当前位置: 首页 > news >正文

量子计算获重大突破!微软和Quantinuum将量子计算错误率降低800倍,网友:AI算力的希望

量子计算迎来新突破。

近日,微软和量子计算公司Quantinuum宣布:发现了一种新的量子计算系统,可以将传统量子计算的错误率下降800倍,这让高性能量子计算机走进现实更近了一步。

自生成式AI爆发以来,算力是AI发展面临的最大挑战之一,而量子计算被认为是解决AI算力瓶颈的颠覆性力量。

量子计算的突破可能会像ChatGPT一样,重新定义算力的未来。

首先,简单介绍一下什么是量子计算。

分享几个网站

GPT-3.5研究测试:
https://hujiaoai.cn

GPT-4研究测试:
https://higpt4.cn

Claude-3研究测试(全面吊打GPT-4):
https://hiclaude3.com

什么是量子计算

量子计算的基本单元是量子比特(qubits),不同于传统计算机非0即1的比特(bits)。量子位可以通过量子叠加,同时处于0和1的状态,使得量子计算机拥有强大的并行处理能力。

量子门(Quantum Gates)用于对量子比特进行操作,类似于传统计算机的逻辑门,它们能够改变量子位的状态,执行各种计算。

图片

量子计算的硬伤

容易出错,是目前量子计算最大的硬伤,具体来说,有两个主要原因使得量子计算容易出错:

1、退相干

量子态非常脆弱,极易受到周围环境的干扰。任何微小的环境变化,如温度波动、电磁场的变化,甚至是量子位之间的相互作用,都可能导致量子位的量子态发生变化,它是导致量子信息丢失的主要原因。

2、量子噪声

与经典计算机中的电子噪声类似,量子噪声是指在量子系统的操作过程中引入的任何非预期的变化。这可以是由于量子位制备的不完美、量子门操作的不精确,或者是测量过程中的错误。

所以,为了获得准确的量子计算逻辑,容错量子计算就应运而生,它主要通过用多个“物理”的量子位构成的计算逻辑互相纠错,然后将这些“物理意义上”的量子位来充当一个逻辑上可用的、不易出错的量子位。

先前的研究表明[1],可能需要1,000个或更多这样易出错的“物理”量子位才能产生一个潜在有用的“逻辑”量子位。但微软的最新研究表明:十几个就足够了!

新突破:“错误率” 降低800倍

微软科学家们开发出了一种名为“Qubit virtualization system”的新技术,这项技术结合了量子纠错技术和一个特殊的策略,用于确定和修复量子计算中出现的错误。

这一突破通过将量子位虚拟化系统和错误诊断及纠正技术应用到Quantinuum的离子阱硬件上,完成了超过14000次的个体实验,而且没有出现单一错误。

图片

该系统包括一种名为“Active syndrome extraction”的方法,它能够在不干扰量子位当前状态的前提下,诊断并纠正错误

这种方法专注于学习量子位的噪声特性而非其量子态,从而允许更长时间和更复杂的量子计算任务,而不会破坏逻辑量子位[2]。

图片

实验结果显示,通过这一技术,4个逻辑量子位大约每进行100,000次运算可能只会遇到一次错误。

与它们所基于的物理量子位相比,这项技术使错误率降低了800倍。这相当于信号质量改善了29分贝,这与高质量降噪耳机所能提供的降噪效果相似。

尽管此项成果还未经同行评审,但已向公众展示了其在提高量子计算准确性方面的潜力,从而进一步推动量子计算向实用化发展。我们已经可以预见,实用的量子计算,势必会引发新一轮的AI革命。

量子计算:AI算力的未来革命

量子计算对AI的影响主要从算力与算法两大维度体现。

从算力的角度,量子计算能通过其超强的并行处理能力,同时处理大量数据。此外,量子计算能够加速矩阵运算和向量计算,从而显著提高模型训练的速度,使得训练更大的模型变得可行。

从算法的角度,量子计算提供了全新的算法设计空间,量子机器学习算法可以在理论上提供比传统算法更优的性能,比如量子版本的支持向量机、量子神经网络等。此外,量子计算还可能促成全新的算法和模型的发展。例如,利用量子纠缠和量子叠加等现象,可能会发展出在传统计算框架下无法想象的新型AI模型。

未来可期

微软高级量子开发副总裁Krysta Svore表示,基于目前的研究理论,最终逻辑量子位的错误率将再降低千倍[2]。在未来,量子计算将被视为视为高性能计算和AI集成平台的一部分。

如果有朝一日,量子计算的错误率降低百万倍,这不仅是技术上的一大飞跃,更向我们展示了一个崭新的可能性——在量子的世界里,有无数扇通往未知世界的大门。这一成就让我们重新审视科技的力量,如果量子计算机脱离理论,走向实用,我们将迎来怎样的新纪元?

http://www.lryc.cn/news/333419.html

相关文章:

  • WordPress 6.5 “里贾纳”已经发布
  • 甲方安全建设之日志采集实操干货
  • dm8 开启归档模式
  • “AI复活”背后的数字永生:被期待成为下一个电商,培育市场认知和用户心智还需时间
  • 基于单片机钢琴电子节拍器系统设计
  • 我的创作纪念日(year Ⅱ)
  • 应急响应实战笔记05Linux实战篇(1)
  • 重装系统之后,电脑连网卡都没反应怎么办?
  • 【三十五】【算法分析与设计】综合练习(2),22。 括号生成,77。 组合,494。 目标和,模拟树递归,临时变量自动维护树定义,递归回溯,非树结构模拟树
  • QT智能指针
  • C++笔记之pkg-config详解,以及g++、gcc编译时使用pkg-config
  • [Apple Vision Pro]开源项目 Beautiful Things App Template
  • Qt Remote Objects (QtRO) 笔记
  • Unity类银河恶魔城学习记录12-6.5 p128.5 Create item by Craft源代码
  • UE4_如果快速做出毛玻璃效果_假景深
  • c# wpf LiveCharts 绑定 简单试验
  • 【Kafka】Kafka安装、配置、使用
  • 2024HW-->Wireshark攻击流量分析
  • Lafida多目数据集实测
  • excel wps中编码格式转换
  • 【游戏分析】非游戏领空追字符串来源
  • golang 数组和切片
  • 物联网实战--入门篇之(九)安卓QT--开发框架
  • 【leetcode面试经典150题】16.接雨水(C++)
  • 互联网面经
  • xss介绍及作用
  • PostgreSQL入门到实战-第二弹
  • 3-【PS让图片动起来】系列1-【导入素材】
  • 基于Java+SpringBoot+Mybaties+layui+Vue+elememt 实习管理系统 的设计与实现
  • 非关系型数据库——Redis基本操作