如何编写一个量子电脑吗

量子计算机能注意到计算机科学世界,因为他们是速度比经典计算机的一些问题。花时间阅读有关量子计算技术,你会发现声明一遍又一遍。但它实际上是什么意思,因为经典计算是一个成熟的,高度优化的技术和量子计算机还在起步阶段呢?

“量子加速”一词用于描述一个广泛的情况下,的利用量子计算机提供可能会相当大,相对较小,或根本不存在。在一个极端,我们发现“强有力”的量子计算算法。这些算法开始的一切,相信社区,量子计算是值得追求的。Grover的搜索算法例如,证明地速度比任何已知或潜在的经典搜索算法。最好的经典搜索算法,所需的时间的增长以同样的速度项的数量,而Grover的算法所需的时间增加只有平方根的条目的数量。同样,肖的大数分解算法的速度比任何已知的经典算法,与处理时间增加³(o (log N)),其中N是数量因素和o (log N)是它的长度。量子计算机使用这些算法需要更少的计算步骤比经典计算机解决同样的问题。

肖的算法Grover的算法,和其他像他们最初使用的量子计算模型与传统gate-based逻辑。理论家表明任何可逆古典门可以通过某种组合模拟的操作在一个量子位+把CNOT量子门。把CNOT two-qubit操作中,第一个量子位的状态控制的状态二:门变换初始状态 来 ⊕表明模2之外的地方。

有无限多的潜在的一个量位操作。只有这些操作可以在任何给定的物理系统,所有这些理论的结论是,可以设计一个通用、通用量子计算机可以模拟任何经典计算。

然而,这样的电脑尚未在硬件中实现的。作为在本系列讨论,大多数提议量子位系统难以组装超过少数量子位进行交互。英特尔的4004年,第一个传统微处理器相比之下,包含了2300个晶体管。在2014年,最先进的商业芯片有50亿到70亿个晶体管。量子计算机能够实现肖的算法需要(o (log N))³量子位:数万亿,加密大量的兴趣。一个实际的工作电脑,可以实现肖的算法需要大量的增加规模堪比从个人晶体管或超出当前集成电路技术。即使在最乐观的预测,这样一台电脑是在未来许多年。事实上,目前还不清楚是否可以构建。

误差修正和扩展
在许多其他的挑战,由于大型量子计算机将占用大量的开销纠错机制。个别量子位州非常脆弱,容易脱散和环境噪声的干扰。他们不太可能保持稳定超过几毫秒。功能的量子计算机将需要使用某种形式的误差修正“重置”这样的中断后的量子态。

误差修正是一个主要的主题本身,远远超出了本文的范围。简单,误差修正方案使用额外的经典和/或量子电路元素检测错误发生时。这是比听起来更困难:记住,测量一个量子位的量子态崩溃状态的叠加,所以量子计算的关键。相反,系统设计必须衡量整个叠加-多个量子比特和重新启动系统作为一个整体,如果必要的。根据误差修正方案,选择一个逻辑量子位可能由几十到几千物理量子位。

没有提出量子位设计取得了接近设备密度古典集成电路是理所当然。结合设备密度低,大量物理量子比特,而复杂的经典控制和监测电路,它变得明显,量子计算机的性能可能会受到信号传播时间这样平淡无奇的担忧和古典的速度控制元素,而不是量子元素本身的速度。

的第一个商业应用量子计算机可能更适度的野心,和量子计算的优势将会更明显。在某些情况下,量子算法可能会超过一个特定的经典算法,即使它不超过最著名的经典算法。或量子硬件可能比古典硬件为特定类型的问题。例如,大指数排名是对经典算法相当容易处理的问题。最好的算法规模为N或N o (log N),其中N是该指数的大小。然而,排名指数非常大的数据库,如网页,仍然需要几周。即使量子计算实现适度的改进,这对一些问题可能仍然是值得追求的。

绝热优化
模拟量子系统可能属于这一类,也可能某些类型的优化问题。这个域递波系统选择了探索:递波首席科学家Eric Ladizinsky自由承认,该公司的系统并不是一个通用计算机。相反,递波系统的目的是应用量子退火优化问题,可以定义一组相互作用的自旋。虽然不是普遍的,这“伊辛玻璃”模式适用于一个巨大的实际利益的许多问题,从明显的应用阶段转换和原子的运动神经生物学和社会学等不同领域。更准确地说,这些问题可以表示形式:

,在那里

对于一个给定的一组参数h,K,任务是找到最优解向量年代最小值E,整个系统”能量。“绝热量子优化首先准备一个量子位数组在基态,哈密顿所描述的H_B。这个初始状态应该很容易创建,但除此之外的选择是任意的。

通过缓慢推进参数k从0到1,系统哈密顿的发展走向一个代表问题被调查,H_P。

一旦达到目标哈密顿,测量产生的量子态给出了解决方案。足够小的增量,体系仍在基态。因此,它是相对稳定的环境噪声的。

面临的一个挑战所有的优化算法,经典和量子,算法可能会发现一个局部最小值而不是真正的能量最低的状态。元素量子态允许量子算法的随机性可能“隧道”这些局部最小值的概率取决于系统设计。也可以多次运行算法,很多选择的初始参数,为了更彻底地探索可能的解决方案。

然而,随着near-solutions数量的增加,增加k必须使用,以保持在基态和维护系统的绝热条件变得越来越小。最终,找到真正的最小系统可能需要指数增量和长时间呈指数级增长。在某些情况下,找到一个局部最小值可能是一个“足够好”的解决方案。尽管如此,仍然存在很大的争论加速递波方法实际上提供了多少,以及优势是否由于量子效应或其他特性的系统架构。

结论
经常发生在新兴技术,量子计算的承诺已经远远领先于实际现实中跳了出来。算法需要数以百万计的量子位元与硬件能够支持,最多几百。一样在早期的集成电路行业,硬件的限制显示多少工作有待完成。算法给出的承诺为什么努力是值得的。