京企发布量子计算 “超强大脑”

京企发布量子计算“超强大脑”近日，北京科技企业玻色量子发布新一代550计算量子比特的相干光量子计算机——“天工量子大脑550W”，比经典计算在实际应用问题上实现数万倍加速，而量子计算与人工智能融合，将推动量子实用化再进一步，为各行各业装上量子计算的“超强大脑”。“量子计算机完成一次巨量规模计算的过程，只需要5.4毫秒，也就是刚刚这个矿泉水瓶掉落所需时间的约1%。”北京玻色量子科技有限公司创始人、COO马寅用矿泉水瓶落地的过程做起了量子计算效率的直观演示。（北京日报）

量子计算机在适当的错误控制下更擅长猜测

量子计算机在适当的错误控制下更擅长猜测科学家们通过有效抑制位串猜谜游戏中的错误，管理长达26位的字符串，实现了量子加速。他们表明，通过适当的错误控制，即使在当前嘈杂的量子计算时代，量子计算机也能以比传统计算机更好的时间尺度执行完整算法。通过有效地减少在这个级别经常遇到的错误，他们成功地管理了长达26位的位串，比以前可能的要大得多。（对于上下文，一位指的是二进制数，可以是零或一）。量子计算机有望解决某些问题，其优势会随着问题复杂性的增加而增加。但是，它们也极易出错或产生噪音。Lidar表示，挑战在于“在当今量子计算机仍然‘嘈杂’的现实世界中获得优势。”当前量子计算的这种容易产生噪声的条件被称为“NISQ”（噪声中级量子）时代，该术语改编自用于描述经典计算设备的RISC架构。因此，任何现有的量子速度优势证明都需要降噪。一个问题的未知变量越多，计算机通常就越难解决。学者们可以通过玩一种游戏来评估计算机的性能，以了解算法猜测隐藏信息的速度有多快。例如，想象一下电视游戏Jeopardy的一个版本，参赛者轮流猜测一个已知长度的秘密单词，一次一个完整的单词。在随机更改秘密单词之前，主持人只为每个猜出的单词显示一个正确的字母。在他们的研究中，研究人员用位串替换了单词。一台经典计算机平均需要大约3300万次猜测才能正确识别26位字符串。相比之下，一台功能完美的量子计算机，在量子叠加中提出猜测，只需一次猜测就可以确定正确答案。这种效率来自运行25多年前由计算机科学家EthanBernstein和UmeshVazirani开发的量子算法。然而，噪声会显着阻碍这种指数量子优势。激光雷达和Pokharel通过采用称为动态去耦的噪声抑制技术实现了量子加速。他们花了一年的时间进行实验，Pokharel在USC的激光雷达下担任博士生。最初，应用动态解耦似乎会降低性能。然而，经过多次改进后，量子算法按预期运行。解决问题的时间比任何经典计算机都慢，随着问题变得越来越复杂，量子优势变得越来越明显。激光雷达指出，“目前，经典计算机仍然可以绝对地更快地解决问题。”换句话说，报告的优势是根据找到解决方案所需的时间尺度而不是绝对时间来衡量的。这意味着对于足够长的位串，量子解决方案最终会更快。该研究最终表明，通过适当的错误控制，即使在NISQ时代，量子计算机也可以执行完整的算法，并且比传统计算机更能缩短寻找解决方案所需的时间。...PC版：https://www.cnbeta.com.tw/articles/soft/1364371.htm手机版：https://m.cnbeta.com.tw/view/1364371.htm

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《PRXQuantum》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（DriesSels）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（JosephTindall）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：https://www.cnbeta.com.tw/articles/soft/1426054.htm手机版：https://m.cnbeta.com.tw/view/1426054.htm