分类
麻省理工学院新闻

如何验证量子芯片的计算是否正确

一种新的方法可以确定电路是否能够准确地执行经典计算机无法处理的复杂操作。

在向实际量子计算迈进的过程中,来自麻省理工学院、谷歌和其他地方的研究人员设计了一个系统,可以验证何时量子芯片能够准确地完成经典计算机无法完成的复杂计算。

量子芯片使用被称为“量子位”的量子位来进行计算,量子位可以表示经典二进制位(0或1)对应的两种状态,或者同时表示两种状态的“量子叠加”。这种独特的叠加态可以使量子计算机解决经典计算机实际上不可能解决的问题,这有可能推动材料设计、药物发现和机器学习等应用领域的突破。

全尺寸量子计算机将需要数以百万计的量子位元,这还不可行。在过去的几年里,研究人员已经开始开发“嘈杂的中尺度量子”(NISQ)芯片,它包含大约50到100个量子位。这足以证明“量子优势”,意味着NISQ芯片可以解决某些经典计算机难以解决的算法。然而,验证芯片按预期执行的操作可能非常低效。芯片的输出可能完全是随机的,因此需要很长时间来模拟步骤,以确定是否一切按计划进行。

在《自然物理》杂志上发表的一篇论文中,研究人员描述了一种新的协议,可以有效地验证NISQ芯片是否执行了所有正确的量子操作。他们在一个运行在定制量子光子芯片上的量子难题上验证了他们的协议。

”飞速发展在工业和学术界带给我们的尖端量子机器可以超越经典机器,量子验证的任务变得至关重要,”第一作者雅克·卡罗兰说,一个博士后的电气工程和计算机科学(电)和电子研究实验室(RLE)。“我们的技术提供了一个重要的工具来验证一个广泛的量子系统。因为如果我投资数十亿美元建造一个量子芯片,它肯定会做一些有趣的事情。”

来自麻省理工学院EECS和RLE以及谷歌量子人工智能实验室、Elenion技术、光物质和Zapata计算的研究人员也加入了卡罗兰的行列。 

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态追溯到已知的输入状态。这样做可以揭示在输入端执行了哪些电路操作来产生输出。这些操作应该总是与研究人员编写的程序相匹配。如果没有,研究人员可以利用这些信息来确定芯片的问题所在。

卡罗兰说,新协议的核心是“变分量子反采样”,它采用“分而治之”的方法,将输出的量子态分解成块。“我们不是一蹴而就,这需要很长时间,而是一层一层地进行解读。这使我们能够把问题分解,以更有效的方式解决它。”卡罗兰说。

为此,研究人员从神经网络(通过多层计算来解决问题)中获得灵感,建立了一个新的“量子神经网络”(QNN),每一层代表一组量子操作。

为了运行QNN,他们使用传统的硅制造技术构建了一个2×5毫米的NISQ芯片,该芯片有超过170个控制参数——可调电路元件,使光子路径的操作更加容易。对子光子是由外部组件产生的特定波长的光子注入芯片。光子通过芯片的移相器——改变光子的路径——互相干扰。这产生了一个随机的量子输出状态——它代表了在计算过程中会发生什么。输出由一组外部光电探测器传感器测量。

输出被发送到QNN。第一层使用复杂的优化技术,从嘈杂的输出中挖掘出单个光子的特征,并在所有这些混杂在一起的光子中找出它们的特征。然后,它从组中“解读”单个光子,以识别是什么电路操作将其返回到已知的输入状态。这些操作应该与电路的具体设计完全匹配。所有随后的层做同样的计算——从方程中去掉任何之前未置乱的光子——直到所有光子都被解乱。

例如,假设输入到处理器的量子位元的输入状态都是零。NISQ芯片对量子位元执行一系列的运算,以产生一个庞大的、看似随机变化的数字作为输出。(一个输出数字在量子叠加中会不断变化。)QNN会从中选择大量的数据块。然后,它一层一层地确定哪些操作将每个量子位元还原为其输入状态为零。如果任何操作与最初计划的操作不同,那么就会出现问题。研究人员可以检查期望输出到输入状态之间的任何不匹配,并使用这些信息来调整电路设计。

玻色子“unsampling”

在实验中,该团队成功地运行了一项用于证明量子优势的计算任务,即通常在光子芯片上进行的“玻色子采样”。在这个实验中,移相器和其他光学元件将操作并将一组输入光子转换成输出光子的不同量子叠加。最后,任务是计算某个输入状态与某个输出状态匹配的概率。这是一个概率分布的样本。

但由于光子的不可预测性,经典计算机几乎不可能计算出这些样本。理论上,NISQ芯片可以很快地计算出它们。然而,到目前为止,由于NISQ操作和任务本身的复杂性,还没有一种方法可以快速而简单地验证这一点。

卡罗兰说:“赋予这些芯片量子计算能力的特性使得它们几乎不可能被验证。”

在实验中,研究人员能够在定制的NISQ芯片上“反采样”两个穿过玻色子采样问题的光子,并且在很短的时间内采用传统的验证方法。

约克大学(University of York)专门研究量子技术的计算机科学教授斯特凡诺•皮兰德拉(Stefano Pirandola)表示:“这是一篇利用非线性量子神经网络来学习由黑盒子执行的未知幺正操作的优秀论文。”“很明显,这个方案对于验证量子电路(例如NISQ处理器)所执行的实际门是非常有用的。从这个角度来看,该方案是未来量子工程师的一个重要的基准测试工具。这个想法在光子量子芯片上得到了很好的实现。

卡罗兰说,虽然这种方法是为了量子验证而设计的,但它也可以帮助捕获有用的物理特性。例如,某些分子受到激发时会振动,然后根据这些振动发射光子。卡罗兰说,通过将这些光子注入光子芯片,这种解读技术可以用来发现这些分子的量子动力学信息,从而帮助生物工程分子设计。它还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时积累了噪音。 

卡罗兰说:“我们的梦想是把它应用到物理世界的有趣问题上。”

新闻旨在传播有益信息,英文原版地址:http://news.mit.edu/2020/verify-quantum-chips-computing-0113