Google 的新型量子计算机可以在 6 秒内完成了一项世界上最好的计算机需要 47 年才能完成的任务。量子计算机将改变我们理解

@onlychigua Google 的新型量子计算机可以在 6 秒内完成了一项世界上最好的计算机需要 47 年才能完成的任务。

6 秒内完成 47 年运算， Google 量子计算机轻松碾压世界第一超算 #抽屉IT

谷歌的新量子计算机能在几秒内执行其竞争对手 47 年才能完成的任务

谷歌的新量子计算机能在几秒内执行其竞争对手 47 年才能完成的任务谷歌近日宣布在量子计算机研发方面取得重大突破，声称已实现“量子霸权”。他们声称，他们的量子计算机可以在几秒钟内执行超级复杂的计算，而竞争对手最快的超级计算机需要大约 47 年才能完成。这不是谷歌第一次提出这样的说法。2019年，他们宣称量子霸权，但怀疑论者质疑他们主张的有效性。他们的竞争对手 IBM 认为，谷歌 Sycamore 量子计算机完成的任务并不是特别具有挑战性，并且在技术上可以由经典机器执行，尽管速度要慢得多。这一成就背后的谷歌研究人员在他们发表在 arXiv 预印本服务器上（尚未经过同行评审）的论文中解释说，量子计算机有潜力执行超出经典计算机能力的任务。他们进一步强调，在根据改进的经典方法评估计算成本时，他们的实验超越了现有的经典超级计算机。谷歌宣布推出的 Sycamore 量子处理器的升级版本，其现在运行在 70 个量子位上，而之前的量子位为 53 个。量子处理器拥有 70 个量子位，可以存储和处理 70 个量子信息单位，这对于任何经典计算机来说都是不可能完成的任务，无论其速度如何。为了说明功率的增加，该团队表示，经典超级计算机 Frontier 需要 6.18 秒才能匹配 Google 53 量子位计算机的计算，但需要 47.2 年才能匹配最新计算机的计算。

谷歌宣布量子计算机新突破：经典超算需 47 年的任务可在几秒内完成

谷歌宣布量子计算机新突破：经典超算需 47 年的任务可在几秒内完成谷歌科学家近日在 ArXiv 平台上发布预印本论文，表示在量子计算机方面取得重大突破，可以在几秒内完成了一台经典超级计算机需要 47 年才能完成的计算任务。谷歌于 2019 年推出了 53 量子位的 Sycamore 处理器，而本次实验进一步升级了 Sycamore 处理器，已提升达到 70 个量子位。谷歌表示升级 Sycamore 处理器之后，虽然受到相干时间等其它因素的影响，其性能是此前版本的 2.41 亿倍。在实验中，科学家们执行了随机电路采样任务。在量子计算中，这涉及通过运行随机电路和分析结果输出来测试量子计算机的性能，以评估其在解决复杂问题方面的能力和效率。谷歌表示业内最先进的超级计算机 Frontier 需要 47.2 年才能计算完成的任务，53 个量子位的 Sycamore 处理器只需要 6.18 秒就能完成，而新版 70 个量子位的 Sycamore 处理器速度更快。 via 匿名标签: #Google #超算频道: @GodlyNews1 投稿: @GodlyNewsBot

新研究揭示重新配置的经典计算机有能力超越量子计算机

新研究揭示重新配置的经典计算机有能力超越量子计算机量子计算被誉为一种在速度和内存使用方面都能超越经典计算的技术，有可能为预测以前不可能预测的物理现象开辟道路。许多人认为，量子计算的出现标志着经典或传统计算模式的转变。传统计算机以数字比特（0 和 1）的形式处理信息，而量子计算机则采用量子比特（量子位），以 0 和 1之间的数值存储量子信息。在某些条件下，这种以量子位处理和存储信息的能力可用于设计量子算法，从而大大超越经典算法。值得注意的是，量子以 0 和 1 之间的数值存储信息的能力使得经典计算机很难完美地模拟量子计算机。然而，量子计算机很不稳定，容易丢失信息。此外，即使可以避免信息丢失，也很难将其转化为经典信息，而经典信息是进行有用计算的必要条件。经典计算机不存在这两个问题。此外，巧妙设计的经典算法可以进一步利用信息丢失和翻译这两个难题，以比以前想象的要少得多的资源模拟量子计算机正如最近发表在《PRX Quantum》杂志上的一篇研究论文所报告的那样。科学家们的研究结果表明，与最先进的量子计算机相比，经典计算可以通过重新配置来执行更快、更精确的计算。这一突破是通过一种算法实现的，这种算法只保留了量子态中存储的部分信息只够精确计算最终结果。纽约大学物理系助理教授、论文作者之一德里斯-塞尔斯（Dries Sels）解释说："这项工作表明，改进计算的潜在途径有很多，包括经典方法和量子方法。此外，我们的工作还凸显了利用容易出错的量子计算机实现量子优势有多么困难。"为了寻求优化经典计算的方法，塞尔斯和他在西蒙斯基金会的同事们把重点放在了一种能忠实呈现量子比特之间相互作用的张量网络上。这些类型的网络出了名的难处理，但该领域的最新进展使得这些网络可以借用统计推理的工具进行优化。作者将该算法的工作与将图像压缩成 JPEG 文件进行了比较，JPEG 文件可以通过消除信息，在几乎感觉不到图像质量损失的情况下，使用更少的空间来存储大型图像。"为张量网络选择不同的结构，就相当于选择不同的压缩形式，就像为图像选择不同的格式，"领导该项目的 Flatiron 研究所约瑟夫-廷德尔（Joseph Tindall）说。"我们正在成功开发用于处理各种不同张量网络的工具。这项工作反映了这一点，我们相信，我们很快就会进一步提高量子计算的标准。"编译自:ScitechDaily ... PC版：手机版：

《深入理解计算机视觉》