科技腾讯新闻··AI 生成
量子计算机太贵，科学家用普通电脑训练了一个“替身”
量子计算机昂贵且运维成本极高，全球多数研究者难以接触。黄合良团队提出一种“代理模型”方法：先用量子计算机获取少量数据，训练一个经典机器学习模型作为替身，再将大部分计算任务交给普通电脑。在42量子比特的变分量子求解器任务上，该方法将量子计算机调用次数降低了三个数量级（测量次数仅为传统方法的0.023%），且精度更高。该工作为在经典硬件上“模拟”量子计算效果提供了可行路径，但距离量子计算大规模应用仍有距离。原文 ↗原文 ↗
核心观点
- ▍通过使用量子计算机先跑少量数据训练一个经典代理模型（替身），可以在普通电脑上完成大部分计算任务，将量子计算机的调用次数降低三个数量级，大幅降低使用门槛和成本。
- 01代理模型在42个超导比特的变分量子求解器任务上，仅用了传统方法0.023%的测量次数，就找到了接近基态能量的参数，精度（误差0.09）优于传统方法100步优化后的结果（误差0.21）。
- 02在识别Floquet对称保护拓扑相的任务中，代理模型成功预测了不同参数下的磁化强度，并准确捕捉到拓扑相边缘比特的振荡特征，扫出的相变点位置与理论预测基本一致。
- 03该团队设计了两套代理模型：h_cs专门处理参数独立电路，h_qs处理参数相关电路，两者均遵循“少量量子数据训练-经典模型预测”的统一思路。
- 04代理模型在8到42个比特的规模上均保持稳定表现，证明其效果不随比特数增加而明显下降。
- 05黄合良团队曾在2021年凭借“超大规模量子随机电路实时模拟”获得戈登贝尔奖，本研究是该长期积累的延续，相关论文发表于Nature Communications。
反方 / 局限
- — 量子计算距离大规模应用还有一定距离，代理模型虽能降低调用次数，但并不能解决量子比特的物理脆弱性、初始化耗时等根本问题，且其精度仍依赖于初始量子数据的质量。
黄合良河南省量子信息与量子密码重点实验室量子比特代理模型变分量子求解器Floquet对称保护拓扑相邓肯·霍尔丹Nature Communications戈登贝尔奖
前置背景
技术原理
平行视角
未来推演
延伸追问