后“量子霸权”时代，谷歌何去何从？
出品 光子盒研究院
2014年7月，来自加州大学圣芭芭拉分校（UCSB）的John Martinis等人在《科学》杂志发表论文称，在D-Wave Two计算机上运行的实验没有“量子加速的依据”。
但是，这样一台在Martinis看来没有比传统计算机快多少的“量子计算机”，谷歌与NASA却在一年前斥资1500万美元购入。
后来的事我们也知道了，Martinis正因为这篇论文有了与谷歌对话的机会。Martinis告诉谷歌，D-Wave量子位只能维持几纳秒的叠加，而他已经开发出了能够维持长达30微秒叠加的量子位。只要有足够的支持，他团队的技术就能迅速达到成熟。谷歌被说服了。
就这样，2014年9月，谷歌决定聘用Martinis团队，他本人将担任谷歌量子计算硬件团队负责人。正是这个决定，成就了五年后谷歌的“量子霸权”。
但在实现“量子霸权”后，Martinis的离开给谷歌的量子之路蒙上了一层阴影。后“量子霸权”时代，谷歌何去何从？
“量子霸权”之旅
谷歌研发量子计算机，与“量子霸权”这个词是分不开的。
量子霸权（Quantum Supremacy），也可翻译为量子优越性、量子至上，这是加州理工学院理论物理学教授John Preskill在2012年提出的概念，用来形容量子计算机可以完成任意一件经典计算机无法完成的任务。
当时谷歌还没有独立研究量子计算，他们从2009年开始与D-Wave公司合作，现任谷歌量子AI实验室负责人Hartmut Neven在NIPS（神经信息处理系统）2009大会上采用D-Wave的芯片组展示了图片和视频中的物体识别。
通过测试识别2万张图片中的汽车，证明比谷歌当时任何一个数据中心的速度都要快很多。
2013年5月，谷歌与NASA联手购入一台D－Wave Two量子计算机，同时建立量子人工智能实验室（Quantum Artificial Intelligence Lab，简称QuAIL），以对充满争议的D-Wave Two进行测试。
不过，科学界一直以来对D-Wave都不太看好，认为其所能提供的功能与普通计算机没什么差别，甚至不少科学家怀疑其根本算不上是量子计算机。
Martinis也是质疑D-Wave的科学家之一。他认为，D-Wave的机器确实具有量子计算的部分特征。不过，问题在于这个属于量子计算的部分特征并没有真正提升计算机的运算速度。
事实上上世纪80年代中期，Martinis就开始从事量子计算研究了，那会儿他还是加州大学伯克利分校的一个博士生。2002年以后，他的研究重点转向利用约瑟夫森结建造超导量子计算机。
2014年，他因为在量子控制、量子信息处理和具有超导量子位和微波光子的量子光学领域的突出贡献被授予了菲列兹·伦敦奖。
John Martinis
Martinis选择加入谷歌的目标只有一个，就是尽快实现“量子霸权”。尽管如此，谷歌并没有放弃D-Wave。
2015年12月，Hartmut Neven在一篇博文中宣称，谷歌已经验证，在涉及1000个以上二元变量的问题时，D-Wave量子退火显著优于经典计算机，它比在单核上运行的模拟退火算法快了1亿倍。
不过，有专家对此表示怀疑，认为这些说法夸大其词了。苏黎世联邦理工学院的Matthias Troyer表示，对模拟退火算法进行一下改进，就能把D-Wave的优势降到100倍，而另一些更加复杂的算法在普通计算机上运行时甚至能比D-Wave更快。
不可否认的是，Neven也知道D-Wave量子退火机不会很快准备好为谷歌工程师服务，因此他雇佣了Martinis来做这件事。
Martinis对他的硬件团队很有信心，目标是在两年内造出一台通用量子计算机（Universal Quantum Computer）。他的量子比特的退相干时间（也就是量子比特保持叠加态的时长）是几十微秒——比D-Wave芯片的数据高1万倍。
2016年6月，Martinis领导的硬件团队宣布开发出了一个量子计算机实验原型，可以解决在化学和物理等领域的各种问题，甚至可潜能扩大到更广泛的领域和系统中。
他们将铝原子冷却至0.02开氏度，将金属变成没有电阻的超导体。这样信息就可以被编码到量子比特的超导状态中。尽管仍然是一个原型，但它为谷歌研究通用量子计算之路开了个好头。
谷歌的量子计算原型
五个月后，谷歌向实用量子计算再进一步。Martinis团队与杜兰大学（Tulane University）的研究人员展示了一个完整的量子控制平台，这个平台可以同时控制3个超导量子比特。
通过设计用于操纵其系统中光子自旋的脉冲序列，他们创建了一个人造磁场（Artificial Magnetic Field），来影响由3个量子比特构成的闭环，使光子不仅能够与其它光子，而且能够与人造磁场间有强烈的相互作用。这是不小的进步。
但是距离实现“量子霸权”仍然十分遥远，这是因为控制的量子比特越多，退相干的可能也越大。在单个量子比特的水平上，还可以容忍微小的误差。一旦量子比特的数量增加，即使只增加相对很小的数量，误差也可能呈指数性增长。
MIT的Aram Harrow等人提出实现“量子霸权”需要满足五个条件：
1、首先这个计算任务必须定义明确。
2、对应该计算任务，要有一个合理的量子算法。
3、对于经典计算机可以满足的时间和空间。
4、计算复杂性理论基础假设（经典无法模拟量子的假设）成立。
5、计算结果可以得到验证。
这五个条件为量子霸权的实现指明了方向。
2017年，谷歌的主要竞争对手IBM制备了20量子比特的芯片，并展示了用于50比特芯片的测量设备，同时发布了QISKit的量子软件包。谷歌却几乎沉寂了一整年，而一年的潜心研究都是为了下一年的一鸣惊人。
2018年3月，谷歌迈出了实现“量子霸权”的关键一步。谷歌在美国物理学会年度会议上推出了他们的量子处理器Bristlecone，这一基于门的超导系统的目的是为研究系统错误率和量子比特技术的可扩展性以及量子模拟、优化和机器学习应用提供一个测试平台。
谷歌展示了Bristlecone最佳结果：读出错误率1%、单量子比特门错误率0.1%，以及最为重要的两比特量子门错误率0.6%。
之所以选择72个量子比特的规模是为了在未来实现“量子霸权”，使用表面代码探索一阶和二阶纠错，并推动量子算法在实际硬件上的部署。
谷歌乐观地认为Bristlecone可以实现“量子霸权”，连发Science、Nature展示其“量子霸权”蓝图。
谷歌将算法应用于使用复杂的多量子比特门的量子统计力学中的计算问题。结果表明，可以用来研究材料的基本特性，例如金属和绝缘体之间的微观差异。通过将这些结果扩展到具有大约50个比特的下一代设备，谷歌希望能够解决任何其他计算平台都无法解决的科学问题。
但是由于种种原因，谷歌在2018年实现“量子霸权”的愿望未能成行。其中一个重要原因是，“量子霸权”实验是一个巨大的工程，需要得到政府和科研机构的支持。
直到2019年，谷歌依靠能源部的超级计算机和NASA专家的支持，才完成了验证量子算法的艰巨任务。同年9月，一篇来自谷歌研究人员的论文刊登在了NASA的网站上，声称他们的量子系统能够在3分20秒内执行一个计算，当今最强大的超级计算机需要约10000年。
随后，这篇论文被删除，但谷歌实现“量子霸权”的新闻已经沸沸扬扬。一个多月后，谷歌才公开承认。
谷歌对基于Bristlecone处理器的系统进行了改造，设计了一个53量子比特的系统，代号Sycamore。
谷歌CEO皮查伊和量子计算机
其中，处理器采用倒装焊封装技术和可调量子耦合器等先进工艺和架构设计，实现了53位量子物理比特二维阵列的纠缠与可控耦合。它在解决随机量子线路采样问题时，具有远超过现有超级计算机的处理能力。
Sycamore处理器
尽管这项工作几乎没有实际应用，不过正如谷歌CEO皮查伊所说：“就像莱特兄弟发明飞机一样。虽然飞机第一次试飞只飞了12秒钟，看起来没有实际用处，但它证明了飞机飞行的可能性。”
如何推进商业化？
量子计算商业化，IBM无疑是走在前列，IBM Q Network成员涉及航空、汽车、银行、金融、能源、保险、材料、电子等多个行业。而谷歌研究量子计算的初衷更多是针对人工智能。
谷歌对人工智能的重视程度，全球也无出其右。谷歌联合创始人拉里·佩奇（Larry Page）和谢尔盖·布林（Sergey Brin）在20年前曾公开表示，人工智能将使公司转型：“理想的搜索引擎很聪明，它必须理解你的查询，并且必须了解所有文档，这显然是AI。”
2012年，“深度学习之父”Geoffrey Hinton（2019年图灵奖获得者）加入谷歌带领一个AI团队他将神经网络带入到研究与应用的热潮，将“深度学习”从边缘课题变成了谷歌等互联网巨头仰赖的核心技术。
皮查伊接任CEO后不久，他于2015年着手将谷歌重塑为“AI第一”公司。当时，谷歌已经有几个以研究为导向的AI部门，包括Google Brain和DeepMind（2014年收购），皮查伊专注于将所有关于智能的情报转化为新的更好的谷歌产品。
事实上，谷歌的AI影响力的影响范围远远超出了该公司的产品范围。外部开发人员（无论是初创企业还是大型公司）现在都使用谷歌的AI工具。现在有数百万台使用Google AI的设备，而这仅仅是开始。
谷歌内部包括AI实验室负责人Hartmut Neven认为，量子计算是深度学习的完美选择。但Martinis不以为然，直言机器学习（ML）是一种“愚蠢的算法”。
Martinis的理由是，机器学习算法的实现需要学习太多的范例。比如在照片中识别出汽车和猫，通常需要成千上万张精心挑选并注有标签的范例图片。他认为量子比特的惊人力量将缩小机器学习和真实生物学习之间的差距——并且重塑人工智能这个领域。
机器学习将转变为量子学习，这可能意味着软件可以从混乱的数据，或是较少的数据，甚至是在没有明确指示的情况下进行学习。2015年谷歌表示，10年后机器学习将全部量子化。
2018年12月，谷歌量子人工智能实验室发表的两篇论文，在理解量子计算机对学习任务的作用方面取得了进展。谷歌构建了一个量子神经网络（QNN），该模型专为短期内可能出现的量子处理器而设计。
一个简单的量子神经网络
这些QNN可以通过标记数据的监督学习来调整，谷歌表明有望训练它在MNIST数据集上进行图像分类任务。
而在宣布“量子霸权”后，谷歌量子计算应用于人工智能又往前迈进了一步。就在2020年3月，谷歌宣布推出量子机器学习开源库TensorFlow Quantum。这一开源库集成了谷歌之前开源的量子计算框架Cirq和机器学习框架TensorFlow。
Cirq于2018年7月底发布，它提供了一个软件模拟器来运行量子算法，不要求开发者必须有一台真实的量子计算机。而TensorFlow是一个封装了底层深度学习模型的软件库。谷歌将两者结合起来，能让开发者利用经典或者量子数据，快速打造一个混合的量子-经典模型原型，以期推动量子计算和机器学习社区发现更能发挥量子优势的新算法。
但整体而言量子机器学习还处于初级阶段。在通用量子计算机建造成功之前，量子机器学习算法很难在实际应用中展现出其数据处理方面的强大能力。
事实上，相比人工智能，谷歌量子团队在化学领域更早取得实质突破。2016年6月，谷歌就宣布与众多研究机构一起进行了首个完全可扩展的分子量子变相模拟。
研究人员采用了可变量子本征求解（VQE）这一方法，该方法可以理解为是神经网络的量子模拟。然后，将VQE的表现与另一种用于传统化学量子算法——相位估值算法（PEA）进行比较。结果表明，VQE量子化学模拟更接近实际情况。
基于早期量子计算装置，谷歌提出了三个可行的商业化应用，包括量子模拟、量子辅助优化和量子采样。这些领域内的更快计算速度将在人工智能、金融和医疗方面形成商业化优势。
谷歌认为，对化学反应和材料进行建模是最值得期待的量子计算实际应用之一。不需要花费数年时间，也不需要数亿美元的投入，研究人员通过计算机模拟，对数以百万计的候选方案进行研究，开发出少量新材料并确定其性能。
化学反应率对分子能量非常敏感，其跨度范围远远超出传统计算机的处理能力。开发出稳健的量子算法，就有可能在不需要大量量子纠错的前提下，完成一些重要材料的模拟任务。
不管是为飞机开发更强的高分子材料，为汽车开发高效的催化剂，为太阳能电池开发更有效的光电转换材料，还是为开发更好药物和的透气面料，更快的速度都将带来巨大的价值。
量子模拟可能率先实现，但谷歌最关心的应用领域是量子辅助优化，因为这与谷歌最看重的人工智能息息相关。
在物理、社会及各行各业的计量学科中，最核心也是最困难的计算任务就是优化。谷歌相信可以通过向经典采样引入量子现象，如隧穿效应去找到稀有但高质量的解决方案。
例如，量子增强算法可用于医疗保健行业，提高对患者的诊断结果。像谷歌、微软、亚马逊和Facebook这样的大型信息技术公司的搜索水平和推荐产品的质量也会得到大幅度提高。
另外量子辅助优化和推理技术能增强新型机器学习系统和人工智能系统的能力；提高可再生能源发电机、遥感和预警系统的管理能力；有助于仓库自动化和无人驾驶汽车的实现等。
在汽车领域，2017年谷歌量子与全球最大的汽车集团大众建立了合作关系。大众汽车旨在使用量子计算来模拟电动汽车电池的结构，完善其交通管理系统，并改善其用于自动驾驶的人工智能模块。
2019年底在里斯本举行的一场峰会上，大众汽车首次展示了量子计算在交通拥堵问题上的应用。大众在9辆公交车上安装了与量子路由系统相连接的平板电脑。通过系统引导，每辆公交车都可以找到自己最有效的行驶路径，从而避免交通拥堵。
而谷歌提出的第三个商业化前景——量子采样，对于人工智能也至关重要。从概率分布函数的抽样被广泛用于统计学和机器学习。理论上来讲，理想的量子电路可以从更大的概率分布函数中进行采样。
谷歌计算结果表明，涉及到高保真的小型量子门电路将可能从经典方法不能采样的概率分布函数中采样。这只需要一个25层的网络，每层使用了一个7×7量子比特的量子电路。
量子采样中相当有前景的应用是机器学习中的推理和模式识别。为了推动学术界和工业界的实验进程，谷歌提供了云计算接口来实现对谷歌量子硬件的访问。
量子计算云服务
从实现“量子霸权”到推动商业化进程，Martinis领导的硬件团队无疑起到了中流砥柱的作用，但谷歌还有一支神秘的软件团队，同样起到了不可忽视的作用。
这支专注于开发量子计算软件的团队，归属于谷歌X实验室旗下。相比硬件，X实验室量子团队对开发可在量子计算机上运行的新算法和应用程序更感兴趣，希望可以在这上面创造出供普通程序员进行开发工作的软件库。
应该说，谷歌量子计算能有今天的地位，是硬件团队和软件团队共同努力的结果。但是今年Martinis的离职，似乎给谷歌的量子计算商业化之路蒙上了一层阴影。
那么后“量子霸权”时代，面对IBM、微软、英特尔等巨头的围追堵截，谷歌能继续保持竞争力吗？
-End-
1930年秋，第六届索尔维会议在布鲁塞尔召开。早有准备的爱因斯坦在会上向玻尔提出了他的著名的思想实验——“光子盒”，公众号名称正源于此。