短深度量子电路的量子优势已被正式证明
来自IBM T.J.Watson研究中心,加拿大滑铁卢大学(University of Waterloo)和德国慕尼黑工业大学(Technical University of Munich)的研究员们已经在理论上证实了量子计算机能够比传统计算机更快地解决特定问题。他们设计的算法已经达到当前量子计算机处理器的计算能力极限,实验证明可能即将推出。
严格来说,Sergey Bravyi、David Gosset 和 Robert König等三位研究员证明了:
在恒定的时间周期内运行的并行量子算法一定比经典算法更加强大;在解决与二元二次型相关的特定线性代数问题上它们很可能更优。
他们提供的证据基于一种算法,以解决可以在量子常数深度中实现的二次“隐式线性函数”问题。隐式线性函数是一个不完全已知的线性函数,但它“隐藏”在你可以计算的另一个函数中。例如,一个线性函数可以隐藏在一个可以查询的Oracle中。挑战是基于应用已知函数的结果来充分表征隐式线性函数。如果这听起来有点类似于将公钥反转以找到其私钥的问题,那么这并不意外,因为这正是它所要解决的问题。
在oracle的例子中,这个问题通过经典的Bernstein-Vazirani算法解决,该算法最小化对oracle的查询次数。根据三位研究员的观点,Bernstein-Vazirani算法被应用于oracle的事实限制了它的实际适用性,所以他们建议在二维网格图中“隐藏”一个线性函数。在证明这种做法确实可行之后,他们建立了一个量子常量深度算法来找出隐藏的函数。
研究员们提供的另一半证据表明,与量子电路相反,任何传统电路都需要随输入数量的增加而提高其深度。例如,量子算法可以用一个最大深度为10的量子电路解决该问题,而无论你有多少输入,但反过来看传统呢,对于16个输入的问题,需要一个深度为10的传统电路;对于32个输入的问题,需要一个深度14的电路;对于64个输入的问题,需要一个深度20的电路等等。
证明的第二部分在哲学上是非常有趣的,因为它详述了量子非局域性的概念,而量子非局域性又与量子纠缠有关,量子纠缠与叠加是量子处理器最独特的特性之一。所以,量子优势似乎来自量子物理学最本质的特性。
在理论层面上,这一成就的价值也不可低估。IBM IBM Q副总裁Bob Sutor写道:
这个证明是量子算法和经典算法之间无条件分离的首次证明,尽管是在恒定深度计算的特殊情况下。
以前,量子计算机比经典计算机更强大的想法是基于因式分解问题。Shor指出,量子计算机可以在多项式时间内对整数进行因子分解,也就是说比任何已知的经典计算机算法更高效。尽管这是一个有趣的结果,但它并不排除确实可以找到更高效的经典因式分解算法的可能性。因此,除非人们猜想根本不存在高效的因式分解问题解决方案,这等价于证明”P ≠ NP“,否则人们不能真正地说量子优势被证明。
如上所述,Bravyi、Gosset和König的算法依赖于恒定数量的操作(量子电路的深度),这似乎正好适合当前量子计算机处理器的局限。这些基本与量子位的错误率和相干时间有关,它们限制了操作序列的最大持续时间及其总数。因此,使用短深度电路是当前量子电路任何可行应用的关键。Sutor说,由于所提出的算法的这种特性,IBM的研究人员已经开始使用IBM量子计算机来证明量子优势。
如果你有兴趣了解证明的全部细节,请不要错过David Gosset在普里美特理论物理研究所(Perimeter Institute for Theoretical Physics)的演讲以及演示幻灯片。
查看英文原文:https://www.infoq.com/news/2018/10/quantum-advantage-proved-ibm
- 量子优势
- 终于!谷歌移动端深度学习框架TensorFlow Lite正式发布
- 神经网络与深度学习笔记——第4章 神经网络可以计算任何函数的可视化证明
- 神经网络与深度学习 第二章 反向传播算法(两个假设、四个基本方程及其证明、代码及注释)
- 快讯:深度Linux 11.06正式发布
- 深度评测:和市场主流AR SDK对比,亮风台HiAR SDK有这些优势
- 微软新技术证明深度学习还能更“深入”
- 用实验证明深度学习中梯度消失的存在与LSTM的有效性
- 麦腾股份正式挂牌新三板,创业孵化市场或将深度洗牌
- 优房网以复合传媒网络优势正式上线
- 深度可配置CCD智能图像检测系统正式发布(附下载地址和上百个例程)
- 吴恩达Deeplearning.ai课程学习全体验:深度学习必备课程 By 路雪2017年8月14日 11:44 8 月 8 日,吴恩达正式发布了 Deepleanring.ai——基于 Cours
- 如何比较Keras, TensorLayer, TFLearn ?——如果只是想玩玩深度学习,想快速上手 -- Keras 如果工作中需要解决内部问题,想快速见效果 -- TFLearn 或者 Tensorlayer 如果正式发布的产品和业务,自己设计网络模型,需要持续开发和维护 -- Tensorlayer
- 证明二叉查找树所有节点的平均深度
- 深度操作系统主打性能优势的新版本 15.7发布
- c++代码测试-vector赋值, 证明是深度赋值
- 长文回顾NIPS大会最精彩一日:AlphaZero遭受质疑;NIPS史上第一场正式辩论和LeCun的激情抗辩/据理力争;元学习&深度强化学习亮点复盘。
- TensorFlow Lite 正式发布,谷歌移动端深度学习框架
- Gale-Shapley算法中 男性优势地位 的证明
- 传智播客深度技术分享沙龙【传智汇】正式成立