其他
美国计算机协会：实现“量子优势”落地的指导方针
随着量子生态系统的扩展：硬件、软件、中间件等， 围绕着NISQ量子系统的早期混合版本、经典-NISQ混合版本，甚至是在经典系统上运行的所谓量子启发算法能否在现阶段提供某种形式的量子优势，出现了激烈的辩论。坦率地说，考虑到日益多样化的销售宣传和许多不断变化的、量子优势定义，带来了众多困惑。
一个重要的问题是找到有意义的应用（具有学术或商业利益），在量子计算机上解决的速度实际上比经典计算机快。——这是实际的量子优势，或简称为“量子实用性”。
不过大体上，人们同意容错的量子计算将是最终的游戏，而且它还需要几年时间（5年、10年、20年......）。目前公认的是，大约需要一百万个物理量子比特来提供一万个错误纠正的量子比特。
那么，我们将能够用这样的机器做什么，而我们不能在先进的经典HPC系统上做什么？哪些应用又将确实地从量子计算中受益？
美国计算机协会(ACM)发表了研究人员Torsten Hoefler（苏黎世联邦理工学院）、Thomas Häner（AWS）和Matthias Troyer（微软）合作，制定、发布了量子应用程序开发新指南——《将炒作与实用分开：在现实中实现量子优势(Disentangling Hype from Practicality: On Realistically Achieving Quantum Advantage)》，为量子的实用性确定了明确的指导方针。
“规模化的量子计算的承诺是真实的。它将解决人类面临的一些最困难的挑战。然而，它不会解决每一个挑战。”
当今世界面临的许多问题可以归结为化学和材料科学问题。更好、更高效的电动汽车依赖于找到更好的电池化学成分；更有效、更有针对性的癌症药物依赖于计算生物化学；而那些可以持续足够长的时间，但之后又能迅速降解的材料，则依赖于这些领域的发现。
如果量子计算机只对化学和材料科学有利，那就足够了。历史上，创新的主要时代（石器时代、青铜时代、铁器时代、硅器时代）都是以材料命名的，这是一个原因。据估计，化学和材料科学的创新对96%的制成品产生了影响，而这些制成品对人类的影响是100%。
“我们评估量子实用性的框架显示，化学和材料科学问题受益于量子加速，因为像模拟单一化学品的相互作用等活动可以用其轨道上电子之间有限的相互作用强度来表示。虽然对其特性的许多近似计算是常规进行的，但这些操作在经典计算机上往往呈现出指数级的复杂，但在量子计算机上却十分高效。”
为了评估量子与经典计算的潜力，研究人员创建了一个关于量子计算机能力和缺点的一般模型。他们将一台按比例计算的量子计算机的假设性能（有10000个快速、纠错的逻辑量子比特，或大约100万个物理量子比特，逻辑门操作的时间为10μs）与一台有单个最先进的GPU(NVIDIA A100 GPU)的经典计算机进行了比较。
结果显示，“为了建立可靠的准则，或者说是量子计算机所需速度的下限，我们对量子的态度偏于乐观，而对经典计算则过于悲观。”
1）I/O带宽
实验考虑了限制量子计算机与经典世界互动的基本I/O瓶颈，这决定了数据输入和输出带宽的界限。量子随机存取存储器（QRAM）的可扩展实现需要一个容错的纠错实现，那么带宽就从根本上受到单位时间内可执行的量子门操作或测量数量的限制。
假设每个输入位只有一个门操作，未来量子计算机所产生的速率比现有的经典芯片要小10000倍。甚至，任何受限于访问经典数据的问题，如数据库中的搜索问题，都会被经典计算机更快地解决。同样，在线性代数问题中，当矩阵必须从经典数据中加载，或者当完整的解决方案矢量应该被读出时，潜在的指数级的量子加速消失了。一般来说，量子计算机将实用于小数据的“大计算”问题，而不是大数据问题。
2）交叉规模(Crossover scale)
随着量子速度的提高，在量子计算机上需要的操作渐进地比在经典计算机上少。然而，由于操作复杂度高、门操作慢，量子计算机上的每个操作都会比相应的经典操作慢。为了产生真正的实际影响，交叉时间必须短，不超过几周。常数在确定应用的效用方面很重要，就像计算中的任何运行时间估计一样。
3）计算性能
为了对性能进行建模，团队采用了经典并行计算中著名的工作深度模型(work-depth model)来确定经典硅基计算的上限，并对量子计算进行了扩展。
4）经典和量子计算的交叉时间(crossover time)
为了估计交叉时间的下限，虽然经典和量子计算机都必须评估描述一个问题的相同函数，但由于量子加速，量子计算机需要更少的评估。
在二次加速的情况下，即使是单一的浮点或整数操作也会导致几个月的交叉时间。此外，最多可以承受68个二进制逻辑操作，这对任何非琐碎的应用来说都太低了。考虑到这些估计对于经典计算是悲观的，而对于量子计算（只考虑尾数的乘法，并假设所有对所有的量子比特连接）是过度乐观的，实验团队得出了明确的结论：二次加速对于实际的量子优势是不够的；即实际的量子优势至少需要三次或四次的速度提升。
由于我们对量子计算过于乐观的假设，即使量子技术有了多个数量级的重大进展，这些结论仍然有效。
现在，可以用这些考虑来讨论几类量子实用性应用。
最有可能实现实际量子优势的问题是那些具有指数级量子加速的问题。这包括化学、材料科学和量子物理学问题的量子系统模拟，以及使用肖尔算法的密码分析。
高度结构化问题的线性方程组的求解也有指数级的加速，但如果矩阵必须从内存加载而不是根据有限的数据计算，或者需要了解完整的解决方案（而不是仅仅通过采样解决方案获得一些有限的信息），上面讨论的I/O限制将限制实用性并消除这一优势。
同样重要的是，我们需要在应用的迷宫中找出可能的死角。大量具有二次量子加速的问题领域，如许多目前的机器学习训练方法、用Grover算法加速药物设计和蛋白质折叠、通过量子行走加速蒙特卡罗模拟，以及更传统的科学计算模拟，包括许多非线性方程组的解决方案，如湍流系统中的流体动力学，天气和气候模拟等，在可预见的未来、利用目前的量子算法不会取得量子优势。
不仅如此，确定的I/O限制制约了量子计算在大数据问题、非结构化线性系统和基于Grover算法的数据库搜索方面的性能，因此在这些情况下不太可能加速。
这些考虑有助于在寻找量子应用时将炒作与实用性分开，并能指导算法的发展。具体来说，分析表明科学家们有必要关注超二次方的加速，最好是指数级的加速，而且在推导出最能利用量子计算的算法时，人们需要仔细考虑I/O瓶颈。因此，最有希望的量子实用性候选人是具有指数级加速的小数据问题。例如，化学和材料科学中的量子问题。
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！
|qu|cryovac>
|qu|cryovac>
你可能会错过：|qu|cryovac>