上周，谷歌宣布他們的量子計算機比傳統計算機快上1億倍，有人歡呼雀躍，有人提出質疑。讓我們來看看背后的故事吧，看看物理學家John Martinis如何幫谷歌實現炙手可熱的量子計算之夢。他或許正手握著量子計算的圣杯。本文選自麻省理工科技評論。

　　John Martinis用老花鏡腿指向幾年后即將造出新型計算機的地方，這種新型計算機將擁有超乎想象的計算能力。那是一個圓柱形的槽，約1.5英寸寬，位于一個半身雕塑大小的結構底部，這個結構由各種圓盤、塊狀物、電線、銅和金堆疊而成。今年秋天，在我拜訪他的前一天，他在這個圓槽中裝載了一個實驗性的超導芯片，上面蝕刻著一個微縮的Google logo，并把這個裝置降溫到絕對零度以上1/100℃。為了慶祝測試機器的第一天，Martinis和同事們在一家自釀啤酒館舉辦了一個他所謂的“小聚會”，這些同事都來自于Google在加州圣塔芭芭拉新購置的實驗室。

　　如果Martinis的團隊真的造出他們追尋的神奇計算機，必將引發一場盛大的慶祝。與之相比，這場小聚會實在太寒磣。因為，這臺計算機將能駕馭量子力學在極端環境(例如超冷芯片)中涌現的奇妙性質。它能讓Google的程序員在一杯咖啡的休息時間內解決一個現有超級計算機需要幾百萬年才能解決的問題。Google在普通計算機上開發來駕駛汽車或回答問題的軟件也將變得更加智能。而Google及其母公司(Alphabet)內部冒出的那些更加前沿的想法(例如救災機器人或以人類水平對話的軟件)可能將變成現實。

　　前人已經奠定了量子計算的理論基礎。物理學家們已經能夠造出未來的量子計算機賴以存在的基本計算單元，也就是量子比特(qubit)。他們甚至能操控量子比特，使它們聚集成小型的組群。但是，他們還不能造出一臺完全運轉、實際有用的量子計算機。

　　Martinis是該領域內的頂尖專家——他在加州大學圣塔芭芭拉分校的研究團隊已經驗證了某些最可靠的量子比特，并能讓它們運行一些量子計算機運轉所需的代碼。2014年7月，他對Google說，只要有足夠的支持，他團隊的技術就能迅速達到成熟。Google被說服了，并聘用了他。他的新Google實驗室建立并運作起來，Martinis認為，他能夠在兩三年內造出一臺小而可用的量子計算機。他說，“我們常對彼此說，我們正處在孕育量子計算機產業的過程中。”

　　Google和量子計算就像算法天堂中的一場角逐。常有人說，Google對數據有著貪得無厭的饑渴。但Google對量子計算的戰略卻比饑渴更加熱切和上癮——他們想從數據中汲取信息，甚至從中創造出智能。Google這家公司成立的初衷是商業化一款排名網頁的算法，它賴以生存的經濟基礎是售賣和定位廣告。而最近，Google投入大筆資金來研發人工智能(AI)軟件，這些軟件能夠學習和理解語言或圖像、進行基本的推理以及在擁堵路段駕駛汽車——這些任務對傳統計算機十分困難，但對量子計算機來說卻是小菜一碟。Google的CEO桑達爾·皮查伊(Sundar Pichai)最近對投資人說：“機器學習這一具有變革意義的核心技術將促使我們重新思考我們做所有事情的方式。”Martinis的新量子產業的首要任務就是證明這一點。

　　筑夢者

　　上周之前，幾年內造出有用的量子計算機的前景似乎還很遙遠。政府、學術機構和企業實驗室的研究員還遠不能聚集起足夠的量子比特來建造一臺簡單的原理驗證機。資金雄厚的加拿大初創公司D-Wave Systems出售了幾臺所謂的“全世界最早的商用量子計算機”，但是多年來都未能讓業內專家信服這些機器能完成量子計算機理應完成的任務。

　　接著，就在上周，NASA(美國宇航局)在加州山景城艾姆斯研究中心的N-258號樓召開了新聞發布會(N-258號樓是NASA的先進超級計算中心所在地。——譯者注)。那里從2013年開始就放置著Google從D-Wave購買的一臺計算機。在那里，Google建來用D-Wave計算機做實驗的量子人工智能實驗室主任Hartmut Neven公布了一個真實的證據，證明它能提供量子計算機允諾的計算能力。在一個設計嚴格的測試中，D-Wave計算機中被稱為量子退火機(quantum annealer)的超導芯片比傳統處理器快了1億倍。

　　然而，這種優勢需要在實際的計算任務中實現，而不僅僅是有目的的測試。Neven是一個健談的機器學習專家，他說：“我們需要讓它把工程師辦公桌上的實際問題變得更簡單，并把它放入計算機。”這就是Martinis進入的領域。Neven認為D-Wave的量子退火機不會很快準備好為Google工程師服務，因此他雇傭了Martinis來干這活。Neven說：“很明顯，我們不能只是一味的等待。為了達到一個真正的技術，我們需要克服一大串的問題。”他說D-Wave芯片上的量子比特太不靠譜，連接起來的厚度也不夠。(D-Wave的CEO Vern Brownell回應說他不擔心來自Google的競爭。)

　　Google面臨的競爭對手不僅有來自D-Wave的進展，還有微軟與IBM，因為他們也擁有許多量子計算的項目。但是這些公司都更加關注設計，而不是讓它們變得更實用。實際上，一個關于Google項目的大致時間線估計，最快到2017年，Martinis的團隊就能用100個量子比特制造一個量子退火機。D-Wave最新的芯片已經有1097個量子比特，但是Neven說一個高質量芯片或許可用更少的量子比特就能完成一些任務。一個量子退火機只能運行一個特定的算法，但是，它碰巧非常適合Google最關心的領域。麻省理工學院(MIT)林肯實驗室的高級職員William Oliver研究了量子計算的潛力，他說這種應用可能非常有利于模式識別和機器學習。

　　John Martinis今年57歲，對解開量子物理研究復雜的鏈條、使其成為一個嶄新的工程學科來說是一個完美的人選。他不僅能夠潛心研究難懂的數學，還特別喜歡建造東西。操縱哪怕僅一個量子比特都是一個難題，因為這要涉及到量子理論、固態物理學、材料科學、精密加工、機械設計和傳統電子業的組合。Martinis個子高高的，有著親善的嗓音，大家公認他個人已經掌握了上述每塊理論和技術實施。在帶我們參觀他的新Google實驗室時，不管是面對傳統車間區域的新烙鐵和機械工具，還是面對冷卻和運算芯片的復雜設備，他都興奮不已。他說：“我認為這很有趣。我能完成別人無法做到的實驗，是因為我能建造我自己的電子設備。”

　　Martinis和他的團隊必須掌握許多技術，因為量子比特是如此變化多端。它們可以用多種不同的方法實現——Martinis的方法是用微電流來冷卻鋁環直至它們變成超導體。但不管采用什么方法，它們表示數據的方法都是微妙的量子狀態，這種狀態極易被熱量和電磁噪聲扭曲或破壞，并將計算破壞殆盡。

　　量子比特用它們脆弱的物理性質所做的事，正相當于傳統芯片上的晶體管用電流完成的事——也就是用0和1的二進制來表示信息。但是，量子比特還有一種稱為疊加態的狀態，能同時表示0和1。處于疊加態的量子比特還能以一種叫做量子糾纏的現象相互聯系，也就是說一個量子比特的行為能瞬間影響到另一個量子比特。有了這些效應，量子計算機中的單個運算就完成傳統計算機中很多很多運算才能完成的任務。在某些情況下，隨著處理數據量的增加，量子計算機比傳統計算機的優勢會實現指數級的增長。

　　無法保持量子比特的穩定狀態正是我們尚未造出量子計算機的原因。但是，Martinis已經在此問題上研究了11年，他認為他已經接近答案了。他的量子比特的退相干時間(也就是量子比特保持疊加態的時長)是幾十微秒——比D-Wave芯片的數據高1萬倍。

　　Martinis對他們團隊的硬件很有信心。這種信心甚至讓他認為除了量子退火機以外，他還能為Google建造出其他形式的量子計算機，甚至比量子退火機還更強大。它將被稱為通用量子計算機(universal quantum computer)，可被編程來處理任何問題，而不僅僅是一種數學問題。實際上，人們對這種方法背后的理論比量子退火機了解得更多，一部分是因為花費在量子計算研究上的大多數時間和金錢都用在了通用量子計算上。但是量子比特的可靠性還不夠高，不足以將該理論轉化成切實可行的通用量子計算機。

　　直到三月，Martinis和他的團隊首次論證了位于通用量子計算機所需的可靠閾值之上的量子比特。他們讓一個有9個量子比特的芯片運行了一個稱為 surface code的錯誤檢驗程序，該程序對量子計算機的運行十分必要(IBM已經能讓部分 surface code在4個量子比特上運行)。Martinis說：“我認為，我們對這種技術的驗證已經到達了能夠按比例放大的程度。這次是來真的。”

　　Martinis的目標是大約2年內，在他推出Google新量子退火機的同時，也完成一臺完全的通用量子計算機。那將會成為計算機科學領域的里程碑，但它不可能立即幫到Google的程序員。在威斯康辛州大學領導量子計算研究團隊的Robert McDermott說，由于surface code的復雜性，即使一個有著100個量子比特的芯片能運行錯誤檢驗程序，但它不能完成任何額外的工作。然而Martinis認為，一旦他能提高量子比特的可靠性，在通用量子芯片上實現100個量子比特，就能打開通往更多量子比特的大門。他說：“這是我們擅長的事。盡管保持相干很困難，但是按比例擴大卻很容易。”

　　機器學習是愚蠢的算法嗎？

　　當Martinis解釋為什么Google需要他的技術時，他對于人工智能領域的工作者們毫不留情：“機器學習算法真的是一種愚蠢的做法，”他的話語中帶有一絲懷疑，“(機器學習算法的實現)需要學習太多的范例。”

　　事實上，Google和其他計算機公司所使用的機器學習技術與人類或動物學習新技能或知識的方式相比是可悲的。教會一個軟件某種新的技能，比如，如何在照片中識別出汽車和貓，通常需要成千上萬張精心挑選并注有標簽的范例圖片。盡管一種稱為深度學習的技術最近在軟件通過學習來詮釋圖像和語句的準確度方面有了顯著的進步，但若是要學習更復雜的才能，比如理解語言中的細微差別等，仍然超出了機器的能力范圍。

　　Martinis的芯片如何才能使Google的軟件變得不那么愚蠢?弄清這件事的任務落到了Neven身上。他認為量子比特的驚人力量將縮小機器學習和真實生物學習之間的差距——并且重塑人工智能這個領域。他說，“機器學習將轉變為量子學習。”這可能意味著軟件可以從混亂的數據，或是較少的數據，甚至是在沒有明確指示的情況下進行學習。例如，Google的研究人員已經設計了一種算法，通過應用該種算法，他們認為即使在多達一半的范例數據被錯誤標記的情況下仍然可以讓機器學習軟件習得某種新的技能。Neven若有所思地說，這種計算能力可能是突破當今人類所能賦予計算機的能力上限的關鍵。 “人們都在談論我們能否實現富有創造力的機器——我們能夠建立的最富有創造力的系統將會是量子人工智能系統”，他說。

　　更現實地來看，在目前僅僅只有D-Wave的機器可供操作的情況下，Google的研究人員能做的只是推測他們應用Martinis制作的芯片之后，能真正實現或者應該去實現的究竟是些什么。即便他們開始著手實踐，也需要時間來創造和構建操作大量外設所需的基礎設施，之后才能真正對Google的商業業務有實質性的貢獻。

　　Neven堅信，Google的量子工匠以及他的團隊可以順利地通過這些考驗。他設想在不遠的將來，成排的超導芯片在為Google工程師們接入互聯網所建立的數據中心里一字排開。他說，“我預測，在10年內最后只會剩下量子機器學習——你再也不用傳統的方式來工作了。”面帶笑容的Martinis謹慎地接受這一愿景。“我喜歡這一點，但實現它挺難的，”他說，“他(Neven)可以用嘴說，但我必須建立并實現這一想法。”

特別提醒：本網內容轉載自其他媒體，目的在于傳遞更多信息，并不代表本網贊同其觀點。其原創性以及文中陳述文字和內容未經本站證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本站不作任何保證或承諾，并請自行核實相關內容。本站不承擔此類作品侵權行為的直接責任及連帶責任。如若本網有任何內容侵犯您的權益，請及時聯系我們，本站將會在24小時內處理完畢。