量子电脑有严格或者没那么严格的定义
不过这波热潮的量子电脑 很多时候也没分那么细
甚至古典计算+量子计算结合在一起 都是可以的
量子力学很多跟古典物理不同的规则
第一个是所谓的量子叠加
简单说 古典电脑的资讯是用|0>或者|1>来储存 并操作这些位元 进行计算
而在量子力学 一个态可以同时0或1的叠加 表示为|0>+|1>
(我忽略归一化常数 之后也是 不要找我漏洞 谢谢)
是指真的不是0或者是1(而非只是我们不知道到底是哪个!)
只有真的做观测 才会变成是哪个态(量子力学里叫做 波函数塌陷)
|0>+|1>就变成|0>或|1>
另一个是量子纠缠 这个比较复杂点 用一个具体的例子来解释
假设有两个人a和b 手上有一对量子纠缠态|0,a>|1,b>+|1,a>|0,b>
a跟b现在都不知道自己手上的是什么 但都"很确定"自己手上一开始的是|0>+|1>的叠加态
但a一旦做了观测 发现自己的是|0,a>
那么 b本来的叠加态 "在b自己还没观测前" 就就被决定了|1,b>
(注意 这些量子规则都是因为实验验证的必然 绕不掉的
为什么非得接受这些规则 为什么我会说 "而非只是我们不知道" 或者"绕不掉"
是物理史很精彩的故事 但详细我不想展开 那会模糊焦点 又需要花时间写更多)
总之 严格意义的量子电脑 是指用这些规则 建构量子位元 组合各种量子逻辑闸
只用这些量子逻辑闸来构成量子电路 跟古典电脑的结构比较像
这种的被称为量子电路计算
现在各大主流公司 google IBM...几乎都是在做这种模型的量子电脑
但还有另一种量子电脑 叫做绝热量子计算
是用另一种量子原理 不是用前面说的量子逻辑电路而建构
具体而言 是准备一个量子系统 然后由于量子力学的演化法则
这个量子系统会演化成另一个 这就可以当作一个计算过程:
可以根据想要算的问题 专门设计量子初态 调节它们的交互作用
最后演化出来的对应的就是问题的结果
D-wave的量子电脑就类似这种技术
其实这两种量子计算模型 印象中被证明在理论上是多项式等价 不过具体实践技术差很多
以下就只讲量子电路模型
总之 量子力学存在比古典力学还多的操作 而且 事实上 这世界的本质本来就是量子的
所以不必很惊讶 在某些问题上 量子电脑会比古典电脑更好
特别是 如果那些问题本来就跟量子层级的物理有关的话
只是实际还是有很多技术上的困难
因为量子态很脆弱 很容易跟环境中很多东西有纠缠或交互作用
然后量子叠加态就会因此而快速消失 这个现象就做量子去同调(Decoherence)
这会造成量子计算过程的不稳定和错误
于是 为了解决困难 必须要更多的量子位元来纠正错误
(又或者 真的用所谓的"拓朴"量子位元当元件 不过那根本没个影 连微软都不打算玩了)
以现在的技术而言 要大约数百到一千个的"物理"量子位元
才能够做出一个真正用来当作计算元件的"逻辑"量子位元
量子计算的第一个热潮 是在上个世纪末左右
Peter Shor发展出量子算法 Shor算法 做质因子分解 可以有指数级的加速
在那之后像是Grover算法 拿来做资料搜寻 跟Shor算法一起 对解码有根本性的影响
加上08年的HHL算法 这些都是都是理论上证明 的确有不同等级加速的量子算法
这三个大概可以说是最著名 而且潜在应用最广 被证明有加速的量子算法
但这些都需要上面提的 另外更多的量子位元来纠错才能实现
以目前的技术 大概都要至少10^6个甚至10^8个左右的物理量子位元才做得到
可以参考这张18年的图 https://imgur.com/a/fpu9X5C
可见未来暂时是做不到的
特别值得提的是HHL算法 这是拿来解线性方程组的 可以有指数级加速
但也同样需要更多量子位元来纠错
但可以想像 解线性方程组在最佳化或者机器学习上有多大的用处
自那以后 加上机器学习的热潮 量子机器学习就很多人开始研究
老实说 让量子计算热潮在二十年后重启的原因 其实跟什么密码学上的应用关系比较有限
而是被随着机器学习热潮而被推动
台湾还是常常还是看到 很多人还是拿二十世纪末的量子计算热潮时的东西当科普
那都是没跟上后来的发展
我之所以想要回这篇 也是因为推文里的q大和h大的争论
更认真来讲 这波热潮的来源 大概有两个
第一个是来自技术上的进步
很长一段时间 个位数或顶多十来个物理量子位元构成的量子电路 就是极限了
而目前已经可以做到数百个量子位元构成的量子电路了
几年内应该就可以到一千个以上了(IBM宣称今年就可以了)
已经接近真正做出一个逻辑量子位元了
这虽然离要做纠错量子计算的10^6-10^8个还有很大距离
但是不是这样规模的量子电路 已经可以在某些"特定"问题上有帮助呢?
这个概念还有个特别的词 在现在学界和业界很红
叫做Noisy intermediate-scale quantum era(噪声中小规模量子纪元...简称NISQ)
想要了解这波量子热潮的最好方式 就是拿NISQ去google或chatgpt一下
而所谓的量子霸权(quantum supremacy)
指的就是在非常特定的问题上 量子电脑做得比古典电脑快
微软在2018就在一个非常特定的问题上实现了量子霸权
只是这个问题没什么利益 只是为了用来展示量子霸权而设计的
但有些人就抱持期待 是不是能找到一些有利可图的特定问题实现量子霸权呢?
之所以NISQ这个概念被关注 除了技术的发展外 也是跟2010年后有新的理论发展有关
Variational quantum eigensolver(变分量子特征值求解器 简称VQE)在约十年前被提出
最早是用来求系统的最低能量(基态) 或者 在量子力学里 是矩阵的特征值(eigenvalue)
这是一种融合量子电路和古典电脑的算法
具体而言 是利用量子电路 输出某个能量
然后再把得到的结果丢到古典电脑算梯度下降 再根据此来调节量子电路的参数
这个过程反复叠代后 得到的就会是最低能量 就是想要的结果
这本来是在量子化学里发展的新方法 在药物或材料模拟上有用处
优势是 不那么需要纠错 在NISQ时期就可能就可以使用了
而细心的人可以想到 这里的输出 不一定得要能量
可以根据不同的问题来设计 应用在各种最佳化问题上
甚至 如果把能量换成cost function
那么这整个概念 是不是就跟深度学习很像?
于是后来当然一堆人把深度学习里做的事情 用这个版本做一次再发文章
你可以想成 量子电路基本提供另一个有别于神经网络的数学结构 然后拿来做类似的事情
只是 这个技术目前没有证明 到底有没有量子加速
甚至其实根本很难有个明确的定义 到底效果会是怎样
就好像...深度学习如果不是当初伴随着GPU发展 然后跑出来后真的效果很好
那么大概也还是会有很多怀疑
但"说不定" 量子电路供比神经网络更有效或更广泛的数学结构(或至少在某些问题如此)
有些文章就是朝着这个方向研究 宣称在某些特定情况下是这样
总之 其实这波热潮最吸引人 而且也是好的结果 就是拿来做AI或者各种最佳化问题
拿来做解密或搜寻什么的 大概要等更久以后了
退一步 要是VQE能够拿来做它本来打算做的事 药物或材料模拟 那也算是有很大用处了
只是 到底会多有用 说穿了 至少暂时 还没人真正知道
毕竟 真正被理论证明有加速的量子算法 还是以前那几个
能在有利可图的问题上应用的算法还很少 基本没一个可以在未来十多年内的技术来实现
过去十来年这些新的算法 就像上面说的 目前还没一个是真的被证明有加速的
或者 必须要满足某些不那么简单的前提(像是 初始资料已经是量子态)
但这也不妨碍有些人先布局就是了
毕竟 要是真的最后跑出来 效果就是很好呢?
随着量子位元数可以做到上千 慢慢的也会看出点成果
P.S. 写了那么多 我想版上懂机器学习的版友很多
要是有更进一步的兴趣 可以自己到IBM的Qiskit教程上玩玩 感受下量子机器学习
https://qiskit.org/ecosystem/machine-learning/tutorials/index.html
只是要建小玩具的话很简单 写起来不会比sklearn难多少
(当然 这不是在真正的量子电脑跑的 而且也没有很好优化 速度跟效果都没很理想XD)