如何驗證量子芯片是否正確計算？

邁向實用量子計算的一步，來自MIT，Google和其他地方的研究人員設計了一種系統(tǒng)，可以驗證量子芯片何時能夠準確執(zhí)行傳統(tǒng)計算機無法執(zhí)行的復雜計算。

量子芯片使用稱為“量子位”的量子位執(zhí)行計算，量子位可以表示對應于經典二進制位的兩個狀態(tài)(0或1)或兩個狀態(tài)的“量子疊加”。獨特的疊加狀態(tài)可以使量子計算機解決經典計算機幾乎無法解決的問題，從而可能在材料設計，藥物發(fā)現(xiàn)和機器學習等方面取得突破。

完整的量子計算機將需要數(shù)百萬個量子位，但這還不可行。在過去的幾年中，研究人員已開始開發(fā)包含大約50至100量子位的“噪聲中級量子”(NISQ)芯片。這足以證明“量子優(yōu)勢”，這意味著NISQ芯片可以解決某些傳統(tǒng)計算機難以處理的算法。但是，驗證芯片是否按預期執(zhí)行操作會非常低效。芯片的輸出看起來可能完全是隨機的，因此需要很長時間來模擬步驟以確定一切是否按計劃進行。

在《自然物理學》上發(fā)表的一篇論文中，研究人員描述了一種新穎的協(xié)議，可以有效地驗證NISQ芯片已經執(zhí)行了所有正確的量子操作。他們在定制量子光子芯片上運行的一個非常困難的量子問題上驗證了其協(xié)議。

“隨著工業(yè)和學術界的飛速發(fā)展，我們已經超越了能超越傳統(tǒng)機器的量子機器的風口浪尖，量子驗證的任務變得至關重要，”電子工程和計算機科學系的博士后第一作者雅克·卡洛蘭(Jacques Carolan)說。 EECS)和電子研究實驗室(RLE)。“我們的技術為驗證多種量子系統(tǒng)提供了重要工具。因為如果我投資數(shù)十億美元來制造量子芯片，那肯定會做一些有趣的事情。”

麻省理工學院的EECS和RLE的研究人員以及Google Quantum AI實驗室，Elenion Technologies，Lightmatter和Zapata Computing的研究人員也與Carolan一同加入了論文。

分而治之

研究人員的工作實質上是將量子電路生成的輸出量子狀態(tài)追溯到已知的輸入狀態(tài)。這樣做可以揭示對輸入執(zhí)行了哪些電路操作以產生輸出。這些操作應始終與研究人員編寫的程序匹配。如果不是這樣，研究人員可以使用這些信息來確定芯片上哪里出了問題。

卡羅蘭說，新協(xié)議的核心是“可變量子解采樣”，它是一種“分而治之”的方法，它將輸出量子狀態(tài)分解為多個塊。“我們不需要一次很長時間地完成全部操作，而是逐層進行這項無擾的工作。這使我們能夠分解問題，以更有效的方式解決它。” Carolan說。

為此，研究人員從神經網絡中汲取了靈感-神經網絡通過多層計算解決了問題-建立了一個新穎的“量子神經網絡”(QNN)，其中每個層代表一組量子運算。

為了運行QNN，他們使用傳統(tǒng)的硅制造技術來構建一個2 x 5毫米NISQ芯片，該芯片具有170多個控制參數(shù)，這些可調電路組件使操縱光子路徑更加容易。成對的光子從外部組件以特定的波長生成，并注入到芯片中。光子穿過芯片的移相器(它們會改變光子的路徑)相互干擾。這將產生一個隨機的量子輸出狀態(tài)-表示在計算過程中將發(fā)生的情況。輸出由一組外部光電探測器傳感器測量。

該輸出將發(fā)送到QNN。第一層使用復雜的優(yōu)化技術來挖掘嘈雜的輸出，以查明所有加在一起的單個光子的簽名。然后，它“解擾”該組中的單個光子，以識別哪些電路操作將其返回到其已知的輸入狀態(tài)。這些操作應與任務的電路特定設計完全匹配。所有后續(xù)層都進行相同的計算-從方程式中刪除以前未加密的光子-直到所有光子都未加密。

例如，假設輸入到處理器的量子位的輸入狀態(tài)全為零。NISQ芯片對量子位執(zhí)行一堆操作，以生成大量的，看似隨機變化的數(shù)字作為輸出。(輸出數(shù)量將一直處于量子疊加狀態(tài)，因此會不斷變化。)QNN選擇該大量數(shù)量的塊。然后，它逐層確定哪些操作將每個量子位還原回其輸入狀態(tài)零。如果有任何操作與原始計劃的操作不同，則說明出現(xiàn)了問題。研究人員可以檢查預期輸出與輸入狀態(tài)之間的不匹配情況，并使用該信息來調整電路設計。

玻色子“未采樣”

在實驗中，研究小組成功運行了一項流行的計算任務，該任務用于證明量子優(yōu)勢，稱為“玻色子采樣”，通常在光子芯片上執(zhí)行。在本練習中，移相器和其他光學組件將操縱一組輸入光子并將其轉換為輸出光子的不同量子疊加。最終，任務是計算某個輸入狀態(tài)與某個輸出狀態(tài)匹配的概率。從本質上講，這將是一些概率分布的樣本。

但是由于光子的不可預測的行為，經典計算機幾乎不可能計算這些樣本。從理論上講，NISQ芯片可以相當快地計算它們。但是，由于NISQ操作和任務本身的復雜性，到目前為止，還沒有方法可以快速，輕松地進行驗證。

卡洛蘭說：“賦予這些芯片量子計算能力的相同特性幾乎使它們無法驗證。”

在實驗中，研究人員能夠在其自定義NISQ芯片上“解采樣”遇到玻色子采樣問題的兩個光子-而且只需一小段時間即可采用傳統(tǒng)的驗證方法。

“這是一篇出色的論文，它使用非線性量子神經網絡來學習黑匣子執(zhí)行的未知unit運算，”約克大學專門研究量子技術的計算機科學教授Stefano Pirandola說。“很明顯，該方案對于驗證由量子電路(例如，由NISQ處理器執(zhí)行)的實際門可能非常有用。從這個角度來看，該方案是未來量子工程師的重要基準測試工具。這個想法明顯地在光子量子芯片上實現(xiàn)了。”

卡羅蘭說，盡管該方法是為量子驗證目的而設計的，但它也可以幫助捕獲有用的物理性質。例如，某些分子在激發(fā)時會振動，然后基于這些振動發(fā)出光子。通過將這些光子注入光子芯片，Carolan說，解擾技術可用于發(fā)現(xiàn)有關那些分子的量子動力學的信息，以幫助進行生物工程分子設計。它也可以用來解擾攜帶量子信息的光子，這些量子信息通過湍流空間或材料而積累了噪聲。

卡羅蘭說：“夢想是將其應用于物理世界中有趣的問題。”