工程师证明量子优势

亚利桑那大学的研究人员已经证明了数量优势。 亚利桑那大学

亚利桑那大学工程学院和 James C. Wyant 光学科学学院的研究人员正在通过实验证明量子资源不仅仅是遥远未来的梦想——它们可以改进今天的技术。

量子计算和量子传感有可能比传统的同类产品更强大。 完全实现的量子计算机不仅可以在几秒钟内解决经典计算机需要数千年才能解决的方程，而且可以在从生物医学成像到自动驾驶等领域产生无数影响。

然而，这项技术还没有。

事实上，尽管关于量子技术的长程效应的理论广为流传，但很少有研究人员能够使用现有技术证明量子方法比经典方法具有优势。

在 2021 年 6 月 1 日发表在期刊上的研究论文中 X. 身体检查，亚利桑那大学的研究人员通过实验证明，量子比经典计算系统更具优势。

“证明量子优势是社会期待已久的目标，很少有实验能够证明这一点，”论文合著者、材料科学与工程副教授、亚利桑那大学首席研究员张哲深说。 Quantum Information and Materials Group 和该论文的合著者之一。 “我们试图展示我们如何利用已经存在于现实世界应用中的量子技术。”

量子如何（以及何时）工作

量子计算和其他量子过程依赖于称为量子位的小型而强大的信息单元。 我们今天使用的经典计算机使用称为位的信息单位进行操作，这些单位要么以零形式存在，要么以单一形式存在，但量子位能够同时以两种状态存在。 这种二元性使它们既强大又脆弱。 微量子位很容易在没有警告的情况下崩溃，这使得一个称为纠错的过程——在问题发生时解决——变得如此重要。

量子信息理论组首席研究员庄群涛（左）和量子信息与材料组首席研究员张哲深均为工程学院助理教授。 图片来源：亚利桑那大学

量子领域现在正处于加利福尼亚理工学院著名物理学家约翰·普雷斯基尔称为“中级量子噪声”或 NISQ 的时代。 在 NISQ 时代，尽管存在大量噪声或干扰，但量子计算机可以执行仅需要大约 50 到几百个量子比特的任务。 不仅如此，噪音压倒了兴趣，导致一切崩溃。 人们普遍认为，实现实用的量子应用需要 10,000 到几百万个量子位。

想象一下，您正在发明一个系统，确保您烹制的每一餐都完美无缺，然后将该系统提供给一群没有正确食材的孩子。 几年后会很棒，一旦孩子们长大成人并且可以购买他们需要的东西。 但在那之前，系统的用处是有限的。 同样，在研究人员推进可以降低噪声水平的纠错领域之前，量子计算仅限于小规模。

连锁优势

论文中描述的实验结合了经典和定量技术。 具体来说，他使用三个传感器对射频信号的平均幅度和角度进行分类。

传感器配备了另一种称为纠缠的量子源，允许它们相互共享信息并提供两个主要好处：首先，它提高了传感器的灵敏度并减少了错误。 其次，因为它们是互锁的，传感器评估全局属性而不是收集有关系统特定部分的数据。 这对于只需要二进制答案的应用程序很有用； 例如，在医学成像中，研究人员不需要知道组织样本中不是癌变的每个细胞——只需要知道一个细胞是否癌变。 同样的概念也适用于饮用水中危险化学品的检测。

经验表明，为传感器配备量子纠缠使它们比传统传感器更具优势，将出错的可能性降低了很小但至关重要的幅度。

“使用互锁来改进传感器的想法不限于特定类型的传感器，因此它可以用于一系列不同的应用，只要您拥有将传感器互锁的设备，”研究合作者说。作者群涛。 庄，电子与计算机工程助理教授，量子信息理论组首席研究员。 “从理论上讲，例如，您可以考虑用于自动驾驶汽车的激光雷达（光检测和测距）等应用。”

庄和张在 2019 年开发并描述了实验背后的理论 X. 身体检查 纸。 他们与詹姆斯·C·韦特光学科学学院的博士生 Yi Xia 和材料科学与工程博士后研究员 Wei Li 共同撰写了这篇新论文。

量子位工作簿

在 NISQ 时代，目前有一些应用结合了量子和经典处理，但它们依赖于必须在量子世界中转换和分类的预先存在的经典数据集。 想象一下，拍摄一系列猫和狗的照片，然后将照片上传到一个系统中，该系统使用量子方法将照片标记为“猫”或“狗”。

该团队从不同的角度处理标记过程，主要使用量子传感器收集数据。 这就像使用专门的量子相机在拍照时将照片标记为“狗”或“猫”。

“很多算法都会考虑存储在计算机磁盘上的数据，然后将其转换为量子系统，这需要时间和精力，”庄说。 “我们的系统通过评估实时发生的物理过程来解决一个不同的问题。”

该团队对他们的工作在量子传感和技术交叉领域的未来应用感到兴奋。 数量统计. 他们甚至设想有一天将整个实验装置整合到载玻片上，载玻片可以浸入生物材料或水样中，以识别疾病或有害化学物质。

“我们认为这是量子计算、量子机器学习和量子传感器的新范式，因为它确实建立了连接所有这些不同领域的桥梁，”张说。

参考：“Quantum Enhanced Data Classification with a Variable Synaptic Sensor Network”，作者 Yi Xia、Wei Li、Kuntao Zhuang 和 Jichen Zhang，2021 年 6 月 1 日，可在此处获得。 X. 身体检查.
DOI：10.1103/PhysRevX.11.021047