查看原文
其他

打破谷歌量子霸权!经典计算机扳回一城

返朴 2022-05-18

The following article is from 光子盒 Author 光子盒研究院


点击上方蓝字“返朴”进入主页,可关注查阅往期文章


出品 | 光子盒研究院


也许量子霸权或量子优越性并没有我们想象的那样强大。在3月4日的arXiv论文上,两位中国研究人员利用经典器件就实现了对谷歌量子优越性的超越。至此,潘建伟、陆朝阳团队的九章是目前唯一实现量子优越性的机器。

 

2019年10月,谷歌的论文称他们的Sycamore量子处理器在200秒内完成了一项任务,估计在Summit超级计算机上需要10000年。但IBM后来提供了一篇论文分析,指出使用不同的体系结构,即使用RAM和硬盘空间来存储和操作状态向量,一台高性能的经典计算机可以在2.5天内完成这项工作。

 

此前,阿里巴巴采用了一种叫张量网络(tensor network)的经典模拟方法已经将谷歌的优势从10000年缩短为20天。现在,来自中国科学院的Feng Pan和Pan Zhang继续采用张量网络方法,虽然计算时间仍需5天,但保真度远高于谷歌的结果。

 


中国科学院的张潘及其博士生潘峰使用60个英伟达GPU组成的小型计算集群在5天的时间内完成了谷歌的量子优越性实验。他们从具有53个量子比特和20个周期的Sycamore电路中生成了100万个固定条目的相关位串,线性交叉熵基准保真度(FXEB为0.739,远高于谷歌的结果。

 

论文称,基本上有两种方法来模拟量子电路。第一种方法存储和演化全量子态向量ψ,称为薛定谔方法。基于这种方法,Google估计在Summit超级计算机上模拟20个周期的 Sycamore电路需要10000年的运行时间。

 

第二种方法,不是将所有2n个位串概率存储在内存中,而是基于张量网络计算一个或一小部分位串概率。中国研究团队采用的就是这种方法。

 

他们提出了一种big-head张量网络方法,来计算量子电路的大量位串概率。


与谷歌的方法相比,他们的方法能够输出任何位串的确切幅度和概率,而且产生的噪声更少。他们还能计算条件概率并相应地进行采样,这对谷歌的量子电路硬件来说是困难的。

 

对应于量子电路的准三维张量网络的图示。最左边的一层表示初始状态,最右边的一层表示结束状态,其中蓝色圆圈表示测量的(封闭的)量子比特,它固定了最终位串s中的条目,而红色圆圈表示开放的量子比特,其中s中的相应条目可以变化。黄色平面C切入张量网络,并将网络分成两部分,Ghead和Gtail,如左下角。Ghead包含所有封闭的量子比特,Gtail包含所有开放的量子比特。Ghead和Gtail进一步被分为两个子图,直到子图的大小小于60。右下角显示GheadGtail之间的瓶颈(bottleneck),由C给出。


谷歌量子优越性实验的目标是获得大量采样,实现足够高的FXEB用于具有足够深度的Sycamore电路,从而使经典计算难以处理该任务


现在,中国研究团队已经在XEB保真度方面超越了谷歌。

 

FXEB计算公式如下:

 


其中,L是位串的数量,PU(si)是电路U中位串的概率,这需要精确计算振幅。

 

当采样由波特-托马斯分布生成时,FXEB=1。如果从随机均匀分布中对位串进行采样,则FXEB=0。在谷歌的量子优越性实验中,他们实现了FXEB=0.002。

 

而在最新的工作中,在不失一般性的情况下,他们将32个条目固定为s1=0,0,0,····,0,并列举了位串中其他21个条目的所有可能组合。这就产生了221个相关位串的集合。

 

由于为所有221个位串分配了相等的权重,所以位串的分布可以被视为均匀分布Pgen(s1;s2) = 2−21,给定FXEB应该依赖的其余32个条目s1的赋值。

 

他们绘制了获得的221个比特串的直方图,其中可以看到获得的分布非常接近波特-托马斯分布。

 

左图中红线代表波特-托马斯分布,所有位串的FXEB=-0.000926;右图为从按概率排序的总共221个位串中后选择的位串集合计算的FXEB


通过选择具有最高概率的位串,他们得到FXEB=0.739的106位串(bitstrings),远高于谷歌的结果。

 

53个量子比特20个周期Sycamore电路不同方法计算量的比较。

 


中国研究团队通过在60个GPU上运行张量网络算法,在线性交叉熵基准保真度方面超越了谷歌的实验,使得谷歌的量子优越性已经不复存在。因为量子优越性必须全方位超越经典计算机,而不是仅在某一方面领先。

 

然而,全量子方法仍然有显著的优势,因为谷歌在200秒内提供了答案,而不是5天。

 

该论文作者也承认,“我们的实验也反映出谷歌硬件相比我们的几个优势”,“最重要的一点是,谷歌硬件在对具有足够深度的量子电路进行采样方面要快得多,而我们的算法具有指数复杂性,因此在深度和量子比特数量上都不可扩展。

 

因此,如果谷歌能够用更多的量子比特或更高的级别重新运行他们的实验,那么GPU实现的成本和运行时间将很快使这种方法变得难以处理。

 

但最新的实验目的不在于赶超量子计算机。研究人员表示,他们希望研究这种新开发的张量网络模拟方法的使用,将经典计算和NISQ量子计算相结合,以解决具有挑战性的现实世界问题。


本文经授权转载自微信公众号光子盒”。论文链接:https://arxiv.org/pdf/2103.03074.pdf


相关阅读

1  谷歌“量子霸权”核心人物:我为什么从谷歌辞职?

2  IBM驳斥谷歌,量子霸权 VS 量子优势,量子计算离我们还有多远?

3  如何看待“量子霸权” | 诺奖得主Wilczek专栏

4  在量子计算机到来之前,请准备好抗量子破解的密码学


近期推荐

1  一位好导师什么样?看诺奖得主提出的10条黄金标准丨开启科研之路

2  物理学的十大预言

3  施一公:如何成为一名优秀的博士生?

4  所有自然数之和是-1/12?它在物理学中还有特别的应用?丨众妙之门

5  HPV疫苗打完就安全了吗?男生也要打吗?几岁打最有用?一文讲清关于HPV的一切 | 病毒超话


特 别 提 示

1. 进入『返朴』微信公众号底部菜单“精品专栏“,可查阅不同主题系列科普文章。

2. 『返朴』提供按月检索文章功能。关注公众号,回复四位数组成的年份+月份,如“1903”,可获取2019年3月的文章索引,以此类推。


收不到推送了?快加星标!!




长按下方图片关注「返朴」,查看更多历史文章

微信实行乱序推送,常点“在看”,可防失联

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存