量子计算机“祖冲之号”“九章”再升级

我就是我 2022-09-17 05:16 51阅读 0赞

点上方**人工智能算法与Python大数据**获取更多干货

在右上方 **···**设为星标 ★，第一时间获取资源

仅做学术分享，如有侵权，联系删除

转载于 ：量子位

近日，我国在超导量子和光量子两种系统的量子计算领域再次取得重要进展！

![bdbdbd605cc1c2ba61581951b19115c2.png][]

距离宣布[又一次实现“量子计算优越性”][Link 1]**超导量子**计算原型机“祖冲之号”升级。

在计算复杂度上，新的原型机比谷歌的Sycamore量子计算机高**一百万**倍，比三个月前的“祖冲之号”高**一千**倍，还能实现更大规模的“量子随机线路取样”任务。

![ce401b71634550defdb71768a434393d.png][]

同时，**光量子**计算领域也推出了“九章二号”。

新的原型机从之前的76个光子增加到了113个光子，处理特定问题的速度比超级计算机快**亿亿亿**倍。

![ced580f74b1221c3c98a7655bb30e8e6.png][]

这两大领域的重要进展，也使得我国成为目前世界上唯一在**两种物理体系**达到“量子计算优越性”里程碑的国家。

## 4.2小时完成数万年工作 ##

在论文中，潘建伟团队将这次新推出的超导量子计算系统命名为**祖冲之2.1**。

![1b1e2b616df27c14d90a2eb649d93ff4.png][]

###### **△**祖冲之2.1量子处理器的装置示意图 ######

对比之前的62比特可编程超导量子计算原型机“祖冲之号”，这次的“版本更新”多了不少内容。

祖冲之2.1首先对读出性能进行了升级，其读出保真度平均可达**97.74%**，最高可达**99.1%**。

更强大的量子处理器也能够实现更大规模的随机量子电路采样，其系统规模可达可达60个量子比特和24个周期。

![332834fd9ab3e4f3adec5068f450fffd.png][]

###### **△**处理器结构拓扑图 ######

而在计算复杂度上，祖冲之2.1在60比特24周期的采样任务上比Sycamore上最难的任务高出6个数量级，比祖冲之2.0高出5000倍。

同时，使用张量网络算法和超级计算机模拟随机电路采样实验的时间需要4.8×104年（数万年），而祖冲之2.1只需要约4.2小时，相当于提速了**一千万倍**。

![fa41d78de2f7bf3f5a4ad7b56a79663b.png][]

## 比超级计算机快亿亿亿倍 ##

光量子领域的研究则主要来自一个新的、可编程的高斯玻色取样（GBS）实验，该实验在144模的光子电路下产生了113个探测事件。

也就是中科大教授陆朝阳所介绍的，把九章光量子计算机从之前的76个光子增加到了113个光子。

在计算成本上，“九章二号”输出的希尔伯特空间维度高达1043，达到了一个新的记录：

![fada0951f0131bfd346a7b23979b3b2d.png][]

而采样率比使用超级计算机快1024，相当于是快了**亿亿亿**倍。

![5cf5144f76bdb4af8cad916f42ec648c.png][]

对于这项研究，中国科学技术大学教授陆朝阳在接受采访时表示：

> 量子计算机对特定问题的求解**超越**超级计算机，这就是“量子计算优越性”，也是量子计算发展的第一个里程碑。

而无论是光量子比特，还是超导量子比特，都是国际公认的有望实现可扩展量子计算的物理体系。

那么在取得了这两大领域的重要进展之后，下一步要做什么呢？

据央视网报道，潘建伟团队希望他们能在未来4到5年内努力实现**量子纠错**，以此来研究探索一些专用的量子计算机或者量子模拟机，从而解决一些具有重大应用价值的科学问题。

论文：  
\[1\]https://arxiv.org/abs/2109.03494  
\[2\]https://arxiv.org/abs/2106.15534

参考链接：  
https://news.sina.com.cn/c/2021-10-26/doc-iktzqtyu3539298.shtml

\---------♥---------

声明：本内容来源网络，版权属于原作者

图片来源网络，不代表本公众号立场。如有侵权，联系删除

AI博士私人微信，还有少量空位

![ac732bfd7ea5aa1d64212b4ecd1e041d.png][]

![2db33d87ab1b3f4ef0380daba81f2a09.gif][]

[如何画出漂亮的深度学习模型图？][Link 2]

[如何画出漂亮的神经网络图？][Link 3]

[一文读懂深度学习中的各种卷积][Link 4]

点个在看支持一下吧![990300e0946417507bac5b0b502f1e6d.png][]![3e2718281817fcac1852362e1a439a29.png][]

[bdbdbd605cc1c2ba61581951b19115c2.png]: /images/20220828/44ee93d625f84b9b8b8b3ed8da2e58a8.png
[Link 1]: https://blog.csdn.net/weixin_32408723/article/details/118750292
[ce401b71634550defdb71768a434393d.png]: /images/20220828/3f849b89791c4c45ae4cb380dc4f2a7c.png
[ced580f74b1221c3c98a7655bb30e8e6.png]: /images/20220828/792f5265d432437aa251cfbf7517b262.png
[1b1e2b616df27c14d90a2eb649d93ff4.png]: /images/20220828/f316e881304c43218c2addfe7bee91b2.png
[332834fd9ab3e4f3adec5068f450fffd.png]: /images/20220828/c53f4734b8d94c6fbd78c493410709e7.png
[fa41d78de2f7bf3f5a4ad7b56a79663b.png]: /images/20220828/8a06edccaaf1419bb3305d12b4f510df.png
[fada0951f0131bfd346a7b23979b3b2d.png]: /images/20220828/2324827e7fa74e3b9984343b6c6568cb.png
[5cf5144f76bdb4af8cad916f42ec648c.png]: /images/20220828/882d4ae1ae484aa0bb3439ea69f6af4f.png
[ac732bfd7ea5aa1d64212b4ecd1e041d.png]: /images/20220828/6827fdef2a7b49e8ae62bf4d557bd340.png
[2db33d87ab1b3f4ef0380daba81f2a09.gif]: /images/20220828/74255a182339410e94e7a7055ab503f3.png
[Link 2]: https://blog.csdn.net/weixin_36896856/article/details/106880438
[Link 3]: https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/100918826
[Link 4]: https://blog.csdn.net/algorithmPro/article/details/108138471
[990300e0946417507bac5b0b502f1e6d.png]: https://img-blog.csdnimg.cn/img_convert/990300e0946417507bac5b0b502f1e6d.png
[3e2718281817fcac1852362e1a439a29.png]: /images/20220828/d2dda568b9ae4e9baf6e7c6df674108d.png