news 2026/8/29 6:51:02

量子计算机实现无条件指数级优势突破

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
量子计算机实现无条件指数级优势突破

量子计算机刚刚击败了经典计算机——指数级且无条件地

量子计算机有潜力加速计算、帮助设计新药物、破译密码以及发现奇异的材料,但这只有在它们真正能运行时才成立。

其中一个关键阻碍是:噪声,或者说在量子机器上计算过程中产生的错误——这实际上使得它们比经典计算机更不强大——直到最近。

南加州大学维特比工程学院工程学教授 Daniel Lidar 一直致力于研究量子纠错。在一项与南加州大学和约翰斯·霍普金斯大学合作者共同进行的新研究中,他通过云端使用两台由127量子比特处理器驱动的量子计算机,展示了量子指数级扩展优势。该论文《阿贝尔隐藏子群问题的算法量子加速演示》发表在 APS 旗舰期刊《物理评论 X》上。

Lidar 表示:“之前已经有过更适度类型加速的演示,例如多项式加速。但指数级加速是我们期望从量子计算机上看到的最戏剧性的加速类型。”

Lidar 说,量子计算的关键里程碑始终是证明,相对于普通的‘经典’计算机,我们能够以扩展加速的方式执行完整的算法。

他澄清说,扩展加速并不意味着你可以把事情做得快100倍。“相反,它是随着你通过增加更多变量来扩大问题的规模,量子性能和经典性能之间的差距会不断增长。而指数级加速意味着,每增加一个变量,性能差距大约会翻倍。此外,我们演示的加速是无条件的。”

Lidar 解释说,使加速变得‘无条件’的是它不依赖于任何未经证实的假设。先前的加速声明需要假设没有更好的经典算法可以作为量子算法的基准。在这里,由 Lidar 领导的团队使用了一种为量子计算机修改的算法来解决“西蒙问题”的一个变体,该问题是量子算法的早期例子,理论上可以无条件地比任何经典对应物以指数级更快地解决任务。

西蒙问题涉及在数学函数中寻找一个隐藏的重复模式,被认为是著名的肖尔整数分解算法的前身,后者可用于破解密码并启动了整个量子计算领域。西蒙问题就像一个猜谜游戏,玩家试图猜测一个只有游戏主持人(“预言机”)知道的秘密数字。一旦玩家猜出两个数字,且预言机返回的答案相同,秘密数字就会被揭示,该玩家获胜。量子玩家可以比经典玩家以指数级更快的速度赢得这个游戏。

那么,团队是如何实现指数级加速的呢?论文第一作者、南加州大学博士生研究员表示:“关键在于从硬件中榨取每一分性能:更短的电路、更智能的脉冲序列以及统计误差缓解。”

研究人员通过四种不同的方式实现了这一点:

首先,他们通过限制允许的秘密数字的数量(技术上是通过限制秘密数字集合的二进制表示中1的数量)来限制数据输入。这比原本需要更少的量子逻辑操作,从而减少了错误累积的机会。

其次,他们使用一种称为“转换编译”的方法,尽可能地压缩了所需的量子逻辑操作数量。

第三,也是最关键的一点,研究人员应用了一种称为“动态解耦”的方法,这意味着应用精心设计的脉冲序列,使量子计算机内量子比特的行为与其噪声环境分离,并保持量子处理在正轨上。动态解耦对他们演示量子加速的能力产生了最显著的影响。

最后,他们应用了“测量误差缓解”,这是一种在动态解耦之后,由于算法结束时测量量子比特状态的不完美而残留的某些误差进行查找和校正的方法。

Lidar 表示:“量子计算社区正在展示量子处理器如何在特定任务中开始超越其经典对应物,并正在进入经典计算根本无法触及的领域。我们的结果表明,今天的量子计算机已经坚定地站在了具有扩展量子优势的一边。”

他补充说,随着这项新研究的出现,“性能差距无法逆转,因为我们所演示的指数级加速是首次无条件的。”换句话说,量子性能优势正变得越来越难以辩驳。

下一步:

Lidar 提醒道:“这个结果除了赢得猜谜游戏外,没有实际的应用价值。在声称量子计算机已经解决了实际现实世界问题之前,还有很多工作要做。”

这需要演示不依赖于事先知道答案的‘预言机’的加速,并在进一步减少越来越大的量子计算机中的噪声和退相干的方法上取得重大进展。尽管如此,量子计算机在提供指数级加速方面先前‘停留在纸面上的承诺’,现在已经得到了坚实的证明。
更多精彩内容 请关注我的个人公众号 公众号(办公AI智能小助手)或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号(网络安全技术点滴分享)

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/8/28 5:37:04

减少模型加载时间:Qwen权重缓存优化实战

减少模型加载时间:Qwen权重缓存优化实战 1. 为什么“加载慢”是边缘AI落地的第一道坎 你有没有试过在一台没有GPU的笔记本上跑大模型?刚敲下python app.py,光等模型加载就卡住半分钟——进度条不动、内存狂涨、风扇呼呼响,最后还…

作者头像 李华
网站建设 2026/8/24 19:44:56

机器学习里面什么是过拟合?如何解决?

过拟合(Overfitting)是机器学习中的一个重要概念,指的是模型在训练数据上表现得很好,但在未见过的新数据(例如测试数据)上表现较差的现象。过拟合表明模型学习到了训练数据中的噪声和细节,而不是…

作者头像 李华
网站建设 2026/8/16 14:00:02

GPT-OSS-20B部署全流程:从显存准备到WEBUI使用

GPT-OSS-20B部署全流程:从显存准备到WEBUI使用 1. 这不是普通的大模型,是OpenAI开源的轻量级实战选手 你可能已经听说过GPT-OSS系列——它不是OpenAI官方发布的闭源模型,而是社区基于公开技术路径复现并持续优化的一套高性价比推理方案。其…

作者头像 李华
网站建设 2026/8/21 23:12:57

Qwen3-0.6B实时翻译系统:低延迟部署优化实战

Qwen3-0.6B实时翻译系统:低延迟部署优化实战 你是否遇到过这样的场景:在跨国会议中,发言刚落,翻译却还在加载;在跨境电商客服后台,用户消息进来三秒后才弹出响应;或者在嵌入式设备上跑翻译模型…

作者头像 李华
网站建设 2026/8/27 3:37:15

HoRain云--深入解析JavaScript BOM:掌控浏览器窗口的秘密

🎬 HoRain云小助手:个人主页 🔥 个人专栏: 《Linux 系列教程》《c语言教程》 ⛺️生活的理想,就是为了理想的生活! ⛳️ 推荐 前些天发现了一个超棒的服务器购买网站,性价比超高,大内存超划算!…

作者头像 李华
网站建设 2026/8/19 19:56:38

GTX 1660也能跑!低配GPU运行Seaco Paraformer指南

GTX 1660也能跑!低配GPU运行Seaco Paraformer指南 你是不是也以为语音识别这种AI任务,非得RTX 4090才能玩得动?其实不然。今天我要分享的这个阿里开源的中文语音识别模型——Seaco Paraformer,在一块普通的GTX 1660上就能流畅运行…

作者头像 李华