作者:By Lakshmi Chandrasekaran
研究量子系统并不容易——这些系统由遵循量子力学反直觉规则的粒子组成。海森堡不确定性原理量子理论的基石之一表明,不可能同时精确测量一个粒子的位置和速度——这对于理解发生了什么是非常重要的信息。
为了研究某一特定的电子集合,研究人员必须巧妙地进行。他们可能会拿一个装有电子的盒子,在其中以各种方式扰动它,然后在最后拍下它的状态。通过这样做,他们希望重构出内部的量子动力学过程。
但是有一个前提:他们不能同时测量系统的所有属性。所以他们会进行迭代。他们会从系统开始,测试,然后测量。然后再重复这个过程。每次迭代中,他们会测量一组新的属性。累积足够的快照,机器学习算法可以帮助重建原始系统的全部属性——或者至少非常接近。
这是一个繁琐的过程。但理论上,量子计算机这些机器,根据量子规则运行,有可能在模拟量子系统的工作原理方面比普通计算机更好。它们不仅可以将信息存储在经典的二进制内存中,还可以将其存储在一个更复杂的形式中,称为量子内存。这使得对粒子的描述更加丰富和准确。这也意味着该计算机可以在其工作内存中保持多个量子状态的副本。
几年前,一个基于加州理工学院的团队演示了某些使用量子内存的算法比不使用的算法需要指数级少的快照。他们的方法是一个重大进步,但需要相对大量的量子内存。
这实际上是一个重大障碍,因为从实际角度来看,量子内存很难获得。一台量子计算机是由相互连接的量子比特(称为量子位)组成的,这些量子位可以用于计算或存储但不能同时用于两者。
现在,两个独立的研究团队提出了使用远少于之前所需的量子内存的方法。第一种方法是纸张, 陈思坦哈佛大学的一位计算机科学家和他的合作者证明,只需要两份量子态的副本就能指数级地减少你需要对量子系统进行快照的次数。换句话说,量子记忆几乎总是值得投资的。
“这些两份或三份的测量结果比人们想象的要更有威力,”他说。库安 Richard Kueng奥地利林茨约翰开普勒大学的一名计算机科学家。
为了证明这一点,陈和他的合作者结合了信息论,一个研究信息传输和处理的数学领域,以及专门用于量子纠错以及量子计算的经典模拟。
这篇论文出现在科学预印本网站arxiv.org的第二天,位于加州威尼斯的谷歌量子AI团队发布了一篇帖子另一篇论文得出了类似结论。这项工作侧重于量子化学领域的应用。
综合结果也体现了更为根本的目标。几十年来,量子计算社区一直在努力确立量子优势——量子计算机能够完成而经典计算机则会难以应对的任务。通常,研究人员将量子优势理解为量子计算机可以用远少于经典计算机的步骤来完成任务。
新的论文表明,量子记忆使量子计算机能够在执行任务时减少所需的数据量,而不仅仅是步骤的减少。因此,研究人员认为这本身就可以成为证明量子优势的一种方式。“它允许我们在更短期限内就已经实现这种量子优势,”黄欣源谷歌量子AI的物理学家。
但研究人员也为实际好处感到兴奋,因为新的成果使研究人员更容易理解复杂的量子系统。
“我们正逐渐接近人们真正想在这些物理系统中测量的事物,”他说。贾罗德·麦克莱恩谷歌量子AI的计算机科学家。