AICon 北京站 Keynote 亮点揭秘,想了解 Agent 智能体来就对了! 了解详情
写点什么

谷歌 Willow 开创了量子霸权的新里程碑

作者:Sergio De Simone

  • 2025-01-08
    北京
  • 本文字数:1531 字

    阅读完需:约 5 分钟

谷歌 Willow 开创了量子霸权的新里程碑

谷歌宣布推出了代号为 Willow 的全新 105 量子比特的超导芯片,该芯片解决的一项量子霸权实验如果让传统计算机来模拟,至少需要 3 亿年才能完成。更重要的是,该芯片展示了量子硬件实现容错的一种方法,这似乎铺平了其大规模扩展的道路

长话短说,《自然》杂志上的一篇 论文 介绍了 Willow,它表明可以将一些物理量子比特组合成逻辑量子比特,这样逻辑量子比特级别的错误率就会随着物理量子比特数量的增加而降低:


我们测试了越来越大的物理量子比特阵列,从 3x3 编码量子比特网格扩展到 5x5 网格,再到 7x7 网格——每次,利用我们在量子纠错方面的最新成果,我们都能够将错误率降低一半。实现这一目标的前提是“低于阈值”,即物理量子比特级别的错误率低于给定阈值。这使得逻辑错误率随着物理量子比特的增加而呈指数下降。


Scott Aaronson 在评论这一发布时写道,虽然这一进化并不具有革命性,但它是 30 年来在量子计算容错方面努力的顶峰,它还跨越了一个重要门槛,使行业将迎来“基本上,逻辑量子比特 [将] 被保存和作用于任意时长,从而实现可扩展的量子计算”的里程碑时刻。


需要注意的是,谷歌的结果仅限于一个逻辑量子比特。此外,它只表明了逻辑量子比特可以在降低错误率的同时扩大规模,而不是实现了足够低的错误率。事实上,Willow 的逻辑错误量级为 10^-3,而根据 Aaronson 的说法,谷歌的目标是达到 10^-6 的错误率,这样他们才会说做出了一个真正容错的量子比特。


为了进一步了解这一结果的意义,重点是要了解量子计算的发展方向和现在的情况,正如 Aaronson 所解释的那样:


要以足够大的规模运行 Shor 算法,我们几十年来都知道你需要具备纠错能力才行,这(按照目前的理解)会导致规模爆炸,每个逻辑量子比特至少需要数百个物理量子比特。这正是谷歌和其他公司现在竞相展示纠错的构建块(如表面代码),以及他们可以在没有纠错的情况下所做的惊人演示(但这些看起来更像是 RCS 和量子模拟,而不是因式分解)的起因。


请注意,目前认为解决 Schor 问题将需要至少 1730 个逻辑量子比特。虽然这听起来可能令人沮丧,但它肯定会让那些担心经典密码学即将被破解的人们放下心来。


Willow 的另一项重大成就是在不到 5 分钟的时间内完成了一项基于 随机电路采样(RCS)的实验,从而突破了量子霸权的极限。


Willow 在这个基准测试中的表现令人惊叹:它在不到五分钟的时间内完成了一项计算,而当今最快的超级计算机之一需要 10^25 年才能完成这项计算。如果要写出来,则是 10,000,000,000,000,000,000,000,000 年。这个令人难以置信的数字超出了物理学中已知的时间尺度,也大大超过了宇宙的年龄。


谷歌量子 AI 负责人 Hartmut Neven 表示,RCS 可以看作是一种非常基本的方法,可以检查量子计算机是否在执行传统计算机无法完成的任务。然而,它只是用来计算一个没有特定值的随机分布,而这对于传统计算机来说很难模拟,我们可以找到更有效的传统算法,物理学家和科学传播者 Sabine Hossenfelder 说。


此外,由于其结果在传统硬件上验证需要很长时间,谷歌的验证必然仅基于推断,因此怀疑论者可能会认为,宣称的错误率降低的结论只是部分正确。正如 Aaronson 所说,这意味着尽快设计有效且可验证的量子实验是非常重要的。


如果你有兴趣深入批判谷歌关于 Willow 的说法,你一定不会错过以色列数学家 Gil Kalai 的分析。


毫无疑问,量子计算的道路仍然很漫长。正如 Neven 所解释的那样,谷歌的下一个挑战是创建一个集成数千个物理量子比特的芯片,错误率为 10^-6,然后是第一个包含两个逻辑量子比特的逻辑门。最后,尝试扩大硬件规模,以便实现有实际用途的算力。


原文链接:

Google Willow Sets New Quantum Supremacy Milestone (https://www.infoq.com/news/2024/12/google-willow-quantum-supremacy/)

2025-01-08 12:0010028

评论 2 条评论

发布
用户头像
quantum superemacy应译为“量子优势”、“量子优越性”或类似的词,是指量子计算模型相对传统计算模型在某些问题上具有显著的渐进时间复杂度优势。
2025-01-19 09:21 · 浙江
回复
用户头像
期待量子计算工业化,如果那样就没英伟达什么事儿了
2025-01-13 21:26 · 北京
回复
没有更多了

从故障演练到运维工具产品力评测的探索 | 龙蜥技术

OpenAnolis小助手

开源 操作系统 系统运维 龙蜥社区

ClkLog自定义事件分析登场

ClkLog

数据分析 埋点 开源软件

vivo蓝河破浪前行,国产操作系统掀起创新风暴

脑极体

AI

鸿蒙HarmonyOS实战-ArkUI组件(Grid/GridItem)

蜀道山

鸿蒙 HarmonyOS 鸿蒙开发 arkui ArkTS

鸿蒙HarmonyOS实战-ArkUI组件(Swiper)

蜀道山

鸿蒙 HarmonyOS 鸿蒙开发 arkui ArkTS

使用EEPROM断电保存数据

芯动大师

EEPROM

Valkey开源社区再添新成员!阿里云与Redis核心贡献者再聚首

阿里云瑶池数据库

数据库 redis 阿里云 开源社区

ETLCloud中数据源使用和管理的技巧

RestCloud

MySQL 数据库 ETL 数据源 数据源管理

明天!龙蜥在 2024 OceanBase 开发者大会上等你

OpenAnolis小助手

操作系统 oceanbase 龙蜥社区

九章云极DataCanvas AIDC OS智算操作系统正式发布,开启AI智算新纪元

九章云极DataCanvas

四大战略合作重磅签署,九章云极DataCanvas公司为全球智算生态注能

九章云极DataCanvas

新特性、新平台、新功能!Anolis OS 8.9 版本正式发布

OpenAnolis小助手

操作系统 龙蜥社区 龙蜥操作系统

盘点 | 2024 年最值得关注的十大 ETL 数据集成工具

tapdata

Tapdata 数据集成平台 etl工具都有哪些 数据etl工具

面向 AI 软件栈的优先设计 龙蜥社区 AI 生态建设介绍

OpenAnolis小助手

开源 AI 操作系统 龙蜥社区 龙蜥操作系统

什么是费曼学习法,具体使用方法?一文讲清费曼学法!

彭宏豪95

效率工具 高效学习 在线白板 办公软件 费曼学习法

智慧供应链新时代,顺丰科技助力企业实现系统性价值提升

新消费日报

一文带你了解什么是国际短信

Finovy Cloud

云计算 国际短信

学习 XQuery:XML数据查询的关键

小万哥

xml 程序人生 编程语言 软件工程 前端开发

符文协议的演变历程:从挑战到创新

股市老人

谷歌 Willow 开创了量子霸权的新里程碑_芯片&算力_InfoQ精选文章