Categories
程式開發

如何驗證量子芯片的計算是否正確?


在向實際量子計算時代邁進的征途中,來自麻省理工學院、谷歌以及其他組織的研究人員共同設計了一個系統,可以驗證量子芯片是否能夠準確地完成傳統計算機無法完成的複雜計算。
如何驗證量子芯片的計算是否正確? 1

圖片來源:Mihika Prabhu

量子芯片使用被稱為“量子比特(qubits)”的量子信息位元來進行計算。量子比特可以表示傳統二進制位(0或1)所對應的兩種狀態,或者表示兩種狀態同時存在的“量子疊加”狀態。這種獨特的量子疊加態可以使量子計算機解決傳統計算機在實際不可能解決的問題,這將有可能推動材料設計、藥物研發和機器學習等應用領域的重大突破。

全面採用量子運算的計算機將需要數以百萬計的量子比特,目前這還無法實現。在過去的幾年裡,研究人員已經開始開發“嘈雜中型量子(NISQ)”芯片,這種芯片包含大約50到100個量子比特。即使是這個級別的量子計算機,也足以證明“量子運算的優勢”,因為這意味著可以用NISQ芯片處理某些傳統計算機難以解決的算法。然而,芯片是否按預期執行了操作,為此進行的驗證工作卻可能會非常低效。芯片的輸出可能看上去是完全隨機的,因此需要很長時間來對其計算步驟進行模擬,才能確定是否一切按預定計劃執行了運算。

在2020年1月《自然物理》(Nature Physics)雜誌上發表的一篇論文中,研究人員描述了一種新穎的協議,可以有效地驗證NISQ芯片是否執行了所有正確的量子操作。通過在定制量子光子芯片上運行一個著名的量子難題,他們對這個協議進行了驗證。

”既然工業和學術的飛速發展已經把我們推到量子計算機可以超越傳統計算機的風口浪尖,驗證量子計算的任務就變得至關重要”,這篇論文的第一作者Jacques Carolan這樣說,他是麻省理工學院(MIT)電氣工程和計算機科學(EECS)和電子研究實驗室(RLE)的一名博士後。他還提到:“我們的技術提供了一個重要的工具來驗證類型廣泛的各種量子系統。這麼做的重要意義在於,如果人們投資數十億美元打造一款量子芯片,當然衷心希望這款芯片真的能做出一些有趣的事情。”

除了Carolan之外,該論文聯合署名的多位研究者分別來自麻省理工EECS和RLE、谷歌量子人工智能實驗室(Google Quantum AI Laboratory)、Elenion技術公司、Lightmatter公司和Zapata Computing公司。

分而治之

這些研究人員的工作實質上是將量子電路產生的輸出量子態追溯至已知的輸入狀態。這樣就能揭示在輸入端執行了哪些電路操作來產生這樣的輸出。這些操作應該始終與研究人員編寫的程序相匹配。如果匹配失敗,研究人員可以利用這些信息來定位芯片的問題出在什麼地方。

Carolan解釋,這個新協議的核心是“可變量子反採樣”(Variational Quantum Unsampling),它採用了“分而治之”的方法,將輸出的量子態分解成多個塊。 Carolan說:“我們並不是一次性完成所有工作,這樣需要花費很長時間,而是一層一層地對之進行“解擾”。這使我們能夠把問題進行分解,並以更有效的方式來處理它。

為了這項研究,這些研究人員們從通過多層計算來解決問題的“神經網絡”中獲得了靈感,建立了一個新型的“量子神經網絡”(QNN),在這個網絡中每一層代表一組量子運算操作。

為了運行這個量子神經網絡,他們使用傳統的矽製造技術打造了一款2×5毫米的NISQ芯片,該芯片有超過170個控制參數,這些參數受控於可調電路元件,這樣使得對光子路徑的操控變得更加容易。一個外部組件產生特定波長的成對的光子,再將光子注入該芯片。光子穿越芯片中能改變光子的路徑的移相器,從而發生相互干擾。這會產生一個隨機的量子輸出狀態,該輸出代表了在計算過程中會發生什麼。並通過一組外部光電探測器傳感器對這些輸出狀態進行測量。

這些輸出會被發送至量子神經網絡進行解譯。該網絡的第一層採用了複雜的優化技術,可以在混雜的輸出中進行單個光子的“挖掘”,在互擾的輸出中識別出單個光子的特徵。然後,它從嘈雜的一組輸出中對單個光子進行“解擾”,以識別什麼電路操作能將其逆向恢復為已知的輸入狀態。這些操作應該與電路的具體設計完全匹配。網絡中隨後所有其他的層次也會執行同樣的計算,只是會從方程中去掉任何之前已經解擾的光子,如此重複執行計算直到所有光子都被解擾。

舉個例子,假設輸入到處理器的量子比特的輸入狀態都是零。然後NISQ芯片會對量子比特執行一系列運算,得到海量的、看似隨機變化的數據作為輸出。這是因為一個輸出數字在量子疊加狀態下會不斷變化。這時量子神經網絡會從這個龐大的數據中選擇出多個“塊”(chunks)。然後,在這個網絡裡一層一層地執行解擾,確定哪些操作可以讓每個量子比特還原為其為零的輸入狀態。如果所有操作與最初預定的電路操作都匹配不上,那麼就證明量子計算出現了問題。研究人員可以通過檢驗期望輸出與輸入狀態之間的任何不匹配狀況,來重新調整修改電路設計。

玻色子“反採樣”實驗

在實驗中,該科研團隊成功地執行了一項用於證明量子優勢的著名高難計算任務,即通常在光子芯片上進行的“玻色採樣”(Boson Sampling)。在這個實驗中,移相器和其他光學元件會實現一系列操控,將一組輸入光子轉換為呈不同量子疊加狀態的輸出光子。該實驗的最終任務是計算在這個過程中某個輸入狀態與某個輸出狀態匹配的概率。本質上而言,該結果是一個概率分佈的樣本。

由於光子行為的不可預測性,計算出這些樣本,對於傳統計算機而言幾乎是不可能完成的任務。理論上,NISQ芯片可以十分快速地完成這樣的計算。然而,到目前為止,由於NISQ運算的複雜性以及該任務本身的難度,目前還沒有一種方法可以快速而簡單地對之進行驗證。

Carolan說:“這種量子特性一方面讓這些芯片具有超強的量子計算能力,一方面又讓這些計算過程幾乎不可能被驗證。”

在實驗中,研究人員實現了在定制的NISQ芯片上“反採樣”了兩個進行了“玻色採樣”的光子,並且在較短的時間內就用傳統方法完成了驗證工作。

約克大學(University of York)專門研究量子技術的計算機科學教授Stefano Pirandola表示:“這是一篇十分出色的論文,該論文利用非線性量子神經網絡來學習由黑盒子執行的、一致性未知的運算操作。很明顯,這個方案對於驗證諸如NISQ處理器的量子電路所實際執行的邏輯門運算是非常有用的。從這個角度來看,該方案會成為未來量子工程師的一個重要的基準測試工具。這個想法在光子量子芯片上得到了很好的實現。”

Carolan說,雖然這種方法是為了驗證量子計算而設計的,但該方法也可以有助於捕獲有用的物理特性。例如,某些分子受激時會振動,然後基於這些振動發射出光子。 Carolan認為,通過將這些光子注入光子芯片,他們所研究的“解擾”技術可用於發現這些分子的量子動力學信息,從而有助於生物工程分子設計的相關研究。該技術還可以用來解擾攜帶量子信息的光子,這些量子信息穿越湍流空間或材料時已經積累了許多噪聲。

Carolan說:“我們的夢想是把該技術應用到物理世界中各種有趣的問題上”。

作者介紹:

Rob Matheson,麻省理工學院新聞辦公室。

英文原文:

http://news.mit.edu/2020/verify-quantum-chips-computing-0113