阿里量子实验室推出量子电路模拟器「太章」:成功模拟81比特40层量子电路

机器之心报道

机器之心编辑部

机器之心刚刚获得的消息,阿里巴巴量子实验室施尧耘团队宣布于近日成功研制了当前世界最强的量子电路模拟器,名为「太章」。基于阿里巴巴集团计算平台在线集群的超强算力,「太章」在世界上率先成功模拟了 81(9x9)比特 40 层的作为基准的谷歌随机量子电路,之前达到这个层数的模拟器只能处理 49 比特。

据介绍,本次模拟任务只动用了阿里巴巴计算平台在线集群 14% 的计算资源。「太章」的创新算法通信开销极小,得以充分发挥平台在线集群的优势,在过去超级计算机上做不了的模拟任务,比如 64(8x8)比特 40 层的模拟,「太章」只需 2 分钟即可完成。

图 1:阿里巴巴「太章」模拟器与目前主要模拟器模拟谷歌随机电路的结果比较

量子计算可能颠覆当前的计算技术,是科学界和工业界研究的前沿热点。但量子计算的实现十分困难。目前,已经实现的高精度量子处理器也只有 20 几个量子比特。故而规模稍大的量子算法尚无运行的载体。模拟器的作用在于「承上启下」,往下可以帮助理解、设计硬件,向上可以承载算法和应用的探索和验证。「太章」首次使得测试和验证被称为「中等规模」50-200 比特的的量子算法成为可能, 从而为辅助设计中等规模量子算法、量子软件乃至量子芯片提供了一个有力的工具。

在通常的量子电路模拟方案中,需要存储量子状态的全部振幅,在此海量数据上同时模拟量子运算。这个方法要求不断地在众多的计算节点间交换数据,造成巨大的通讯开销。因此,过去这样的模拟任务往往都在超级计算机上进行。实验室团队基于施尧耘教授及其合作者 Igor Markov 在 2005 年提出的另一种模拟方案,发明了一个简单而有效的方法分解整个模拟任务,然后十分均衡地把这些子任务分配到不同计算节点上。「太章」的通信开销极小,这个优点使之十分适合分布式的计算平台。

图 2:「太章」模拟的随机量子电路规模(黑线)与谷歌量子硬件可以实现的规模 (红线) 比较(基于谷歌在 [Characterizing quantum supremacy in near-term devices] 中对 7x7 的估计)

作为基准的随机量子电路是谷歌提出为实现「量子霸权」的算法。「量子霸权」指的是量子处理器的规模和精度到达无法被经典计算模拟的程度。谷歌今年 3 月份提出了未来工作的目标: 72 比特高精度的量子处理器。「太章」的结果表明这一计划中的处理器如果只运行该基准算法仍不足于达到量子霸权。

本次研究成果也提交到预印本网站 arXiv,文章并列第一作者为量子实验室量子科学家陈建鑫博士与实习生张放,作者还有实习生黄甲辰和 Michael Newman 博士。

论文:Classical Simulation of Intermediate-Size Quantum Circuits(中等尺寸量子线路的经典模拟)

论文链接:https://arxiv.org/abs/1805.01450

我们在本文中介绍通用量子线路的一个分布式经典模拟算法,并展示计算通用随机线路的输出概率的数值结果。探究结果表明,相比之前报告的,使用阿里巴巴团队的数据基础架构和搜索技术部支持的计算机集群得到的结果,我们可以模拟更多的量子比特以及更大的线路深度。例如,计算线路深度为 40 的 8×8 量子比特的单幅值在之前已经报告超越了超级计算机的计算能力。我们的算法可以在 2 分钟内计算这个值,并仅使用计算机集群的小部分资源(大约 14% 的节点)。此外,通过成功地模拟 9×9×40、10×10×35、11×11×31 和 12×12×27 大小的量子线路,我们证明了利用真实物理参数的带噪声随机线路也有用经典方式进行模拟的可行性。这意味着更稳固的线路或者误差校正可能是由随机线路采样方向实现量子霸权的重要因素。

背景资料

2016 年,谷歌提出通过实现二维阵列 mxn 对应的量子比特上的一类特定随机量子电路来实现量子霸权的方案,这一类特定随机量子电路通常被称为量子霸权电路。在方案中,认为当该二维阵列上的比特数 (mn) 达到 50, 电路的深度(层数)到达 40 左右,现有世界上最强大的超级计算机也无法有效模拟这样的电路。

图 3:8x8 二维网格上一个深度为 20 的量子霸权电路对应的张量网络展示

谷歌的硬件团队希望将在 9 量子比特 1 维阵列中实现的 1% 读取误差,0.1% 单比特门误差,0.6% 两比特门误差保持到更大规模的量子系统来实现这样的霸权电路,并通过这个特定任务,实现量子硬件对当前世界上最强大的经典计算资源的超越。此后,若干研究团队纷纷在不同的超级计算机上对该类电路进行模拟。之前,全球最好的研究结果尚未同时达到 50 比特 40 层。

图 4:nxn 二维网格上,阿里量子实验室的计算随机电路输出每一个振幅的执行时间与电路深度的对应关系。

在量子计算目前的模型中,有一类是量子电路模型,实现形式是将信息存储在量子比特中,通过类似经典逻辑门的量子门来实现计算。达摩院量子实验室团队量子科学家陈建鑫与实习生张放实现了一种基于分布式的通用量子电路模拟方案,并基于研究的模拟器对谷歌第一版的随机量子电路进行了测试。利用阿里计算平台的在线集群的少量计算资源 (14% 左右) 实验室团队成功使用「太章」模拟器模拟了 9x9 x40 也就是 81 比特 40 层随机电路,还分别成功模拟了 100 比特 35 层(10x10x35),121 比特 31 层(11x11x31)与 144 比特 27 层(12x12x27)的随机量子电路。

目前业界主流的模拟方案有两类,一类是存储量子状态的所有振幅,一类是对于任意振幅都可以迅速计算得到结果。第一类模拟方案,基本都在超级计算机上实现,因为存储 45 比特的量子状态需要 Petabyte 量级的内存,在存储这么多数据的同时对该量子态进行操作并进行计算,需要不断地在不同的计算节点之间交换数据,这样的通讯开销对于普通云服务是难以承受的。

在阿里巴巴计算平台的在线集群上,实验室团队采用了第二类模拟方案,通过快速有效的计算任意振幅,任务拆分后可以将子任务十分均衡地分配到不同节点,极少的通信开销使得模拟器适配现在广泛提供服务的云计算平台。

在本研究成果之前,对于两种模拟方案,全球尚未有研究团队可以成功模拟谷歌超过 50 比特 40 层的第一代随机测试电路。在达摩院量子实验室团队的模拟器内还可以每 2 分钟计算 64 比特 40 层随机电路的一个振幅。本次研究成果也已经以论文的形式在预印本网站 arXiv 上提交,文章并列第一作者为量子实验室量子科学家陈建鑫与实习生张放,作者还有实习生黄甲辰和 MichaelNewman 博士。

阿里巴巴量子实验室由美国密西根大学终身教授、世界顶级量子科学家施尧耘担任首席量子技术科学家、量子实验室主任。两次理论计算机最高奖哥德尔奖得主、匈牙利裔美国计算机科学家马里奥·塞格德(Mario Szegedy)于今年年初也加入该实验室。

蚂蚁金服举办首届金融科技领域算法类大赛——ATEC 蚂蚁开发者大赛人工智能大赛,点击「阅读原文」 进入大赛官网了解比赛信息,比赛报名请使用PC端浏览器打开官网。

原文发布于微信公众号 - 机器之心(almosthuman2014)

原文发表时间:2018-05-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

【神经拟态计算】 有新灵魂的机器——模拟大脑的计算机

人们喜欢变着花样来形容大脑。以前,大脑被时髦地比作 17 世纪贵族花园中赏心悦目的喷泉背后的水力供应系统。随着技术的发展,大脑先后被形容为电报通信网和电话交换系...

3646
来自专栏华章科技

写给准数据人的数据世界入门指南

因为我做过交互设计——会画DEMO;和PD接触时间长——多少知道PRD怎么写;又给分析师提过需求——知道数据大概怎么回事……

946
来自专栏专知

【CIKM2018】从大数据到大信息和大知识教程(附PPT下载)

CIKM创办于1992年,是由美国计算机协会针对信息检索、知识管理以及数据库主办的全球顶尖学术会议。CIKM每年汇聚了最前沿的科研人员,探讨先进知识及信息系统面...

1853
来自专栏人工智能快报

人工智能平台可有效预测网络攻击

现今使用的安全系统通常分为两类:基于人或机器的安全系统。所谓“分析师驱动的解决方案”(analyst-driven solutions)基于的是真人专家所建立的...

3515
来自专栏FreeBuf

关于机器学习在网络安全中的五大误解

机器学习已经渗透到了人类活动的所有领域,它不仅在语音识别、手势识别、手写识别和图像识别上起着关键的作用,这些领域如果没有机器学习在现代医学、银行、生物信息和存在...

2105
来自专栏大数据文摘

关于机器学习在网络安全中的五大误解

2852
来自专栏大数据文摘

机器真的已经战胜人类医生了吗?医学AI标题党文章中的三大陷阱

2077
来自专栏大数据挖掘DT机器学习

数据挖掘这些年,这些算法,这些反思

写这篇文章,缘自于前几天部门内部成员们进行了一次部门内部现有涉及的一些算法的review以及整理。不过比较囧的就是,由于boss不在,我们讨论讨论着就...

3156
来自专栏机器人网

机器人三角轮系的机构图

三角轮系   图2.63所示为三角轮系的机构图。这是日本东京大学研制的一种机器人轮系, 它所装备的机器人用于核电厂的自动检测和维修。该机器人除了采用三角轮系外,...

2854
来自专栏数据派THU

一文读懂因果推测、倾向模型(结合实例)

1403

扫码关注云+社区

领取腾讯云代金券