核心閱讀
近日，中國科學家成功構建76個光子的量子計算原型機“九章”。計算玻色採樣問題，“九章”處理5000萬個樣本只需200秒，而目前世界最快的超算需6億年。這是我國首次實現“量子計算優越性”。
眼下，研製量子電腦已是世界科技前沿的最大挑戰之一。未來，“九章”在機器學習、量子化學等領域有潛在應用。
近日，中國科學技術大學潘建偉、陸朝陽等學者組成的研究團隊與中國科學院上海微系統所與資訊技術研究所、國家並行電腦工程技術研究中心合作，構建了76個光子的量子計算原型機“九章”。計算玻色採樣問題，“九章”處理5000萬個樣本只需200秒，而目前世界最快的超級電腦需要6億年。
這是我國首次實現“量子計算優越性”，這一突破也使我國成為全球第二個實現“量子優越性”的國家。12月4日，《科學》雜誌發表了該成果。
難點眾多
在設備的自主研發、技術革新上下功夫
“九章”，既是中國古代的數學專著《九章算術》，也是牢固確立了我國在國際量子計算研究中第一方陣地位的量子計算原型機，二者皆有里程碑意義。
“量子計算優越性”，指的是作為新生事物的量子電腦，一旦在某個問題上的計算能力超過了最強的傳統電腦，就證明了量子電腦的優越性，跨過了未來在多方面超越傳統電腦的門檻。
“這將實驗各方面的技術推進到遠超以前的水準。”澳大利亞昆士蘭大學教授蒂姆·拉伕説：“該設備的規模是非凡的：100模式干涉儀、25個壓縮器提供輸入的量子態、使用100個單光子探測器進行探測，並且實現了同時保持高效率，穩定性和量子不可分辨性——這都是展示量子計算優越性所必需的。”
從20光子輸入60模式干涉線路的玻色取樣，到76個光子100個模式的高斯玻色取樣，必須在設備上下功夫。“一開始，高效率100通道超導奈米線單光子探測器性能很低，只有4%。我們通過與中科院上海微系統與資訊技術研究所合作，自主研發、技術革新，現在其性能已經提升到了98%。”陸朝陽説，不斷增強量子光源、量子干涉、單光子探測器等領域的自主創新，是下一步研究的重點。
“利用量子器件來解決日益複雜的問題並體現量子優勢，是量子科學前沿中的最重要問題之一。”美國科學院院士、沃爾夫獎得主、狄拉克獎章得主彼得·佐勒認為，潘建偉團隊的研究，在量子系統的大小與擴展性、實際應用的前景方面把研究水準提升到了一個新的高度。
意義非凡
在不增加能耗的基礎上，提升計算能力
“大數據時代，全球數據量呈指數增長，每兩年翻一番。龐大的數據若不提取，則沒有意義。”潘建偉説。目前，電腦傳統的發展模式受限，超級電腦能耗巨大。在潘建偉看來，“九章”問世，其意義在於在不增加能耗的基礎上，提升計算能力。
眼下，研製量子電腦已成為世界科技前沿的最大挑戰之一，是全球角逐的焦點。去年，谷歌公司推出53個超導量子比特的電腦“懸鈴木”，對一個數學演算法的計算效率遠超當時世界最快的超級電腦，率先實現了“量子優越性”。而“九章”則實現了“高斯玻色取樣”任務的快速求解。
處理5000萬個樣本的高斯玻色取樣問題，“九章”只需200秒，而目前世界上最快的超算則需要6億年；處理100億個樣本，“九章”需10個小時，超級電腦則需要1200億年。正如陸朝陽所説的那樣：“‘九章’在一分鐘時間裏完成了經典超級電腦一億年才能完成的任務。”
對量子電腦的研究，國際同行公認有3個指標性的發展階段：第一階段是發展具備50至100個量子比特的高精度專用量子電腦，實現計算科學中量子計算優越性的里程碑；第二階段是研製可相干操縱數百個量子比特的量子模擬機，以解決若干超級電腦無法勝任的具有重大實用價值的問題；第三階段是大幅度提高可整合的量子比特數目至百萬量級，實現容錯量子邏輯門，研製可編程的通用量子計算原型機。
據陸朝陽介紹，與“懸鈴木”相比，“九章”具有運算速度更快、環境適應性更強、克服技術漏洞這三大優勢。“懸鈴木”只有在小樣本的情況下快於超算，“九章”則在小樣本和大樣本上都超過了超算，“好比賽跑，谷歌的機器短跑能跑贏超算，長跑跑不贏；我們的機器短跑、長跑都能跑贏。”
前景廣闊
在機器學習、量子化學等領域具有潛在應用
在合肥，量子計算原型機“九章”幾乎佔據了半個實驗室，包含上千個部件。目前，“九章”和“懸鈴木”一樣只能用來解決某個特定問題。潘建偉認為，這是由於目前可用來搭建量子電腦的材料有限，全球都在朝著為數不多的幾個方向努力，“未來量子電腦的突破，更有可能依賴於新材料在量子計算硬體上的創新。”
如今，基於“九章”的高斯玻色取樣演算法在圖論、機器學習、量子化學等領域具有潛在應用，將是後續發展的重要方向。潘建偉團隊表示，儘管“九章”算力驚人，但只是在量子計算第一階段樹起的一座里程碑。“希望能通過15年到20年的努力，研製出通用的量子電腦，來解決密碼分析、氣象預報、藥物設計等應用非常廣泛的問題。”潘建偉表示。
《科學》雜誌審稿人評價，這是“一個最先進的實驗”“一個重大成就”。“量子優越性”實驗並非一蹴而就的工作，而是更快的經典演算法和不斷提升的量子計算硬體之間的競爭。但最終，量子並行性會産生經典電腦無法企及的算力。潘建偉團隊希望，這個工作能夠激發更多的經典演算法模擬方面的工作。