|
在本周舉行的IEEE量子計算與工程國際會議（“IEEE Quantum Week 2020）上，英特爾將展示一系列研究成果，著重介紹其在量子計算硬件、軟件和算法領(lǐng)域的創(chuàng)新性全棧方法。這些研究成果展示了量子計算在這些領(lǐng)域的重要進展，對于構(gòu)建可運行應(yīng)用程序、可擴展的商業(yè)級量子系統(tǒng)至關(guān)重要。 “英特爾一直專注于量子計算在短期內(nèi)的實用性應(yīng)用，這項顛覆性技術(shù)正在走出物理實驗室，并穩(wěn)步過渡到工程領(lǐng)域。從控制量子比特的自旋量子位硬件和cryo-CMOS技術(shù)到軟件和算法研究，英特爾研究院在量子計算堆棧的每一層上都取得了切實的進步，大力推動可擴展、可商業(yè)應(yīng)用的量子架構(gòu)。采用這種系統(tǒng)級的方法對實現(xiàn)量子實用性至關(guān)重要，”英特爾研究院量子應(yīng)用和架構(gòu)總監(jiān)Anne Matsuura博士表示。 英特爾全棧量子研究的意義：目前，對量子計算的大部分研究主要集中在硬件技術(shù)上。但是，由于量子計算是一種全新的計算范例，因此它需要新的硬件、軟件和算法堆棧，才能實現(xiàn)一個可運行應(yīng)用程序的商業(yè)級量子系統(tǒng)。使用模擬有助于全面了解構(gòu)建完整量子堆棧的所有組件，并可以提前考慮構(gòu)建到實際量子系統(tǒng)的工作負載。在當前進行量子計算的全棧研究（涉及硬件、軟件和算法）是非常有必要的，因為隨著硬件成熟，應(yīng)用程序已經(jīng)準備好在小型的量子計算機上運行。這種方法是英特爾采取以系統(tǒng)為導向、以工作負載為驅(qū)動的量子計算開發(fā)策略的核心，也是英特爾實現(xiàn)量子實用性愿景的基礎(chǔ)。 成果展示：英特爾Anne Matsuura博士將發(fā)表主題為《量子計算：一種可擴展、系統(tǒng)級研究方法》的演講，重點介紹英特爾通過采用系統(tǒng)級方法擴展量子系統(tǒng)以實現(xiàn)商業(yè)化的策略。 此外，為期一周的大會上還將展示英特爾研究院的幾篇研究論文，重點介紹全棧量子系統(tǒng)級研究以及在量子系統(tǒng)上運行應(yīng)用程序的進展。 以下是此次大會上英特爾量子研究成果的重點摘要： 研究重點：利用深度學習設(shè)計多量子比特門（Multi-Qubit Gates） 論文標題：利用深度強化學習設(shè)計高保真多量子比特門 概述：量子點硅量子位（Quantum dot silicon qubits）（量子計算領(lǐng)域正在探索的眾多方法之一）因體積較小，有助于實現(xiàn)量子可擴展性。在使用這種技術(shù)的商業(yè)級量子計算機上需要高保真的多量子比特門。該研究展示了將深度學習框架可成功用于模擬設(shè)計量子點量子比特系統(tǒng)的高保真多量子比特門（multi-qubit gates）。 重要意義：隨著量子計算硬件的不斷發(fā)展，機器學習技術(shù)將在量子門（quantum gates）的設(shè)計優(yōu)化和部署中大顯身手。 研究重點：將經(jīng)典數(shù)據(jù)集有效地加載到量子計算機中 論文標題：高效的量子電路可用于準備平穩(wěn)、可微函數(shù)的精確狀態(tài) 概述：為了使機器學習能夠利用量子技術(shù)實現(xiàn)計算的指數(shù)級加速，需要將經(jīng)典數(shù)據(jù)有效地加載到量子系統(tǒng)中以便執(zhí)行。如今，對于量子系統(tǒng)而言，這仍然是一個極具挑戰(zhàn)性的問題，因為即使加載中等大小的數(shù)據(jù)集也要花費大量的時間。該研究展示了應(yīng)對這一挑戰(zhàn)的進展，并重點介紹了一種算法，該算法可有效加載某些用于生成這些數(shù)據(jù)集的高使用率函數(shù)（例如高斯分布和概率分布）。 重要意義：當今的機器學習系統(tǒng)正在迅速接近經(jīng)典計算模型的極限。這項研究展示量子計算機可用于需要數(shù)據(jù)集的機器學習等應(yīng)用。 研究重點：量子物理學模擬的最佳量子比特配置（Optimal qubit configurations） 論文標題：有關(guān)d級粒子數(shù)字量子模擬的連接依賴型資源要求的研究 概述：這項研究著重介紹了量子物理模擬算法（也稱哈密頓量模擬）（Hamiltonian simulation），該算法可輕松高效地在小型量子比特系統(tǒng)上運行，同時還研究了在不同的量子比特配置上執(zhí)行這些算法的資源需求。 重要意義：量子計算的早期應(yīng)用之一將是如何有效地模擬量子物理學。這項研究成果對在特定應(yīng)用領(lǐng)域設(shè)計量子比特芯片具有重要影響。 研究重點：用于后量子密碼學的BIKE加速器 論文標題：使用常數(shù)時間解碼器（constant time decoder）進行高效BIKE硬件設(shè)計 概述：通過解密當前由經(jīng)典密碼算法加密的所有數(shù)據(jù), 量子計算機有可能攻擊經(jīng)典加密算法。當今流行的共享加密密鑰的方法（例如Diffie-Hellman）預(yù)計會受到量子攻擊。比特翻轉(zhuǎn)密鑰封裝技術(shù)BIKE (Bit-flipping Key Encapsulation)是一種用于后量子加密的可行方法，美國國家標準與技術(shù)研究院（NIST）目前正對此進行調(diào)研。這項研究以英特爾先前對BIKE的研究為基礎(chǔ)，并提出了BIKE硬件加速器的設(shè)計。 重要意義：量子計算機有可能發(fā)展出牢不可破的加密技術(shù)，大大提高了信息的安全性。如今，像BIKE這樣的后量子算法可以在密碼系統(tǒng)中使用，以使其具有抵御量子攻擊的能力。 研究重點：在小型量子比特系統(tǒng)上有效執(zhí)行抗噪聲算法的新技術(shù) 論文標題：開發(fā)變分量子算法的成本函數(shù)，以便在近期設(shè)備上實現(xiàn) 概述：對于近期內(nèi)出現(xiàn)缺乏糾錯能力的量子計算機，混合量子經(jīng)典算法是最可行的方法之一，但難以運行。這項研究著重介紹了一種成功在實際量子比特上實現(xiàn)的新技術(shù)，該技術(shù)可以幫助這些抗噪聲算法在小型量子位系統(tǒng)上高效運行。 重要意義：由于具備錯誤校正功能的量子計算機目前尚不存在，因此抗噪聲算法取得進展非常重要，以便在可預(yù)見的將來，這些算法可以在量子系統(tǒng)上高效運行。 |
