谷歌量子人工智能實驗室的 Masoud Mohseni、Peter Read、Hartmut Neven 及其同事規劃了通向終極量子機器的投資藍圖。
谷歌的低溫恆溫器在 10mK 溫度下運行量子處理器
從量子糾纏到與大分子化學反應,無法使用傳統二進制計算機有效描述的世界特徵有很多。解決這一難題的辦法,正如物理學家 Richard Feynman 在 30 年前意識到的,就是使用量子處理器,這種處理器同時混合了傳統狀態,恰如物質所做的那樣。然而,這樣的量子機器投入使用前需要克服很多技術障礙,其中包括誤差控制以及根據編碼信息的量子狀態運行保真度的提升。
人類正在打造終極量子計算機:一個可以容忍誤差和錯誤,解決一切問題的量子計算機。理論上講,這樣一臺由很多量子比特組成的大型處理器為核心的機器要比普通計算機更快,計算能力至少領先 10 年。糾正錯誤需要冗餘,量子比特的數量需要大幅度擴展。例如,1 天時間內對 2000 位數進行因式分解是經典計算機難以勝任的,而這也需要 1 億個量子比特進行計算,而且這是在每 100,000 個操作中只有 1 個量子位出錯的前提下。目前,我們還沒有組裝出具有數十個量子位的量子處理器的能力。
關於量子計算的保守觀點使得投資者認為這項技術只能在遠期獲得回報。但我們認為,如果這個小裝置在未來 5 年內出現,短期回報也不無可能,即使它們無法糾正全部錯誤。
理論保證的缺乏並不妨礙成功。結合了量子和經典方法的啟發式混合方法可以支撐強大的未來應用。神經網絡在機器學習方面的最近成功就是一個很好的例證。在上世紀 90 年代,訓練深度神經網絡的計算機還不存在,有著強大理論基礎的 convex 方法(以帶有清晰最小化解決方案的函數為基礎)在這一領域甚是流行。今天,這些方法並不適用於深度學習。神經網路的基礎算法很難改變,但是,多虧了摩爾定律,我們取得了一些令人稱奇的里程碑式的新成果。
相似地,儘管今天沒有證據表明非完美量子機器可以計算的足夠快以解決實際問題,但情況也許在改變。模擬和數字量子硬件的規模、保真度和可控性正在穩步提升。我們預測在幾年內,基於 CMOS(互補金屬氧化物半導體,complementary metal oxide–semiconductor)技術的可控量子系統執行特定任務的速度就會超過傳統計算機。
今天關於早期量子計算裝置,我們提出了三個可行的商業化應用:量子模擬、量子輔助優化和量子採樣。這些領域內的更快計算速度將在人工智能、金融和醫療方面形成商業化優勢。
量子計算機的發展不僅需要多學科互動,而且需要學界和業界緊密配合。製造足夠可靠、可控、商業化的裝置需要硬件水平的提升。解決現今硬件限制的實際問題需要啟發式量子算法。
三大商業前景
如果一些可行的技術進步成為現實,新興的量子處理器將有可能勝任以下幾類任務,並在未來幾年內具有商業價值:
量子模擬。對化學反應和材料進行建模是量子計算最有可能的一個應用。研究者可以在計算機中研究數百萬的候選而不用再花費數年,投入數億的美元製造和定性少量材料。不管目標是用於飛機的更強的高分子材料,用於汽車的更有效的觸媒轉換器,用於太陽能電池的更好材料,更好的醫學品還是更透氣的纖維,更快的發現途徑將會帶來巨大價值。
計算材料發現已經是一個很大的產業。量子計算將為它帶來根本的轉變:從質量和描述到數量和預測。化學反應率對分子能量極其敏感,且橫跨的範圍已超出經典計算機的處理能力。如果穩健的算法成為現實,或許無需充分的量子錯誤糾正就可以完成材料模擬的任務。例如,已知的算法(例如量子力學變分計算的方法)有可能不需要量子位錯誤控制。
很多種商業模型可以提供量子模擬器。實驗室可以允許付費訪問。計算機公司可以充當顧問。一些企業也許會交換股權,以換取量子輔助的突破並帶來創新材料的發展。
量子輔助(Quantum-assisted)優化。在物理、社會科學和各行業所有涉及量化計算的學科中,最核心也是最困難的計算任務就是優化。這些優化問題很難用常規計算機解決。因為算法只能緩慢地遍歷所有數學上可能的解決方案,而優良的解決方案可能隱藏在難以克服的計算障礙之後。最常見經典的算法就是使用統計學方法(如熱能分佈/thermal energy distributions)來「越」過這些障礙。我們認為這種經典類型的採樣(classical sampling)能通過引入量子現象的偶發性(如量子隧道,穿過障礙傳遞量子信息)達到加強的效果,從而找到也許很少見但十分高質量的解決方案。
這些芯片只有 6x6mm 的尺寸,控制 6 個量子比特
例如:推薦系統和廣告競價策略需要使用最優化的算法為消費者提供最及時有效的信息。基於量子計算和普通計算機的混合方式可以提高此類任務在很多領域中的服務質量。物流公司可以用新的方法每天優化他們的日程安排,計劃和產品分配,醫療診斷也將變得越來越快捷準確。在新架構的幫助下,科技公司如谷歌、微軟、亞馬遜和 Facebook 提供的搜索或產品推薦質量都會得以提高。
量子採樣。從概率分佈中抽樣的方法廣泛應用與統計和機器學習領域。理論上,理想的量子電路可以比普通計算機更快地對更大概率分佈範圍進行採樣。我們的計算表明,即使是相對小電路的高保真量子門(7 × 7 量子比特,深度 25)也可以對經典架構無法觸及的概率分佈進行取樣。
事實上,從淺量子電路中對概率分佈進行採樣或許是「量子霸權」的一大例證——這一術語是由理論物理學家 John Preskill 創造的,用以描述量子處理器能在短時間內完成明確的數學任務的能力。此類任務即使是經典架構的超級計算機(如我國的神威·太湖之光)也無法在有限的時間內完成。我們相信在未來的幾年裡,證明量子霸權的實驗就會出現。
量子採樣的潛在應用是機器學習中的推理和模式識別。為了促進學界和業界的發展,谷歌計劃開放雲計算接口,向開發者們提供接觸量子計算的機會。
技術障礙
量子計算目前距離商業化還有一段距離,一些技術挑戰必須得以解決。量子計算機硬件需要擴大規模以與目前的計算機硬件競爭,而目前架構的計算機已經在摩爾定律之下發展了數十年。量子比特需要量子相干性以形成量子糾纏,這相當於經典計算機需要有增益的晶體管。如何實現大規模和相干性是量子計算機系統面臨的較大挑戰。這些問題即使在理論上也是難以解決的,因為量子信息無法被複制,而量子計算機中的子系統相互糾纏,這導致所有設計都要以全局的角度來思考。
我們認為超導量子比特是量子計算機最有前景的形式。基於標準集成電路和超導技術,這種架構相對而言容易被構建和掌控。這種架構已經存在多種不同的模擬量子處理器了,它們可以滿足不同的任務需求。此前,10 量子比特的高保真系統已經研製成功,這也證明了超導方式的可行性。
同時,一些新的技術正在幫助超導量子計算解決擴展性的問題,如超導撞擊禁錮(superconducting bump bonds),這是一種包含信息處理單元和和控制電路的雙層架構。目前,1000 量子比特的「量子退火」原型機已經進入商用,這些機器是模擬量子處理器,可為找到某些任務的最優解決方案提供便利。
目前還不完美的量子計算機還需要獲得更多改進。淺量子電路需要更高的柵極保真度和更多穩定性以限制去相干。量子退火機器則需要在連接性,控制精度和相干時間方面得到改進。此外,我們最終需要的仍是一個能夠替代量子退火的方案。
谷歌使用射頻和微波電子設備製造可擴展的控制硬件
商業機遇
一個新技術可以通過三種方式加入市場提升業務:即增加利潤、降低引入新技術或降低基礎生產設備的投資。在數字化時代,引入一種新技術可以造成指數級的影響:即使只會提升產品 1% 的質量,同樣能幫助公司在用戶量或利潤上帶來壓倒性的增長。這就是「超新星效應」,它在市場的競爭、透明度和效率上起著重要的作用。
如果早期量子計算設備只要能給現行的計算速度或功率提升一點點,早期採用量子計算的公司將會獲得很大的利潤。其競爭對手也會面臨著很高的進入壁壘才能提供相同質量的服務或產品,這也因為只有少數專家才能編寫量子算法,企業也需要比較長的時間來設計新算法。對這種壟斷(disruptions)更為開放的市場是多信息(information-rich)和數字化的市場,並且還涉及到依賴於許多變量的商業挑戰。這種開放性市場就有如金融服務、健康醫療、物流和數據分析。
公司需要審視自己的需求和供給才能制定商業案例。需求分析可以用以下方法來評估:首先需要確定「最小可行性產品」,因為早期量子創新僅僅只是憑藉著核心特徵加入市場。然後評估該量子創新是不是解決市場現有的需求(擬合產品和市場)、產品商業化所需要的時間(上架速度)和市場的反響(業務跟蹤)。
例如,破解加密(通常媒體宣稱為數字化量子計算機的「殺手級應用」)就在市場契合度方面得分不高。也許該應用某一天會被免疫量子攻擊的密碼系統所淘汰。並且大多數私營企業對破解加密系統並不感興趣。相比之下,證券投資組合優化和風險管理需要即時的數據反饋,而這些需求都能從量子強化模型(quantum-enhanced models)中受益。更加高效的量子化學(quantum-chemistry)計算將變革製藥的發展、催化轉化器(catalytic converters)、太陽能電池和肥料。
量子輔助(Quantum-assisted)優化和推斷技術能增強新型機器學習和人工智能系統。這些系統不僅能加強對可再生能源發電機的管理,還能提升遙感衛星和早期預警系統的的工作效率。這些技術還有助於對在線商品和服務的動態定價、倉庫自動化及自動駕駛汽車。
而在供給側,公司還將通過評估他們團隊和技術的質量來區分定位自己。量子計算的開拓學者與企業家需要一起工作。也許這一點很具挑戰性,因為學術的激勵通常和初創文化或工業界並不一致。
戰略合作伙伴關係通常能幫助企業脫穎而出。為了吸引風險投資,優秀的量子產品應該是擁有少量資產的商業模式,其製造成本低廉並能很明顯地幫助客戶創造價值。通過雲端,將經典求解器(solvers)應用到簡單任務,並在需要的時候調用量子處理器,公司就能從使用現有的雲數據中心獲得收益。
下一步
量子計算機領域很快就會出現爆發性的技術突破。但新硬件技術需要的相應算法能否及時出現還有待探討。但隨著量子計算機變得實用化,對其進行專門優化的算法必將逐漸進入人們的視野。
在下一個十年裡,學界、業界以及國家實驗室會同心協力開發新的量子計算模擬方式和量子機器學習算法。谷歌計劃在這一過程中通過提供基於雲端的量子處理器服務,為缺乏必要資金、專業能力和設備的開發者提供幫助。