網(wǎng)絡(luò)QGAN的示意圖：(a)量子生成器G和量子鑒別器D，G生成一個模擬量子態(tài)ρ，真實量子態(tài)σ則由模擬器隨機生成；(b) D得到輸入數(shù)據(jù)后，通過衡量機制判斷模擬數(shù)據(jù)ρ 和真實量子態(tài)σ 的不同。

研究人員構(gòu)建的這個量子GAN算法執(zhí)行示意圖如下：

σ 作為原始量子數(shù)據(jù)，ρ 作為模擬量子態(tài)分布，所以是一個概率分布。其中，衡量結(jié)果的差異β和γ通過FPGA陣列實現(xiàn)。

QGAN算法的實驗協(xié)議

實驗證實了生成器確實能夠?qū)W會數(shù)據(jù)量子數(shù)據(jù)的模式 (pattern)，并生成幾乎與真實量子數(shù)據(jù)一樣的量子態(tài)。

不僅如此，研究人員在論文中指出，他們最高能夠取得98.8%的準(zhǔn)確率。

量子計算機有望在圖像生成上實現(xiàn)量子霸權(quán)

研究人員得出結(jié)論，由于QGAN實驗中既不需要量子隨機存儲設(shè)備，也不需要通用量子計算設(shè)備或?qū)θ魏螀?shù)進行微調(diào)，因此可以認(rèn)為，在不遠的未來，量子設(shè)備就能實現(xiàn)可用的、含有噪音的中型量子應(yīng)用。

什么是“含有噪音的中型量子”？去年，加州理工大學(xué)理論物理學(xué)家、“量子霸權(quán) ”概念提出者 John Preskill 指出，在實現(xiàn) 50~100 量子比特的中型量子計算機后，人類就可以用其探索更多經(jīng)典計算機無法探索的研究領(lǐng)域，也將由此邁進一個新的量子技術(shù)發(fā)展期，他將其稱之為“含噪聲的中型量子” (Noisy Intermediate-Scale Quantum, NISQ) 時代。

計算機體系結(jié)構(gòu)頂會 MICRO 2017 的最佳論文獎，授予了這樣一項工作，論文提出了一種控制超導(dǎo)量子計算機的微體系結(jié)構(gòu)，首次有機連接了量子軟件和硬件，讓傳統(tǒng)處理器的設(shè)計技術(shù)能夠為量子控制處理器所用。

清華大學(xué)的這項實驗工作的意義就在于，首次在超導(dǎo)量子電路 (屬于NISQ設(shè)備) 上實現(xiàn)了量子GAN，鑒于GAN在圖像生成等應(yīng)用上的強大性能，這有望實現(xiàn)圖像生成的“量子霸權(quán)”，也即用量子計算機生成圖像比經(jīng)典計算機更快更強。

結(jié)合MICRO 2017的最佳論文獎研究，或許能夠加速清華大學(xué)這項工作實現(xiàn)圖像量子霸權(quán)。想一想，不是很令人激動嗎？