Google Quantum AI：除了纠错，还有哪些进展？

光子盒研究院出品

一直以来，谷歌的科技底蕴都是其长盛不衰的竞争力。

过去三年间，谷歌在人工智能、机器学习、量子科技等领域研发上投资超1000亿美元；2022年至今，更是取得了许多重大进展。

2023年初，谷歌AI的总负责人Jeff Dean在Google Research 社区公开表示，“在过去十年中，谷歌所做的大部分研究都是为了追求类似的愿景——帮助人们更好地理解周围的世界并完成任务。2022年，我们在人工智能、算法和计算机系统、自然科学、机器人等领域都取得了一系列进展，2023年，我们也将持续这些课题。”

涉及生物学、物理学等自然科学领域，谷歌团队也表示，“随着机器学习(ML)和量子计算的惊人进步，我们现在有了强大的新工具，使我们能够根据自己的好奇心采取行动，以新的方式进行合作，并从根本上加快实现突破性科学发现的进展。利用量子计算机改善我们对宇宙本质的理解，我们都被这项工作的巨大潜力所鼓舞。”

当谈到科学进展时，量子计算仍处于起步阶段，但这项技术有很大的潜力。谷歌正在探索推进量子计算能力的方法，以使其成为科学发现和突破的工具。通过与世界各地的物理学家合作，谷歌也开始使用我们现有的量子计算机来创造有趣的物理学实验。

作为这种实验的一个例子，请考虑这样的问题：一个传感器测量一些东西，然后计算机处理来自传感器的数据。传统上，这意味着传感器的数据在我们的计算机上作为经典信息被处理。相反，量子计算的想法是直接处理来自传感器的量子数据。将来自量子传感器的数据直接转换成量子算法，而不经过经典测量，这可能会带来很大的优势。在最近与多所大学的研究人员合作撰写的一篇《科学》论文中，我们表明，只要量子计算机直接与量子传感器耦合并运行学习算法，量子计算就能从比经典计算少得多的实验中提取信息。

该团队从理论上证明，用标准或经典技术进行相同的表征将需要成倍增加的实验才能学习相同的信息。

机器学习物理状态的量子计算优越性。

学习物理动力学的量子计算优越性。

这种“量子机器学习”即使是使用今天的嘈杂中等规模(NIST)的量子计算机，也可以在数据集的大小上产生指数级的优势。因为实验数据往往是科学发现的限制因素，量子机器学习有可能将为科学家释放量子计算机的巨大力量。更妙的是，这项工作的见解也适用于对量子计算输出的学习，例如量子模拟的输出。

即使没有量子ML，量子计算机的一个强大的应用是在实验中探索量子系统，进行观察或模拟。2022年，量子人工智能团队使用这种方法观察到了使用超导量子比特的多个微波光子处于束缚态(bound state)的首个实验证据。光子通常不相互作用，需要额外的非线性元素来导致它们相互作用。谷歌利用悬铃木量子计算机，对这些相互作用进行了模拟：结果令人吃惊，科学家曾认为这些束缚态是脆弱的，但相反，它们面对相对较强的扰动时也能保持稳健。

n个光子束缚态的占用概率与离散时长的关系。可以观察到，大多数光子（颜色较深）保持在一起。

这不仅开启了设计利用光子间相互作用的系统的可能性，也标志着谷歌在使用超导量子处理器模拟非平衡量子动力学、做出全新科学发现方面向前迈进了一步。

最后，谷歌表示，“鉴于我们在应用量子计算进行物理学突破方面所取得的初步成功，我们对这项技术在未来实现突破性发现的可能性充满希望，这可能会像创造晶体管或GPS一样产生重大的社会影响。量子计算作为一种科学工具的未来是令人兴奋的!”

参考链接：

[1]https://ai.googleblog.com/2023/02/google-research-2022-beyond-natural.html

[2]https://www.science.org/doi/10.1126/science.abn7293

[3]https://ai.googleblog.com/2022/06/quantum-advantage-in-learning-from.html

[4]https://www.nature.com/articles/s41586-022-05348-y

[5]https://ai.googleblog.com/2022/12/formation-of-robust-bound-states-of.html

相关阅读：

每周一到周五，我们都将与光子盒的新老朋友相聚在微信视频号，不见不散！

你可能会错过：|qu|cryovac>