EPFL教授Giuseppe Carleo 和哥倫比亞大學(xué)及紐約Flatiron研究所的研究生Matija Medvidovi?日前在《Nature Quantum Information 》發(fā)表一篇論文，他們發(fā)現(xiàn)了一種不是在量子計(jì)算機(jī)上執(zhí)行，而是在傳統(tǒng)計(jì)算機(jī)上執(zhí)行復(fù)雜量子計(jì)算算法的方法。

他們考慮的“量子軟件”被稱為量子近似優(yōu)化算法（QAOA），用于解決數(shù)學(xué)中的經(jīng)典優(yōu)化問(wèn)題，它本質(zhì)上是一種從一組可能的解決方案中挑選出最佳解決方案的方法?！叭藗儗?duì)量子計(jì)算機(jī)可以有效解決哪些問(wèn)題很感興趣，而QAOA 是其中一個(gè)比較突出的候選者?！盙iuseppe Carleo表示。

QAOA 最終目的旨在幫助我們實(shí)現(xiàn)所謂的“量子加速”，即我們可以使用量子計(jì)算機(jī)而不是傳統(tǒng)計(jì)算機(jī)實(shí)現(xiàn)處理速度的提升。可以理解成，QAOA 有許多包括谷歌在內(nèi)的支持者，他們已經(jīng)將其目光投向了未來(lái)量子技術(shù)和計(jì)算：在2019 年，他們創(chuàng)建了53量子比特量子處理器Sycamore，并使用其在200秒內(nèi)實(shí)現(xiàn)了目前最先進(jìn)的經(jīng)典計(jì)算機(jī)耗時(shí)1萬(wàn)年才能完成的計(jì)算任務(wù)。

Carleo和Medvidovi?的研究解決了該領(lǐng)域的一個(gè)重要的懸而未決的問(wèn)題：在當(dāng)前和近期量子計(jì)算機(jī)上運(yùn)行的算法能否為具有實(shí)際意義的任務(wù)提供比經(jīng)典算法更顯著的優(yōu)勢(shì)？“如果要回答這個(gè)問(wèn)題，我們首先需要了解經(jīng)典計(jì)算在模擬量子系統(tǒng)方面的局限性，”Giuseppe Carleo表示，“這一點(diǎn)尤其重要，因?yàn)楫?dāng)前的量子處理器在運(yùn)行量子“軟件”時(shí)會(huì)出錯(cuò)，因此只能運(yùn)行復(fù)雜度有限的算法?！?/p>

兩位研究人員利用傳統(tǒng)計(jì)算機(jī)開(kāi)發(fā)了一種方法，可以近似模擬一類稱為變分量子算法的特殊算法的行為，這些算法是計(jì)算量子系統(tǒng)最低能態(tài)或“基態(tài)”的方法。QAOA是此類量子算法家族的一個(gè)重要示例，研究人員認(rèn)為，QAOA是近期量子計(jì)算機(jī)中“量子優(yōu)勢(shì)”最有希望的候選者之一。

該方法基于現(xiàn)代機(jī)器學(xué)習(xí)工具的理念，例如用于學(xué)習(xí)如圍棋游戲這樣的復(fù)雜游戲的工具以及可用于學(xué)習(xí)和模擬量子計(jì)算機(jī)的內(nèi)部工作原理。這些模擬的關(guān)鍵工具是神經(jīng)網(wǎng)絡(luò)量子態(tài)，這是Carleo于2016年與Matthias Troyer共同開(kāi)發(fā)的人工神經(jīng)網(wǎng)絡(luò)，現(xiàn)在首次用于模擬QAOA。這一結(jié)果被認(rèn)為是量子計(jì)算的領(lǐng)域，為量子硬件的未來(lái)發(fā)展樹(shù)立了新的標(biāo)桿。

“我們的研究表明，可以在當(dāng)前和近期量子計(jì)算機(jī)上運(yùn)行的QAOA ，也可以在經(jīng)典計(jì)算機(jī)上以良好的精度進(jìn)行模擬，”Carleo表示，“然而，這并不意味著可以在近期量子處理器上運(yùn)行的所有有用的量子算法可以被經(jīng)典地模擬。事實(shí)上，我們希望我們的方法將作為一種設(shè)計(jì)新的量子算法的指南，這些算法對(duì)經(jīng)典計(jì)算機(jī)既有用又難以模擬?！?/p>