计算速度提高1亿倍,炒作or货真价实? | “D-Wave首席怀疑官”解读

作者: Scott Aaronson

来源: 知识分子

发布日期: 2015-12-20

D-Wave公司声称其量子计算机在某些特定问题上的计算速度比经典计算机快1亿倍。尽管存在争议,Scott Aaronson对此进行了深入分析,认为D-Wave的加速主要体现在与模拟退火算法的比较中,而与其他经典算法相比的优势并不明显。文章探讨了D-Wave的能力、设计改进的可能性以及量子计算领域的未来发展。

D-Wave是加拿大的一家公司。2010年,D-Wave宣布开始生产世界上第一台商用量子计算机。量子计算机被认为有希望比经典计算机更快解决一些问题,对于一些问题,例如大整数的因子分解,它与已知的经典算法相比有指数级的速度提升。

事实上,D-Wave问世至今,针对它的讨论此起彼伏,从未停止过。一些意见认为,D-Wave机器是否真的利用量子现象实现计算还不确定,它是否比经典计算机更有优势也不确定。

Scott Aaronson,美国麻省理工学院电子工程与计算机科学副教授,曾一度担任“D-Wave首席怀疑官”。两年前,他在其博客上发表了一篇《D-wave: 最终,真相开始浮出水面》,对相关的讨论进行了总结,并号召人们用科学理性的态度认识D-Wave所达到的成就。

因此,在经历两年的“风平浪静”之后,关于D-Wave的新闻一经出现,很多业内人士的目光便都转向了Scott。让我们来看看这位曾经的“D-Wave首席怀疑官”对此会有怎样的反应吧。

编者注:由于文章本身的专业性,我们首先解释其中的核心概念和观点如下:

(1)模拟退火:模拟退火是一种通用的经典概率算法,用来在固定时间内在一个搜索空间内找到最优解。其原理与金属退火的原理类似,遂得此名。其解依概率收敛到全局最优解。

(2)量子退火:量子退火是模拟退火的“量子”版本。不同的是,经典模拟退火依赖的是逻辑运算,量子退火需要依赖量子力学特有的“隧道效应”,更像是让“大自然”自己去运算。

(3)量子蒙特卡罗:量子蒙特卡罗(QMC,Quantum Monte Carlo)是一种用来寻求量子体系基态的经典算法。蒙特卡罗方法本身是指使用随机数(或者更常见的伪随机数)来解决很多计算问题的方法。

(4)时间复杂度:是指算法在编写成可执行程序后,运行时所需要的时间资源。时间复杂度在数学上有更为严格的定义。一般人们关心的时间复杂度是指运行时间随问题规模增加的渐近行为。

(5)最新D-Wave文章中展示的两个1亿倍加速:第一个1亿倍是“量子退火”与“模拟退火”相比的1亿倍渐进的加速,第二个1亿倍是在D-Wave上运行“量子退火”算法与在单核经典计算机上运行“量子蒙特卡罗”算法相比的1亿倍常数的加速。

回想起来,我一直很奇怪,一年多过去了,怎么就没有什么关于D-Wave的大新闻,也没有人让我迅速做出反应。这场辩论真的已经结束了吗?或者是还没有“结束”,不过就像一直以来本应该的样子,掌握在那些可能不是激烈反对,但至少在声称有多少加速时还蛮谨慎的科学家手中?

大家现在已经看到,这周一(2015年12月7日)谷歌的一个研究小组把一篇重要的研究论文挂在了网上,展示了他们在D-Wave 2X上做的最新的实验结果。意料之中的是,大众媒体对这一结果的解读为,D-Wave 2X在某些方面已经比标准经典芯片快1亿倍,因此剩下的问题就是这一设备是否为“真正的量子计算机”。

在这种情况下,我做的第一件事就是向Matthias Troyer求助。他可以算得上是世界上量子退火实验领域最为博学、公正而又值得信任的人了。令我高兴的是,Matthias简直是慷慨大方,他跟Ilia Zintchenko和Ethan Brown合作,针对新的结果写了一篇长达3页文章,解释这一结果的来龙去脉,并允许我与大家分享。

那么,D-Wave 2X是否加速1亿倍呢?这是我认为能做到不误导人、最为简短的答案:是的,确实存有明显渐进行为的1亿倍加速,并且与量子蒙特卡罗算法相比,也存在1亿倍的加速。但是,渐进的加速仅仅是在与模拟退火比较时得到的,而超过QMC的1亿倍加速则是一个常数因子,不是渐进的。并且,在一般情况下,如果与其他经典算法比较,两种加速都会消失。

这篇新的谷歌文章给出了关于D-Wave能力到目前为止最为清晰的展示。但我要提醒的是,关于D-Wave的整个方案,量子计算研究者们从一开始便担心的问题是:纠错能力的缺失、有限温度量子退火的限制,我们缺乏明确的证据表明它能给出量子加速,以及急着搞出来更多的而不是更好的量子比特。所有这些担忧不仅依然存在,而且还因为很多枝节问题也开始被人们处理,从而更加清楚明白地显现了出来。

D-Wave 2X是一个伟大的工程。但是如果仍然不能在最广为人知的经典算法上展现出渐进加速的性能,那么这些担忧就不是无关痛痒的。更何况,这些原因似乎和十多年D-Wave所做出的根本的设计选择是相关的。

现在明显的问题是:是否能通过改进D-Wave的设计,来得到一个渐进的加速,并且对所有的经典算法(包括QMC和Selby算法)都成立,还可以克服将“真实世界”的问题编码为Chimera graph所带来的时间代价?也许能,也许不能吧。谷歌这篇文章一遍又一遍地回到D-Wave的未来改进计划这一主题,并探讨它们可能如何清除那些障碍,达到“真正的”量子加速。

粗略地说,如果我们排除推翻重来的办法,那么主要有四件事情可以试试看是否有效:

1. 更低的温度(因此有更长的量子比特生命期)。

2. 对量子比特及其耦合更好的校准。

3. 能够运用“非量子随机”哈密顿量的能力。

4. 量子比特之间更好的连通性。

不管怎样,这些当然都是D-Wave的设计者们知道而且在不久的将来会做的事情。但是,即便D-Wave在这四个方面都做出改进,我们仍然不知道是否会出现一个真实的、渐近的、胜过Selby算法的、克服编码代价的量子加速。我们只是不能肯定地说出那个否定的答案。

与此同时,在博客上讨论很容易被遗忘的是,D-Wave只是实验量子计算领域的一个真子集,而在过去的一两年里,许多其他方面取得了更为令人兴奋的成就。

特别是,谷歌的John Martinis组现在有相干时间比D-Wave高几个数量级的超导量子比特,并对其中的9个初步展示了量子纠错。他们现在在讨论的是将其扩展到大约40个质量超高的、耦合可控的量子比特——不是在遥远的未来,而是在最近几年里。如果他们做到了这一点,我将非常乐观地认为,他们将能够就某件事情展示出明显的量子优势。

对于量子计算来说,这是一个令人兴奋的时代。很多事情接踵而至,比我预想的都更快。当我们朝着这个计算新世界勇敢地、相干地、希望非量子随机地、可能容错地蹒跚前进时,我对于我这个博客的目标永远跟过去的十年一样:不胡乱预言,不挑选赢家,而仅仅是试着去理解和解释那些已经被证实的和还未被证实的事情。

UUID: 9a1beeab-81a2-4fd3-8374-cbd80e18299d

原始文件名: /home/andie/dev/tudou/annot/AI语料库-20240917-V2/AI语料库/知识分子公众号-pdf2txt/2015-2016年/2015-12-20_计算速度提高1亿倍,炒作or货真价实?“D-Wave首席怀疑官”解读.txt

是否为广告: 否

处理费用: 0.0159 元