量子計算機的發展在過去十年中穩步推進,這得益于利用量子物理學獨特特性的承諾:量子比特(qubits)以 0 或 1 的形式存在,或者同時以 0 和 1 的形式存在。
多家公司現在通過 Amazon Web Services、Google Cloud 和 Microsoft Azure 等云平臺提供量子應用程序即服務。
部署量子計算機需要多種技術,因此更難預測該技術何時實用。隨著發展步伐的加快,許多專家仍然堅信,實用的量子計算機至少還需要十年的時間。
作為背景,美國政府問責局 (GAO) 的一份報告審查了量子計算的現狀和前景。本專欄主要借鑒了 GAO 報告。
模擬與量子比特門
物理量子比特是基本的構建塊。有兩種主要的量子計算方法:模擬和基于門的量子計算機。下表總結了兩種技術之間的差異。
![pYYBAGKq3PSAKO7jAAHtCTIGANI537.png](https://file.elecfans.com/web2/M00/4B/D6/pYYBAGKq3PSAKO7jAAHtCTIGANI537.png)
物理量子比特包括天然存在的粒子和人造結構。前者包括原子、俘獲離子和光子。俘獲離子和光子是該領域的領先技術。
人工物理量子比特模擬自然產生的粒子,創建量子比特門。量子門類似于傳統計算機中的邏輯門。
此類別包括超導電路、量子點和晶體缺陷。一個例子是鉆石碳晶格中的氮原子,稱為色心。超導電路在這一類別中占主導地位。
在從量子位設計量子計算機時,已經開發出操縱量子特性并將多個量子位相互糾纏的技術。這些操作是通過激光、微波、電場或磁場以及其他方法完成的。示例列在上表的底部。
量子挑戰
穩步發展可能很快會產生具有數千個量子比特的量子機器,并在 2030 年后接近 100 萬個量子比特。這樣的進步將極大地擴大云服務提供商、學術機構和企業的部署。
下表總結了量子開發人員面臨的挑戰。下面的部分概述了部署挑戰。
![poYBAGKq3QGAb94PAAS7E-CGXSg980.png](https://file.elecfans.com/web2/M00/4B/3B/poYBAGKq3QGAb94PAAS7E-CGXSg980.png)
糾纏是量子力學的一個關鍵特征,允許連接的量子比特相互作用。在一個例子中,例如,使用一個量子位進行測量可以揭示有關其他連接的量子位的信息。
疊加是另一個關鍵特征。一個量子比特同時作為所有可能狀態的組合存在。糾纏和疊加為量子計算機提供了傳統二進制計算機無法提供的額外處理能力。
維持量子比特糾纏是另一個技術挑戰。當糾纏消失時,量子計算不再有效。
有多種技術可以保持糾纏。量子比特與環境噪聲隔離是第一步。在超導溫度下運行量子比特可顯著降低環境噪聲。容錯是系統級別的另一種策略。
一些量子技術對環境噪聲具有內在的耐受性。俘獲離子方法似乎在該領域優于超導技術。
糾纏噪聲問題通常稱為退相干。當量子計算機向周圍環境丟失信息時,就會發生這種情況,因為系統松散地耦合到其周圍環境的活動狀態。量子比特必須保持一致性,量子機器才能正常運行。
由于依賴于量子比特狀態的不受干擾的演化,退相干仍然是量子實現的挑戰。相干性的保持和退相干效應的減輕與量子糾錯的概念有關。人們普遍認為,支持一系列量子應用的有意義的部署需要糾錯。
此外,量子信息無法復制,測量會破壞信息,從而阻礙經典糾錯技術的實施。量子糾錯技術已被證明,但實施起來具有挑戰性。糾錯程序適用于許多容易出錯的物理量子位。這些量子程序與傳統處理技術相結合,創建了模擬穩健、穩定的量子位(稱為邏輯量子位)的系統。
當前的量子平臺還表現出緩慢的 I/O 數據速率。未來的量子計算機將需要更快的數據速率來支持要求苛刻的量子應用程序。緩慢的 I/O 速率會降低整體利用率,因此量子計算在云服務等領域的價值會下降。
最小化退相干需要接近絕對零的操作,最初限制了企業 IT 應用程序的量子部署。在室溫附近運行的量子技術將有助于擴大部署。
至少有六種不同的量子技術正在使用或開發中,其他的也即將出現。技術戰很少有利于培育新的細分行業,造成市場不確定性。潛在用戶通常會延遲部署,直到出現明顯的贏家。新興的量子產業將受益于一兩種領先技術的出現。
當前的量子比特制造基礎設施和供應鏈是有限的。每臺機器將需要數千個物理量子比特,到 2025 年將增長到數十萬個量子比特。到 2030 年,最先進的機器可能包含 100 萬個或更多物理量子比特。
投資于物理量子比特制造和供應鏈的開發人員將成為量子應用部署的領導者。一旦當前的芯片短缺消退,如果超導專家能夠利用半導體行業的晶圓廠產能,他們可能會有優勢。
量子計算機還需要跨多個級別的許多軟件平臺的廣泛生態系統,包括量子算法和應用程序。將需要用于開發、測試和驗證量子應用程序的軟件開發工具包。其他要求包括以量子為中心的語言、編譯器和其他專注于獨特且要求苛刻的量子應用的開發工具。
開發量子應用程序的軟件將在 PC 或云平臺上運行。
利用開源軟件將有助于降低開發成本。跨多代和不同量子技術??的硬件抽象也將減少開發時間和成本。
當前的量子系統非常昂貴:GAO 報告估計每個物理量子位需要 10,000 美元。不成熟的技術預計成本會很高,尤其是復雜的量子設計。新版本和非常低的產量只會增加這些成本。新的投資和不斷增長的產量將有助于扭轉這些趨勢。更多的戰略規劃和合作也將有所幫助。
量子應用
當前的應用程序往往集中在幾個部分,如下表所示,主要來自 GAO 的評估。
糾纏和疊加的特性為量子應用創造了獨特的機會,否則這些應用需要大量時間才能執行——即使在超級計算機上也是如此。
隨著未來十年量子能力的發展,應用范圍有望擴大。隨著新應用的出現,用戶將找到使用量子計算機的新方法。
![pYYBAGKq3Q6APlcbAAHTIo9hc7Q579.png](https://file.elecfans.com/web2/M00/4B/D6/pYYBAGKq3Q6APlcbAAHTIo9hc7Q579.png)
優化問題也很適合量子技術。優化意味著找到實現目標的最佳決策或行動。在量子計算機上運行的可用算法可以改進優化方法。示例包括投資策略、最小化供應鏈成本以及確定太陽能、風能和其他可持續能源裝置的最佳位置。只有 50 個物理量子比特的機器可以為簡單的優化問題提供優于經典計算機的優勢。
隨著人工智能的出現,量子技術可用于加速機器學習算法,用于通過增強遺傳數據篩選來檢測疾病等應用。
量子計算機目前無法處理機器學習應用程序所需的大量數據。解決方案可能是混合機器,通過拆分計算以匹配量子和二進制計算機的能力來解決問題。這將需要新的軟件和協議來相應地分配任務。
量子計算機似乎能夠以指數級更少的步驟分解大量數字,比經典計算機快得多。對數字進行因式分解意味著找到一組唯一的素數,這些素數可以相乘以產生指定的結果。在經典計算機上,因式分解需要很長時間。
Rivest-Shamir-Adleman (RSA) 等加密算法依賴于此限制。因此,當量子計算機快速分解大量數字時,加密方法將變得脆弱。RSA 加密可能需要具有超過 100 萬個物理量子比特的機器,包括糾錯技術。
量子技術也可以用于檢驗物理理論,揭開宇宙的奧秘。此外,量子計算應用程序可用于分析來自高能物理實驗的數據。
多少個量子比特?
與經典計算機相比,提供顯著改進所需的物理量子比特的數量因應用而異。
IBM 最近的量子公告提供了量子縮放的一瞥。其 Eagle 量子處理器目前包括 127 個量子位,高于 2020 年發布的 Hummingbird 機器上的 65 個。IBM 的量子位路線圖包括計劃于 2022 年推出的 433 量子位 Osprey 處理器和計劃于 2023 年推出的 1,121 量子位處理器,稱為 Condor。
下表基于 GAO 數據總結了不同應用的量子比特要求。
![pYYBAGKq3RuAXCo0AAI1kyllxNg685.png](https://file.elecfans.com/web2/M00/4B/D6/pYYBAGKq3RuAXCo0AAI1kyllxNg685.png)
可用的量子計算機包括不到 100 個量子位。主要應用包括開發、測試和推進量子技術。有些在公共云平臺上可用。
少于 100 個物理量子比特的機器可以解決簡單的化學計算,并可能為一些優化問題提供優勢。
具有 1,000 個物理量子比特的量子計算機可以增強機器學習和優化問題。
基于云的量子能力仍將是 1,000 量子比特的領先部署機會。個別公司將需要大量此類機器。根據 IBM 的預測,這種情況可能會在 2023 年出現。
隨著物理量子比特的數量向 100,000 增加,應用范圍也在增加。例如,機器學習和相關的人工智能應用和模型將會擴展。
IBM 要在 2030 年達到 100,000 量子比特的里程碑,需要每年增長 90%。到 2023 年,IBM 的量子比特年增長率為 158%。因此,到 2030 年達到 100,000 個量子比特似乎是一個合理的賭注。
除此之外,量子部署將會起飛,因為可以更準確地解決更多問題。分解大量數字或模擬藥物分子可能需要超過 100 萬個物理量子位。發生這種情況時,當前的加密算法將不再安全。
底線
量子計算技術在過去五年中取得了進步,并有望在未來五年內進一步發展。根據 PitchBook 財務數據庫,2021 年風險投資大幅增加,投資額超過 10 億美元,超過前三年的總投資。
Quantum 將主要增強當前的計算機,很少取代當今的機器。新的量子技術將快速發展,創新應用將得到發展。隨著技術部署在幾年內加速,由經典計算機和量子計算機組成的混合系統將出現。
化學模擬可能是量子計算機影響最大的應用。這包括從藥物發現到電池技術進步的各種應用。
-
IBM
+關注
關注
3文章
1766瀏覽量
74864 -
人工智能
+關注
關注
1796文章
47683瀏覽量
240337 -
機器學習
+關注
關注
66文章
8441瀏覽量
133094 -
量子計算機
+關注
關注
4文章
532瀏覽量
25566
發布評論請先 登錄
相關推薦
評論