如何验证量子芯片是否正确计算?

一种新的方法可以确定电路是否正确执行了传统计算机无法解决的复杂操作。

如何验证量子芯片是否正确计算?

在迈向实用量子计算的一步中,麻省理工学院,谷歌和其他地方的研究人员设计了一种系统,该系统可以验证量子芯片何时能够准确执行传统计算机无法执行的复杂计算。

量子芯片使用称为“量子位”的量子位执行计算,量子位可以表示对应于经典二进制位的两个状态(0或1)或两个状态的“量子叠加”。独特的叠加状态可以使量子计算机解决传统计算机几乎无法解决的问题,从而可能在材料设计,药物发现和机器学习等领域取得突破。

全面的量子计算机将需要数百万个量子位,但这还不可行。在过去的几年中,研究人员已开始开发包含大约50至100量子位的“噪声中级量子”(NISQ)芯片。这足以证明“量子优势”,这意味着NISQ芯片可以解决某些经典计算机难以处理的算法。但是,验证芯片是否按预期执行操作会非常低效。芯片的输出看起来可能是完全随机的,因此需要很长时间来模拟步骤以确定一切是否按计划进行。

在今天发表在《自然物理学》上的一篇论文中,研究人员描述了一种新颖的协议,可以有效地验证NISQ芯片已经执行了所有正确的量子操作。他们在定制量子光子芯片上运行的一个极其困难的量子问题上验证了其协议。

“随着工业和学术界的飞速发展,我们已经超越了能胜过传统机器的量子机器的风口浪尖,量子验证的任务变得至关重要,”电气工程和计算机科学系的博士后第一作者雅克·卡洛兰(Jacques Carolan)说。 EECS)和电子研究实验室(RLE)。“我们的技术为验证多种量子系统提供了重要工具。因为如果我投资数十亿美元来制造量子芯片,那肯定会做一些有趣的事情。”

麻省理工学院的EECS和RLE以及Google Quantum AI实验室,Elenion Technologies,Lightmatter和Zapata Computing的研究人员将Carolan纳入论文中。  

分而治之

研究人员的工作实质上是将量子电路产生的输出量子状态追溯到已知的输入状态。这样做可以揭示对输入执行了哪些电路操作以产生输出。这些操作应始终与研究人员编写的程序匹配。如果不是这样,研究人员可以使用这些信息来确定芯片上哪里出了问题。

卡罗兰说,新协议的核心是“可变量子解采样”,它是一种“分而治之”的方法,它将输出量子状态分解为多个块。“我们不需要一次很长时间地完成全部操作,而是逐层进行此解密。这使我们能够分解问题,以更有效的方式解决它。” Carolan说。

为此,研究人员从神经网络(通过多层计算解决问题)中汲取了灵感,构建了一个新颖的“量子神经网络”(QNN),其中每一层代表一组量子运算。

为了运行QNN,他们使用传统的硅制造技术来构建一个2 x 5毫米NISQ芯片,该芯片具有170多个控制参数,这些可调电路组件使操纵光子路径更加容易。从外部组件以特定的波长生成成对的光子,并将其注入芯片中。光子穿过芯片的移相器(它们会改变光子的路径)相互干扰。这将产生一个随机的量子输出状态-表示在计算过程中将发生的情况。输出由一组外部光电探测器传感器测量。

该输出将发送到QNN。第一层使用复杂的优化技术来挖掘嘈杂的输出,以查明所有加在一起的单个光子的签名。然后,它“解扰”该组中的单个光子,以识别哪些电路操作将其返回到其已知的输入状态。这些操作应与任务的电路特定设计完全匹配。所有随后的层都进行相同的计算-从方程式中删除以前未加扰的光子-直到所有光子均未加扰。

例如,假设输入处理器的量子位的输入状态全为零。NISQ芯片对量子位执行一堆操作,以生成大量的,看似随机变化的数字作为输出。(输出数量将一直处于量子叠加状态,因此会不断变化。)QNN选择该大量数量的块。然后,它逐层确定哪些操作将每个量子位还原回其输入状态零。如果有任何操作与原始计划的操作不同,则说明出现了问题。研究人员可以检查预期输出与输入状态之间的任何不匹配情况,并使用该信息来调整电路设计。

玻色子“未采样”

在实验中,研究小组成功运行了一项流行的计算任务,该任务用于证明量子优势,称为“玻色子采样”,通常在光子芯片上执行。在此练习中,移相器和其他光学组件将操纵一组输入光子并将其转换为输出光子的不同量子叠加。最终,任务是计算某个输入状态与某个输出状态匹配的概率。从本质上讲,这将是一些概率分布的样本。

但是由于光子的不可预测的行为,传统计算机几乎不可能计算这些样本。从理论上讲,NISQ芯片可以相当快地计算它们。但是,由于NISQ操作和任务本身的复杂性,到目前为止,还没有方法可以快速,轻松地进行验证。

卡洛兰说:“赋予这些芯片量子计算能力的相同特性几乎使它们无法验证。”

在实验中,研究人员能够在其自定义NISQ芯片上“解采样”遇到玻色子采样问题的两个光子-只需很短的时间即可采用传统的验证方法。

“这是一篇出色的论文,它使用非线性量子神经网络来学习黑匣子执行的未知unit运算,”约克大学量子科学专业的计算机科学教授Stefano Pirandola说。“很明显,该方案对于验证由量子电路(例如,由NISQ处理器执行)的实际门可能非常有用。从这个角度来看,该方案是未来量子工程师的重要基准测试工具。这个想法明显地在光子量子芯片上实现了。”

卡罗兰说,尽管该方法是为量子验证目的而设计的,但它也可以帮助捕获有用的物理性质。例如,某些分子在激发时会振动,然后基于这些振动发射光子。通过将这些光子注入光子芯片,Carolan说,解扰技术可用于发现有关那些分子的量子动力学的信息,以帮助生物工程分子设计。它也可以用来解读携带量子信息的光子,这些量子信息通过湍流空间或材料而积累了噪声。  

原创文章,作者:AIIAW,如若转载,请注明出处:https://www.aiiaw.com/1890.html