清华量子计算成果登顶刊,首次发现噪声影响量子优势
量子计算领域研究新发现!噪声引发量子优势忽然消失。清华大学丘成桐数学科学中心助理教授魏朝晖团队最新研究成果发表在Science子刊。
(研究题为"关联生成中量子优势的突然消亡"登上综合性子刊Science Advances)
简单来说,量子计算机既然强大,我们现在需要做的是确保其稳定运行。
长期研究表明,噪声干扰阻碍量子计算机发挥作用。研究噪声如何影响量子计算优势是克服这一难题的关键。魏朝晖团队的研究发现:
当量子信息协议中的噪声强度超过某一阈值时,明显的量子优势可能会突然消失。
这和我们直觉相悖:通常我们认为随着噪声增加,量子计算机性能会逐渐下降。
通过深入分析,研究人员得出了量子优势忽然消失的数学描述。
学术界首次发现噪声引发量子优势忽然消失,揭示了噪声对量子计算的巨大危害。
如果未来广泛使用量子计算,这将引导人们更有效地应用成本高昂的量子纠错机制。
学术界首次揭示噪声引发量子优势忽然消失
总体而言,研究作出以下贡献:
成功描述了噪声逐渐影响量子优势的过程;
发现了噪声引发量子优势忽然消失的现象;
具体的研究过程如下。
人们早就知道,强噪声导致量子计算可被经典计算快速模拟,导致量子优势完全消失。然而,弱噪声带来更多复杂情况。
换句话说,弱噪声如何影响量子优势尚处于“黑箱”状态。
更进一步,问题就是:
如果噪声从零开始慢慢增加,如何准确描述其影响量子优势的动态过程?
在量子计算广泛应用之前,理解这一动态过程至关重要,但至今对这个问题的了解仍有限。
魏朝晖团队取得突破性进展,发现噪声导致量子优势忽然消失的现象。
团队发现描述这一动态过程存在两个明显困难。
首先,即使没有噪声干扰,准确描述量子优势本身就很困难。
以Shor算法为例,虽久已是量子计算里程碑(快速分解大整数),由于其经典复杂性未定,对量子优势的严格数学描述至今未实现。
其次,噪声在量子计算中的复杂数学结构直接阻碍对带噪声情况下量子优势的研究。
2019年,谷歌声称旗下“悬铃木”量子计算机在随机电路采样任务中击败当时最强大的经典计算机。然而,噪声对“悬铃木”的影响引发学术界激烈争论,焦点在于量子优势是否真实可靠。
如何应对呢?
通过近年研究,魏朝晖团队发现关联生成模型有重要作用。
在无噪声环境下,该模型有效地描述量子协议和经典协议的最小代价,利用PSD rank和nonnegative rank两个数学概念,准确量化量子优势。
换言之,这个模型是对量子优势实现精确量化的理论框架,可为研究噪声如何影响量子优势提供指导。
根据关联生成模型,团队成功描述了噪声逐渐影响量子优势的过程。
详细研究包括:
强噪声如何影响模型可达性
弱噪声如何影响量子协议代价
研究结果显示:强噪声显著降低量子关联生成模型的可达性。(即量子系统是否能从初始状态达到目标状态)
而对于弱噪声,虽不会完全抹除量子信息,但会增加实现量子协议的成本。
量子协议成本通常涵盖实现这些协议所需的量子资源(如量子比特数量、量子门数量及复杂度等)以及错误校正的需求。
也就是说,在弱噪声下,量子系统可能仍表现出比经典系统更优秀的性能,但需要更多量子资源来保持这种优势。
需要注意,计算PSD rank和nonnegative rank的复杂度均为NP-Hard,精确估计相当困难。
(NP-Hard是计算复杂性领域概念,指那些至少和NP问题同等难度的问题,而NP问题是指能在多项式时间内验证解的问题)
不过,团队解决了这一问题,具体过程如下:
简而言之,虽然直接计算PSD rank和nonnegative rank是NP-Hard的,但研究团队提供了这两个秩的修正版本。这些修正版本考虑了噪声影响,可通过特定PSD分解和非负分解构建上下界。
同时,通过成功描述上述动态过程,团队揭示了噪声引发量子优势的突然消失现象。
该发现表明,在量子信息处理中,噪声可能以更严重方式显现其危害。
总的来说,这项工作提供了全新研究视角和工具,深入探究噪声对量子优势的影响。
清华大学丘成桐魏朝晖团队新发现
论文独立通讯作者为魏朝晖,现任清华大学丘成桐数学科学中心助理教授。
2009年清华计算机系博士毕业后,魏朝晖进入新加坡量子研究中心从事博士后研究,之后于2018年加入清华交叉信息研究院,于2021年6月加入丘成桐数学科学中心,至今担任助理教授。
他专注于量子计算理论研究,涉及量子信息理论、量子计算复杂性、量子人工智能、量子纠错等领域。
他的部分成果发表在IEEE Transactions on Information Theory、Physical Review Letters、Mathematical Programming和npj Quantum Information等学术期刊上。
论文共同一作为交叉信息研究院2021级博士生孙维孝,丘成桐数学科学中心2021级博士生魏付川,以及丘成桐数学科学中心2020级博士生邵钰菓。
论文:
https://www.science.org/doi/10.1126/sciadv.adr5002
广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考。
1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。