量子计算是如何工作的,现在发展到了哪一阶段

电子说

1.3w人已加入

描述

(文章来源:36氪)

量子计算机将复杂任务分解成许多简单任务,与人类相比,计算机处理简单任务时快很多,这就是计算机的优势所在。但经典计算机存在限制:任务必须按顺序出现。正因如此,如果任务太复杂,或者数据库太大,想找到解决方案就会耗费很长时间。许多时候问题太庞大,从数学层面看,即使是最强大的超级电脑也没有办法突破序列任务设定的障碍,但量子计算机可以,因为它有一些有趣的特征:叠加、纠缠和干涉。

为了解释这种现象,我们回退一步。当计算机将复杂任务分解成简单小任务时,最简单的任务是什么?就是在两个选项之间选择,比如在A或者B、真或者假、头或者尾之间选择,这些都是二元问题。在计算机中,二进制代码(用1或者0代表)可以转化为计算机电路开关中的“开或者关”。虽然二进制解决方案(信息比特)能以惊人的速度交流信息,但读取时必须一个接一个读取。量子计算机的效率高很多。与比特等价的是量子比特,从本质上讲它相当于一个可以承载可测量信息的粒子。

比特必须以一种二元状态或者另一种状态存在,但量子比特可以以量子态(叠加)存在,它可以在同一时间以两种状态存在。量子力学从很大程度上说就是概率游戏,量子比特变成状态A或者B的概率可能是50/50,也可能是70/30、10/90或者其它比例。

你可以这样想像:量子比特的位置位于AB之间,或者位于球面的某个位置,球的一端是A状态,另一端是B状态。不论怎样,因为量子有叠加特点,所以它可以同时在多个位置出现。为了找到问题的解决方案,量子比特一次可以沿多条路径前进,但比特一次只能选一条。

迪杰斯特拉算法(Dijkstra)可以帮我们找到抵达目的地效率最高的路径,量子比特没有必要一条一条路探索(经典计算机正是这样做的),它可以同时分析多条路径,以更快的速度找到最棒的路径。当问题越复杂,输入信息越庞大,经典计算机寻找路径的时间就会越长。量子计算不一样,它的效率高很多。

想挖掘量子叠加的优势,时间很关键,因为量子比特与测量设备接触时叠加特性会受到影响。我们管这种物理法则叫作“观测者效应”。粒子虽然会同时表现出粒子和波的特点,但是当我们观测时只能记录其中一种。到底记录到其中的哪一种取决于观测。所以说,当我们想探知量子比特携带怎样的信息时,就会面临这样的障碍。

我们可以利用量子力学的第二个特点来克服 “观测者效应”,这个特点就是“纠缠”(entanglement)。物理家已经证实“纠缠”的存在,也就是两个粒子不管相隔多远,都能联系在一起。现在我们可以操纵几十个量子比特,让它们变成单一的纠缠状态,这样我们就能建立一个网络,它有2的n次方种可能性(n就是网络中量子比特的数量),它们可以协同工作。

如果量子比特携带相同的信息,如何处理?那就要谈谈量子干涉了,粒子具有波的特点,干涉是波的特征之一。当波峰与波峰相遇,波谷与波谷相遇,彼此互补,效果就会放大,这就是相长干涉。如果波峰与波谷相遇,就会抵消,这就是相消干涉。当超过一个量子比特处于相长干涉状态,它们的效果就会放大,这样就可以传输信息了。

要想让量子网络真正发挥潜能,还有一些障碍要跨越。虽然与经典计算机相比量子计算机解决问题的速度更快(也就是所谓的量子优势),但是即使是当今最大、最稳定的量子系统,在商业上还是没有实用价值。实际上,往纠缠系统中添加量子比特是一件非常难的事,因为网络非常脆弱。1998年,IBM、牛津、加州伯克利大学、斯坦福、MIT成功将一对量子比特组合。20年后,谷歌刷新纪录,将量子比特数量增加到72个。

虽然纠缠能从一定程度上解决“观察者效应”这一问题,但是量子状态还是容易被破坏,而且量子特征的持续时间也很有限。量子系统必须在退出叠加状态、进入退相干状态之前找到解决方案,否则就会失败。外部因素也会导致量子比特退出叠加状态,虽然我们可以增加量子比特的数量,但是量子比特越多,越容易受到外部因素的影响。现在行业一般会用激光器、磁场、超导体创建一个环境,延长量子状态的寿命,这样能降低“出错率”。

当出错率下降,观测系统也许能取得突破,我们可以根据观测开发更棒的量子算法。一些行业玩家已经允许客户通过云进入量子计算网络,这样就能让研发变得更容易。一旦我们可以建立足够庞大、足够稳定的量子比特网各,一旦出错率降得足够低,量子计算机解决经典问题时速度会更快,不只如此,它还可以解决经典计算机解决不了的问题。

到了这一阶段就能实现“量子霸权”。也有人认为“量子霸权”不可能实现,因为受到了物理原则和理论的限制,量子计算不可能走到这一步。

(责任编辑:fqj)

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分