量子計算，難逃一場遊戲一場夢

1927年

第五次索爾維會議揭開了一場世紀辯論的開端，聲稱「上帝不會擲骰子」的愛因斯坦在去世之前都沒有認可量子力學是一個完備的理論。時光荏苒，90 年已經過去了，量子力學的應用在爭議中不斷前行，量子通信已具備產業化雛形，但量子計算的研發與應用仍然像金字塔的塔尖，鮮有人能夠觸及。在 Gartner 的新興技術炒作周期曲線中，「量子計算」已經在「創新觸發期」盤桓多年，一直沒有進入下一個周期。但這並不影響全世界範圍內對於量子計算的追逐狂潮，量子霸權不斷見諸報端。

2017年

11月，IBM 發布了 56 量子比特的量子計算雲平台。2018年2月23日中科大郭光燦院士團隊宣布：其本源量子計算雲平台已成功上線 32 比特量子虛擬機，並已經實現了 64 量子比特的量子電路模擬。

然而在這裡，小編不得不一針見血的指出

在現階段，「量子比特數大戰」是沒有意義的。

在現階段，所有以量子比特數作為首要亮點的「進展」幾乎都是炒作。

在現階段，所有「多少年後做出量子計算機」的承諾都是炒作。

事實上，即便是譽為量子計算之父的IBM科學家R. Landauer本人生前（直到1999年去世）都一直不遺餘力地批評量子計算機研究。他認為量子計算機「沒有考慮各種可能的噪音源，沒有考慮實際生產的誤差和缺陷，基本沒戲。」

遺憾的是，不僅僅制約量子計算的瓶頸沒有得到有效處理，連量子計算的傳統優勢（即可以解決經典計算無從下手的一些問題），也在近日受到了挑戰。

德克薩斯州的一名少年18 歲的 Ewin Tang在網上發表了一篇論文，證明了經典計算機能以與量子計算機相同的性能解決一種重要的計算問題——「推薦問題」（recommendation problem）。 「推薦問題」旨在為用戶提供產品建議。比如 Netflix，它知道你看過哪部電影，它也知道其他數百萬用戶所觀看過的內容，而 Netflix 需要根據這些信息為你做出影視推薦。2016 年，計算機學家 Iordanis Kerenidis 和 Anupam Prakash 聯手發布了一種量子演算法，該演算法能以比任何已知的經典演算法都快的速度解決「推薦問題」。具體來說，該演算法通過簡化問題實現這一「量子優勢」：不用完成整個表格，而是將用戶進行分類（如某一用戶喜歡好萊塢大片還是小眾電影），再對現有數據進行抽樣，然後生成建議。雖然 Kerenidis 和 Prakash 的研究證明了量子計算機能更快地解決「推薦問題」，但它並不能證明經典演算法達不到這樣的速度。

頗具諷刺意味的是，與歷史上邁克爾遜莫雷試驗，貝爾試驗的初衷一致，Tang最初選擇立項課題的目的是證明沒有快速的經典推薦演算法，從而驗證Kerenidis 和 Prakash 所展示的量子優勢。我們知道經典物理學上空的「一朵烏雲」邁克爾遜莫雷試驗從尋找以太演變成了以太不存在的依據，愛因斯坦粉絲貝爾的貝爾不等式則證明上帝可能的確擲骰子。Tang 於2017 年秋季開始研究工作，打算將「推薦問題」課題研究寫成一篇畢業論文。幾個月來，Tang 絞盡腦汁地想要證明快速經典演算法並不存在，但隨著時間的推移，Tang 發現這種演算法或許是存在的。Tang 表示，Kerenidis 和 Prakash 所使用的量子採樣方法可以在經典環境中予以複製。與 Kerenidis 和 Prakash 的演算法一樣，Tang 的演算法在多對數時間（polylogarithmic time）內完成運算，與量子演算法的速度相當，比任何此前已知的經典演算法都快。

講到這，讓我們再次重溫下專家為我們繪製的美好藍圖。在公共安全領域，量子計算可以瞬間處理監控資料庫中60億人次的臉部圖片，並實時辨別出一個人的身份；在公共交通領域，量子計算能夠迅速對複雜的交通狀況進行分析預判，從而調度綜合交通系統，最大限度避免道路擁堵。這一切的一切，是否終究難逃一場遊戲一場夢？

圖片轉自：網路

如有版權問題，請及時聯繫我們

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！