先把一两个量子比特的精度做到极致:阿里达摩院量子实验室刚刚破了项世界纪录

2022 年 3 月 24 日 机器之心
机器之心报道
编辑:张倩、小舟
在量子计算的世界里,量子比特数不是全部。
对于关注科技革命的人来说,量子计算一直是一个激动人心的领域,人们希望用它来解决经典计算机难以解决的大规模、高维度计算难题,如搜索、组合优化、密码破译、药物设计、新材料预测、天气预测等等。

但截至目前,大部分应用都还停留在愿景阶段,因为量子计算领域的很多基本问题都还没有解决。当前的阶段就相当于经典计算历史上寻找晶体管的那个时代,具体使用哪一个物理载体实现大规模量子计算都还没搞清楚。

为什么这一步走得那么难呢?这还要从量子计算的基本信息单位——量子比特说起。

量子比特有多脆弱?

量子比特本质上是处于叠加态的亚原子粒子,如电子、被束缚的离子或光子。量子比特周围环境的细微变化,比如振动、电场、磁场、宇宙辐射等,都可能对量子比特产生扰动,进而使叠加态坍缩,使量子比特失效,造成计算错误。而且,多个量子比特的错误会发生累积,使得量子计算机在多次运算后,有用的信息微乎其微,从而无法达到超越经典计算的能力。

由此可见,要想造出一台理想的量子计算机,提高量子比特精度是绕不开的一项基础工作。

当量子比特精度高到超过纠错阈值的时候,我们就可以通过使用量子纠错码进行所谓的容错量子计算,这时候错误不会累加,而是在不断的纠错中被抑制在很小的范围内。即使在纠错的阈值内,提高精度也会减少纠错码编码的代价,从而减少完成同一计算所需要的物理比特和操作数量。

选容易制备的还是理论上精度高的?

在寻找更精确的量子比特的道路上,超导量子比特 transmon 是近年来广受关注的一种。 它在 2007 年前后由耶鲁的 Robert J. Schoelkopf 团队开发完成,能够有效压制电荷噪声,并且易于制备、集成和扩展,谷歌声称实现「量子优越性」的实验就是在基于这个体系的量子计算机上实现的。

但受欢迎并不意味着精度最高。从理论上来说,比 transmon 精度更高的还有多种量子比特类型,比如同为超导量子比特的 fluxonium。

从构造上来讲,transmon 是用是否激发电路中的电荷震荡作为量子比特的 1、0 状态的表达,而 fluxonium 是用环形电路的磁通量作为量子比特,以其中磁通量所对应的环形电流方向(顺时针或逆时针)的反对称和对称叠加分别代表量子比特的 1、0 状态。因此,相对于电荷型的 transmon,磁通型的 fluxonium 更能抵御电荷噪声和电介质损耗所带来的干扰。另外,fluxonium 也更接近于理想的 2 能级系统。如果采用 fluxonium 比特,量子计算就能获得更高的操控精度,这对推进容错量子计算乃至量子计算的实用化至关重要。

但在实际制备中,fluxonium 比 transmon 更困难。 举一个简单的例子,一个 transmon 比特只需要 1~2 个约瑟夫森结(制备量子比特的关键电路元件),而一个 fluxonium 比特需要制备近百个乃至更多个约瑟夫森结,这给该量子比特的实现带来了巨大的困难。

因此,业界多数采用 transmon 比特,而 fluxonium 比特更多是「学术界演示原理的粗糙玩具」。

阿里巴巴达摩院量子实验室:我们选精度高的

超高的难度激发了科学家们挑战的热情。 在今年的美国物理学会年会(APS March Meeting,全球最大的物理学术会议之一)上,来自马里兰大学、普林斯顿大学、芝加哥大学、UC Berkeley、MIT/Lincoln Lab、阿里巴巴达摩院量子实验室(AQL)等顶尖超导量子计算研究组的全球科学家提交了以 fluxonium 为主题的几十个报告。
 


达摩院量子实验室的报告显示,该团队基于新型超导量子比特 fluxonium 成功设计制造的两比特量子处理器,实现了单比特操控精度超 99.97%,两比特 iSWAP 门操控精度最高达 99.72%,取得此类比特全球最佳水平,性能逼近业界主流的 transmon 比特 (目前两个 transmon 比特门操控精度最高可达 99.85-99.87%,由 MIT 和 IBM 完成)。


达摩院量子实验室也在该芯片上实现了另一种比 iSWAP 编译能力更强的原生两比特门 SQiSW,操控精度达 99.72%,是该量子门在所有量子计算平台上实现的最高精度。AQL 的成果初步显现出 fluxonium 比 transmon 具备更高操控精度的优势。

图:阿里巴巴达摩院量子实验室两比特(fluxonium)量子芯片。

所谓门操控,是指利用量子比特做一些逻辑门操控,例如 iSWAP 门、SWAP 门等,它们类似于经典计算中的与、或、非等逻辑门操控。

门操控精度是物理上实现的门操控与理想的逻辑门操控两者之间接近程度的度量。与单量子比特的门操控相比,两比特门的精确操控要更加难以实现,因为后者是一个量子纠缠操作。但要想用量子计算机实现通用计算,我们需要实现两比特纠缠门。因此,两比特门的精度往往是整个量子计算的瓶颈,也是整个领域公认的难题。

为了克服这些难题,达摩院量子实验室一直在理论、材料、仿真、设计、制备和控制等多个方向深入钻研。

在材料方面 ,该团队发明了一种利用钛氮化铝(TAN)材料的外延体系制造量子器件的新方法,在极低的微波损耗下依然能实现动态电感的急剧增加。该材料有望成为达摩院量子实验室下一代 fluxoinum 芯片的核心部件。

在仿真方面 ,量子芯片设计自动化的一个核心问题是提升仿真计算速度,达摩院研发出一种基于表面积分方程方法的超导量子芯片电磁仿真工具。相比于通常采用的有限元方法,该团队的新方法在电路参数和界面损耗的计算上,取得了两个数量级的加速,极大地加速了量子芯片的设计优化。

在设计方面 ,达摩院量子实验室通过将芯片优化与量子操控都集成到梯度优化的框架中,在更大参数空间中高效联合优化比特设计方案与比特操控方案,大幅提升了大规模量子芯片的设计能力。
 
此外,达摩院还在 fluxonium 上验证了自研的超导量子芯片整体计算性能的优化方案,包括针对超导架构的单比特门通用优化编译方案,针对超导芯片上的另一种原生操控 SQiSW 门的即时最优编译方案等。该优化方案可以大幅提升量子芯片的整体性能指标。

尽管目前相比于 transmon 比特门操控精度还有一点差距,但达摩院量子实验室相信,基于强大的理论优势,fluxonium 比特有望取得超越其他类型量子比特的高精度门操作。

这一成果也得到了学术界的肯定。在刚出炉的德国 Karlsruhe Institute of Technology 研究团队的一篇文章中,开篇第一句描述了超导量子计算在工业界的成功,其引用的 4 篇论文分别来自:IBM, Rigetti, Alibaba 和 Google (论文链接:https://arxiv.org/abs/2202.01776)。

「先精度、后多比特」的技术路线

可以看出,为了提高量子比特的精度,阿里达摩院量子实验室这些年真的花了不少功夫。但在他们看来,这一切都是值得的,因为最终实现大规模的量子计算必须通过高精度的多比特芯片。也就是说, 想实现可用的「多比特」,「高精度」是绕不开的,这就促使该实验室选择了「先精度、后多比特」的技术路线。

具体来说,这一路线可以概括为: 以研究超导硬件为核心,与主流形成差异化,在最基本的元件即量子比特上采取和领先团队不同的比特类型,并且优先提升小系统的质量(「高精度」),再逐步扩大系统的规模(「多比特」),最终实现「可扩展的高精度」。

选择这一路线就意味着,「(阿里)量子实验室现在没有很多比特吸引大家注意,近期大概率也不会有。」达摩院量子实验室负责人施尧耘说道。

因此,这一路线是非常考验战略定力的,毕竟在非业内人士看来,量子比特的数量似乎更有吸引力,「很多人只关注比特数,对精度还有比特组织结构(是线形还是网格),都不在意。」施尧耘坦言。

好在,这一技术路线在阿里内部得到了坚定不移的支持。

早在 2021 年 6 月的一次活动中,阿里巴巴董事会主席兼首席执行官张勇就表示,阿里巴巴将继续坚定投入像量子计算、芯片等长期、基础性研究(方向),要的是改变社会的长期的「大结果」。达摩院院长张建锋也明确指出,「要聚焦,集中精力做好研究」。

「打造可扩展的高精度量子比特平台,是当前我们实现量子计算机的核心策略。」施尧耘介绍说。

当前,这一策略已经取得了阶段性的成功。「我们历经三年磨练取得的成果,初步证明了 fluxonium 具有实际发展成为通用量子计算平台的潜力。」达摩院量子实验室实验团队负责人邓纯青博士在采访中兴奋地说道。

「以前我说没有很多比特的时候有些尴尬,」刚为没有很多比特「道歉」的施尧耘也底气十足地补充道,「但现在我这么说很自豪,因为我们在高精度上已经冲到了业界前沿。可以看到,未来我们有望用更少的比特做同样复杂的计算,或者用同样多的比特,做别人无法做的计算。」

参考链接:
https://baijiahao.baidu.com/s?id=1717382249543620727&wfr=spider&for=pc
https://zhuanlan.zhihu.com/p/188875819?utm_source=wechat_session
https://finance.sina.com.cn/chanjing/cyxw/2021-02-08/doc-ikftssap4840142.shtml

© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:content@jiqizhixin.com

登录查看更多
0

相关内容

MIT设计深度学习框架登Nature封面,预测非编码区DNA突变
专知会员服务
14+阅读 · 2022年3月18日
阿里达摩院十大科技趋势报告,31页pdf
专知会员服务
66+阅读 · 2021年12月29日
专知会员服务
17+阅读 · 2021年5月23日
2021年全球量子信息发展报告, 32页pdf
专知会员服务
78+阅读 · 2021年5月14日
专知会员服务
51+阅读 · 2020年12月28日
量子信息技术研究现状与未来
专知会员服务
40+阅读 · 2020年10月11日
【CVPR 2020-商汤】8比特数值也能训练卷积神经网络模型
专知会员服务
25+阅读 · 2020年5月7日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
微软发布量子计算最新成果,证实拓扑量子比特的物理机理
微软研究院AI头条
0+阅读 · 2022年3月18日
IBM推出127量子比特处理器,超越谷歌和中科大
量子位
0+阅读 · 2021年11月17日
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月17日
VIP会员
相关VIP内容
MIT设计深度学习框架登Nature封面,预测非编码区DNA突变
专知会员服务
14+阅读 · 2022年3月18日
阿里达摩院十大科技趋势报告,31页pdf
专知会员服务
66+阅读 · 2021年12月29日
专知会员服务
17+阅读 · 2021年5月23日
2021年全球量子信息发展报告, 32页pdf
专知会员服务
78+阅读 · 2021年5月14日
专知会员服务
51+阅读 · 2020年12月28日
量子信息技术研究现状与未来
专知会员服务
40+阅读 · 2020年10月11日
【CVPR 2020-商汤】8比特数值也能训练卷积神经网络模型
专知会员服务
25+阅读 · 2020年5月7日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
相关基金
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员