量子计算任重道远，实验证明经典计算机也能运行量子算法​

光子盒研究院出品

量子计算有潜力解决经典计算机无法解决的问题，但我们距离这个目标还很远，最近的研究表明，一些量子算法不一定只能在量子处理器上运行，在经典计算机上也能运行良好。

在近期发表于npj quantum information的一篇论文中，瑞士洛桑联邦理工学院(EPFL)教授Giuseppe Carleo、美国哥伦比亚大学和纽约Flatiron研究院的研究生Matija Medvidović实现了一种在经典计算机上执行复杂量子计算算法的方法。这个复杂的算法就是量子近似优化算法(QAOA)。

QAOA用于解决数学中的经典优化问题；本质上，这是一种从一组可能的解中选择问题的最优解的方式。“人们对量子计算机可以有效地解决什么问题很感兴趣，QAOA是一个比较突出的候选算法，”Carleo说。

最终，QAOA是为了帮助我们走向“量子加速”，即量子计算机实现比经典计算机处理速度的预期提升。

QAOA有许多支持者，包括谷歌，他们的目标是在不久的将来实现量子技术和计算：2019年他们创建了一个53量子比特的量子处理器Sycamore，并宣布实现了“量子霸权”。

在研究中，他们解决了该领域一个关键的开放性问题：在当前和近期量子计算机上运行的算法能否在具有实际意义的任务中提供比经典算法更大的优势？回答这个问题之前，首先需要了解经典计算在模拟量子系统中的局限性。这一点尤其重要，因为当前一代量子处理器在运行量子算法时会出错，因此只能运行有限复杂度的算法。

利用经典计算机，两位研究人员开发了一种方法，可以近似模拟被称为变分量子算法的一类特殊算法的行为，这是计算量子系统最低能量态或“基态”的方法。QAOA是这类量子算法的一个重要例子，研究人员认为，QAOA是近期量子计算机中最有希望获得“量子优势”的候选算法之一。

该方法基于这样一种理念，即现代机器学习工具，例如用于学习围棋等复杂游戏的工具，也可用于学习和模拟量子计算机的内部工作。这些模拟的关键工具是神经网络量子态(Neural Network Quantum States)，这是Carleo于2016年与Matthias Troyer共同开发的一种人工神经网络，在本次研究中首次用于模拟QAOA。

QAOA量子电路（来源：Nature）

Carleo说：“我们的工作表明，可以在当前和近期量子计算机上运行的QAOA也可以在经典计算机上进行模拟，具有很高的精度。然而，这并不意味着一切可以在近期量子处理器上运行的有用量子算法都可以被经典地模拟。事实上，我们希望我们的方法能够成为设计新的量子算法的指南，这些算法对经典计算机既有用又难以模拟。”

参考链接：

[1]https://www.nature.com/articles/s41534-021-00440-z

[2]https://actu.epfl.ch/news/running-quantum-software-on-a-classical-computer/

—End—

相关阅读：

#光子盒社群招募中#

进入光子盒社群，与我们近距离互动，了解量子领域更多产业、商业、科技动态，领取量子技术产业报告。

现添加社群助手微信Hordcore即可进群 ，与我们一起展望未来！

你可能会错过：