量子计算提速!华人科学家攻克重大难关,助推量子计算快速发展


量子计算提速!华人科学家攻克重大难关,助推量子计算快速发展


文章图片


量子计算提速!华人科学家攻克重大难关,助推量子计算快速发展


文章图片


量子计算提速!华人科学家攻克重大难关,助推量子计算快速发展


前言:研究人员已经成功开发出一种新技术 , 可以使量子计算对噪声更具弹性 , 从而提高性能 。
量子计算近年发展迅速 , 但阻碍该领域发展的一项挑战是如何减轻困扰量子机器的噪音 。 与传统计算机相比 , 这些噪音会导致更高的错误率 。

这种噪声通常是由不完善的控制信号、环境干扰以及量子位之间不必要的相互作用引起的 , 而量子位是量子计算机的组成部分 。 在量子计算机上执行一系列被称为量子门的操作 。 这些量子门映射到单个量子位 , 改变某些量子位的量子状态 , 然后执行计算以解决问题 。 但是量子门会引起噪声 , 这会妨碍量子计算机的性能 。
来自麻省理工学院等科研单位的研究人员正在努力通过开发一种使量子电路对噪声具有弹性的技术来克服这个问题 。 该团队设计了一个框架 , 可以为特定计算任务识别出最强大的量子电路 , 并生成针对目标量子比特量身定制的映射模式 。

这个框架被称为 QuantumNAS(噪声自适应搜索) , 其计算量远低于其他搜索方法 , 并且可以识别提高机器学习和任务准确性的量子电路 。 当研究人员成功证明 , 他们的电路优于使用其他方法生成的电路 。 该研究的第一作者 Hanrui Wang 和 Yujun Lin 来自麻省理工学院助理教授Song Han研究团队 。
研究人员专注于变分量子电路 , 它使用具有可训练参数的量子门 , 可以进行机器学习或量子化学任务 。 要设计变分量子电路 , 通常研究人员必须手动设计电路或基于规则来设计用于特定任务的电路 , 然后尝试通过优化过程为每个量子门找到理想的参数集.

在经典神经网络中 , 包含更多参数通常会提高模型的准确性 。 但是在变分量子计算中 , 更多的参数需要更多的量子门 , 这会引入更多的噪声 。
借助 QuantumNAS , 研究人员寻求降低总体搜索和训练成本 , 同时确定包含理想参数的数量和合适架构的量子电路 , 以最大限度地提高准确性并最大限度地减少噪声 。
为此 , 研究人员首先设计了一个“超级电路” , 其中包含设计空间中所有可能的参数化量子门 。 超级电路经过训练后 , 研究人员会使用它来搜索满足目标的电路架构 。 该算法会生成一些量子电路和量子比特映射候选者 , 然后使用噪声模型或在真实机器上评估它们的准确性 。 结果经过反馈 , 该算法会选择性能最佳的部件并使用它们再次开始该过程 , 直到找到理想的候选者 。
一旦研究人员找到了最好的量子电路 , 他们就会训练这个参数并通过移除任何接近零的量子来执行修正 , 然后通过微调剩余的参数以恢复丢失的准确性 。 该步骤完成后 , 他们就可以将量子电路部署到真机上 。

当研究人员在真正的量子设备上测试他们的电路时 , 它们的性能优于所有基线 , 包括人类手工设计的电路和其他使用其他计算方法制造的电路 。 在一项实验中 , 他们使用 QuantumNAS 产生了一种抗噪声量子电路 , 用于估算特定分子的基态能量 , 这是量子化学和药物研发的重要一步 。 这种新方法比任何基线做出的估算都更准确 。
为了鼓励在这一领域开展更多工作 , 研究人员创建了一个名为TorchQuantum的开源库 , 其中包含有关其他研究小组可以使用的项目、教程和工具的信息 。
【量子计算提速!华人科学家攻克重大难关,助推量子计算快速发展】参考文献:
Hanrui Wang et al QuantumNAS: Noise-Adaptive Search for Robust Quantum Circuits. arXiv:2107.10845v5

(热爱科学 , “知否”每天带你探寻未知奥秘!)

    推荐阅读