量子计算机和量子计算 - 新 ，它与一起添加到我们的信息空间中 , 以及其他高科技术语。 与此同时，我始终无法在互联网上找到能够将我脑海中的谜题拼凑起来的材料，即 “量子计算机如何工作”。 是的，有很多优秀的作品，包括关于哈布尔的作品（见。 ），与通常的情况一样，这些评论甚至更具信息性和有用性，但正如他们所说，我脑海中的画面并没有加起来。
最近，我的同事走过来问我：“你了解量子计算机是如何工作的吗？ 你能告诉我们吗？ 然后我意识到，我并不是唯一一个在脑海中拼凑出连贯画面时遇到困难的人。
结果，人们尝试将有关量子计算机的信息编译成一致的逻辑电路，其中 基础水平，无需深入了解数学和量子世界的结构，解释了什么是量子计算机，它的运行原理是什么，以及科学家在创建和操作它时面临哪些问题。
目录
免责声明
作者不是量子计算方面的专家，并且 文章的目标受众同样是 IT 人员，而不是量子专家，他们还想在脑海中拼凑出一幅名为“量子计算机如何工作”的图片。 正因为如此，文章中的许多概念都被刻意简化，以便更好地在“基础”层面上理解量子技术，但没有 .
文章有些地方引用了其他来源的材料， 。 只要有可能，都会插入原始文本、表格或图形的直接链接和指示。 如果我在某处忘记了某事（或某人），请写下来，我会更正。
介绍
在本章中，我们将简要介绍一下量子时代是如何开始的，量子计算机这一想法的动机是什么，谁（哪些国家和公司）目前是该领域的领先者，并简要谈谈关于量子计算发展的主要方向。
这一切是如何开始的
量子时代的起点被认为是1900年，当时M. Planck首次提出 能量不是连续地发射和吸收，而是以单独的量子（部分）形式发射和吸收。 这个想法被当时许多杰出的科学家——玻尔、爱因斯坦、海森堡、薛定谔——继承和发展，最终导致了这样一门科学的创造和发展： 。 互联网上有很多关于量子物理学作为一门科学的形成的好材料；在本文中我们不会详细讨论这一点，但有必要指出我们进入新量子时代的日期。
量子物理学为我们的日常生活带来了许多发明和技术，没有它们，我们现在很难想象我们周围的世界。 例如，激光，现在无处不在，从家用电器（激光水平仪等）到高科技系统（用于视力矫正的激光，你好） ）。 可以合理地假设，迟早有人会提出为什么不使用量子系统进行计算的想法。 然后在 1980 年，事情发生了。
维基百科指出，量子计算的第一个想法是由我们的科学家 Yuri Manin 在 1980 年提出的。 但他们直到 1981 年才真正开始谈论这个问题，当时著名的 R. Feynman ，指出不可能在经典计算机上以有效的方式模拟量子系统的演化。 他提出了一个基本模型 ，将能够进行此类建模。
有一个 在这 从学术上和细节上考虑，但我们将简要回顾一下：
创建量子计算机历史上的主要里程碑：
- [1994]。 P.肖尔。 设计者：
- [1998]。 已创建
- [2001]。 IBM引入执行力 用于扩展数量 15
- [2007-2016]。 创建并开发了具有 128-2000 量子位的计算机
- [2012]。 在加州大学实施
- [2016]。 谷歌 在 9 量子位计算机上
- [2017]。 （三个原子）
- [2019]。 。 云端 20 量子位计算机
- [2019]。 。 53量子位计算机。 ?
正如您所看到的，从这个想法产生到在具有 17 个量子位的计算机上首次实现，已经过去了 1981 年（从 1998 年到 2 年），而直到量子位数量增加到 21 个，也已经过去了 1998 年（从 2019 年到 53 年）。 Shor 算法的结果（我们稍后会更详细地讨论）用了 11 年（从 2001 年到 2012 年）从第 15 位提高到第 21 位。而且，仅在三年前，我们就达到了实现费曼所说的内容，并学习对最简单的物理系统进行建模。
量子计算的发展缓慢。 科学家和工程师面临着非常艰巨的任务，量子态非常短暂且脆弱，为了将它们保存足够长的时间来进行计算，他们必须花费数千万美元建造石棺，其中保持温度略高于绝对零，并且最大限度地防止外部影响。 接下来我们将更详细地讨论这些任务和问题。
领先球员
本节的幻灯片摘自文章 ，来自研究员 阿列克谢·费多罗夫。 让我给你直接引用：
目前所有技术上成功的国家都在积极开发量子技术。 这项研究投入了大量资金，并且正在创建支持量子技术的特殊项目。
不仅是国家，私营公司也参与了量子竞赛。 谷歌、IBM、英特尔和微软最近总共投资了约0,5亿美元用于量子计算机的开发，并建立了大型实验室和研究中心。
关于哈布雷和互联网上有很多文章，例如， , и ，其中更详细地研究了不同国家量子技术发展的现状。 现在对我们来说最重要的是，所有领先的技术发达国家和参与者都在这个方向上投入大量资金进行研究，这为摆脱当前技术僵局带来了希望。
发展方向
目前（我可能是错的，请纠正我）所有领先者的主要努力（以及或多或少的重要成果）集中在两个领域：
- 专业量子计算机，旨在解决一个特定的具体问题，例如优化问题。 D-Wave 量子计算机就是一个产品示例。
- 通用量子计算机 — 能够实现任意量子算法（Shor、Grover 等）。 IBM、Google 的实现。
量子物理学为我们提供的其他发展载体，例如：
- 作为基础
- 等等
当然，它也在研究领域的清单上，但目前似乎没有或多或少有意义的结果。
此外，您还可以阅读 ，好吧，谷歌““， 例如， , и .
基本。 量子物体和量子系统
从本节中要理解的最重要的一点是
量子计算机 （与平常不同）用作信息载体 量子物体，并且为了进行计算，量子对象必须连接在 量子系统.
什么是量子物体？
量子物体 - 微观世界（量子世界）中表现出量子特性的物体：
- 具有具有两个边界水平的已定义状态
- 在测量时刻之前处于其状态的叠加状态
- 将自身与其他物体纠缠在一起以创建量子系统
- 满足不可克隆定理（对象的状态无法复制）
让我们更详细地看看每个属性：
具有具有两个边界级别的定义状态（最终状态）
现实世界中一个典型的例子是硬币。 它有一个“侧面”状态，具有两个边界级别——“头”和“尾”。
在测量时刻之前处于其状态的叠加状态
他们扔了一枚硬币，硬币飞了起来并旋转。 当它旋转时，不可能说它的“侧面”状态位于哪个边界层。 但一旦我们把它放下并查看结果，状态的叠加立即崩溃为两个边界状态之一——“头”和“尾”。 在我们的例子中，拍打硬币是一种测量。
将自身与其他物体纠缠在一起以创建量子系统
用硬币很难，但让我们尝试一下。 想象一下，我们扔了三枚硬币，使它们互相紧贴旋转，这就是硬币杂耍。 在每个时刻，它们不仅处于状态的叠加，而且这些状态相互影响（硬币碰撞）。
满足不可克隆定理（对象的状态无法复制）
当硬币飞行和旋转时，我们无法独立于系统创建任何硬币旋转状态的副本。 该系统存在于自身内部，并且非常忌讳向外界发布任何信息。
关于概念本身的更多说明 “叠加”，在几乎所有文章中，叠加都被解释为 “同时在所有状态”， 这当然是正确的，但有时会造成不必要的混乱。 状态的叠加也可以想象为这样一个事实：在每个时刻，一个量子物体都有 塌陷到其每个边界层都有一定的概率，并且这些概率的总和自然等于 1。 稍后，在考虑量子位时，我们将更详细地讨论这一点。
对于硬币来说，这一点可以形象化——根据初始速度、抛掷角度、硬币飞行的环境状态，在每个时刻获得“正面”或“反面”的概率是不同的。 而且，如前所述，这种飞币的状态可以想象为“同时处于所有边界状态，但执行的概率不同”。
任何满足上述属性并且我们可以创建和控制的物体都可以用作量子计算机中的信息载体。
我们将进一步讨论量子位作为量子对象的物理实现的现状，以及科学家现在在这种能力中使用的内容。
因此，第三个属性表明量子物体可以纠缠在一起以创建量子系统。 什么是量子系统？
量子系统 — 具有以下属性的纠缠量子物体系统：
- 量子系统是其组成物体的所有可能状态的叠加
- 在测量之前不可能知道系统的状态
- 在测量时，系统实现其边界状态的可能变体之一
（并且，稍微向前看）
量子程序的推论:
- 量子程序在输入处具有给定的系统状态，内部有叠加，输出有叠加
- 在测量后的程序输出中，我们有系统可能的最终状态之一的概率实现（加上可能的错误）
- 任何量子程序都有一个烟囱架构（输入 -> 输出。没有循环，你无法在进程中间看到系统的状态。）
量子计算机与传统计算机的比较
现在让我们比较一下传统计算机和量子计算机。
| 普通电脑 | 量子计算机 | |
|
逻辑
|
0 / 1 | `a|0> + b|1>, a^2+b^2=1` |
|
物理
|
半导体晶体管 | 量子物体 |
|
信息载体
|
电压等级 | 偏振、自旋…… |
|
操作
|
位上的 NOT、AND、OR、XOR | 阀门：CNOT、Hadamard... |
|
关系
|
半导体芯片 | 互相混淆 |
|
算法
|
标准（参见鞭子） | 特价（海岸、格罗弗） |
|
原则
|
数字化、确定性 | 模拟、概率 |
逻辑电平
在普通计算机中，这有点。 为我们所熟知 确定性位。 可以取0或1的值。它与角色完美配合 逻辑单元 对于普通计算机来说，但完全不适合描述状态 量子物体，正如我们已经说过的，在野外位于它们的边界态的叠加.
这就是他们想出来的 。 在其边界状态下，它实现类似于 0 和 1 的状态 ，并且叠加表示 其边界态的概率分布 |0> и |1>:
a|0> + b|1>, такое, что a^2+b^2=1a和b代表 ，它们的模的平方是精确获得这样的边界态值的实际概率 |0> и |1>, 如果你现在用测量来折叠量子位。
物理层
以目前的技术发展水平，传统计算机的一个位的物理实现是 半导体晶体管，对于量子，正如我们已经说过的， 任何量子物体。 在下一节中，我们将讨论当前用作量子位物理介质的内容。
储存介质
对于普通计算机来说这是 电流 - 电压水平、电流存在或不存在等，对于量子 - 相同 量子物体的状态 （偏振方向、自旋方向等），可能处于叠加状态。
操作
为了在普通计算机上实现逻辑电路，我们使用众所周知的 ，对于量子位上的操作，有必要提出一个完全不同的操作系统，称为 。 门可以是单量子位或双量子位，具体取决于要转换的量子位数量。
量子门的例子：
有一个概念 通用阀组，足以执行任何量子计算。 例如，通用集包括 Hadamard 门、相移门、CNOT 门和 π⁄8 门。 在他们的帮助下，您可以对任意一组量子位执行任何量子计算。
在本文中，我们不会详细讨论量子门系统；您可以阅读有关量子门的更多信息以及量子位上的逻辑运算，例如， 。 主要要记住的是：
- 对量子对象的操作需要创建新的逻辑运算符（量子门）
- 量子门有单量子位和双量子位类型。
- 存在可用于执行任何量子计算的通用门集
关系
一个晶体管对我们来说完全没有用处；为了进行计算，我们需要将许多晶体管相互连接，也就是说，用数百万个晶体管创建一个半导体芯片，在其上构建逻辑电路， 最终获得经典形式的现代处理器。
一个量子比特对我们来说也是完全无用的（好吧，如果仅从学术角度来说），
为了进行计算，我们需要一个量子位系统（量子对象）
正如我们已经说过的，它是通过量子位相互纠缠而创建的，以便以协调的方式发生其状态的变化。
算法
人类迄今为止积累的标准算法完全不适合在量子计算机上实现。 是的，一般来说没有必要。 基于量子比特门逻辑的量子计算机需要创建完全不同的算法，即量子算法。 在最著名的量子算法中，可以分为三种：
- （因式分解）
- （在无序数据库中快速搜索）
- （回答问题，常数或平衡函数）
原则
最重要的区别是工作原理。 对于标准计算机来说这是 数字化、严格确定性原则，基于以下事实：如果我们设置系统的某些初始状态并将其传递给给定的算法，那么无论我们运行此计算多少次，计算结果都将是相同的。 事实上，这种行为正是我们对计算机的期望。
量子计算机运行于 类比、概率原理。 给定算法在给定初始状态下的结果是 概率分布的样本 算法的最终实现以及可能的错误。
量子计算的这种概率性质归因于量子世界的概率本质。 “上帝不会和宇宙玩骰子。”老爱因斯坦说，但迄今为止（在当前科学范式下）所有的实验和观察都证实了相反的情况。
量子位的物理实现
正如我们已经说过的，一个量子位可以用一个量子对象来表示，即实现上述量子特性的物理对象。 也就是说，粗略地说，任何存在两种状态并且这两种状态处于叠加状态的物理物体都可以用来构建量子计算机。
“如果我们可以将一个原子放入两个不同的层次并控制它们，那么你就拥有了一个量子位。 如果我们能用离子做到这一点，它就是一个量子位。 与电流相同。 如果我们同时顺时针和逆时针运行它，你就会得到一个量子位。”
有 к ，其中更详细地考虑了当前量子位的各种物理实现，我们将简单列出最知名和最常见的：
- 和许多其他奇特的想法（阴离子等）
在所有这些种类中，最发达的是第一种获得量子位的方法，基于 . , , 和其他领先的参与者使用它来构建他们的系统。
嗯，阅读更多 可能 量子位来自 .
基本。 量子计算机如何工作
本节的材料（任务和图片）取自文章 .
因此，假设我们有以下任务：
有一个三人小组： (A)安德烈、(B)奥洛迪亚和(C)埃雷扎。 有两辆出租车 （0 和 1）.
据了解：
- (A)ndrey 和 (B)olodya 是朋友
- (A)ndrey、(C)erezha 是敌人
- (B)olodya 和 (C)erezha 是敌人
任务：将人们安置在出租车上，以便 麦克斯(朋友) и 最小（敌人）
评价： L = (朋友数量) - (敌人数量) 对于每个住宿选择
重要提示：假设没有启发式方法，则不存在最佳解决方案。 在这种情况下，只能通过全面搜索选项来解决问题。
普通电脑上的解决方案
如何在常规（超级）计算机（或集群）上解决这个问题 - 很明显 你需要循环遍历所有可能的选项。 如果我们有一个多处理器系统，那么我们可以跨多个处理器并行计算解决方案，然后收集结果。
我们有 2 种可能的住宿选择（出租车 0 和出租车 1）和 3 人。 解决方案空间 2 ^ 3 = 8。 你甚至可以使用计算器计算 8 个选项，这不是问题。 现在让问题复杂化——我们有 20 个人和两辆公共汽车，解决方案空间 2^20 = 1。 也没什么复杂的。 让我们将人数增加2.5倍——采用50人和两列火车，现在的解空间是 2^50 = 1.12 x 10^15。 普通（超级）计算机已经开始出现严重问题。 我们把人数增加2倍吧，100人就给我们了 1.2x10^30 可能的选择。
就是这样，这个任务无法在合理的时间内计算出来。
连接超级计算机
目前最强大的计算机是第一名 它 ，生产力122 。 假设我们需要 100 次操作来计算一个选项，那么要解决 100 个人的问题，我们需要：
（1.2×10^30 100) / 122×10^15 / (606024365）= 3 x 10^37 年。
正如我们所见 随着初始数据维度的增加，解空间按照幂律增长，在一般情况下，对于 N 位，我们有 2^N 种可能的解决方案选项，对于相对较小的 N (100)，这为我们提供了一个未计算的（在当前技术水平）解决方案空间。
还有其他选择吗？ 正如您可能已经猜到的，是的，有。
但在我们了解量子计算机如何以及为何能够有效解决此类问题之前，让我们花点时间回顾一下它们是什么。 概率分布。 不要惊慌，这是一篇评论文章，这里不会有任何困难的数学，我们将使用带有袋子和球的经典示例。
只是一点组合学、概率论和一个奇怪的实验者
我们拿一个袋子放进去 1000 个白球和 1000 个黑球。 我们将进行一个实验——取出球，记下颜色，将球放回袋子中，然后将袋子中的球混合。
实验进行了10次， 取出10个黑球。 或许？ 相当。 这个样本是否让我们对袋子中的真实分布有任何合理的了解？ 很明显不是。 需要做什么 - 对，p重复实验一百万次并计算黑球和白球的频率。 我们得到，例如 49.95% 黑色和 50.05% 白色。 在这种情况下，我们采样的分布结构（取出一个球）已经或多或少清晰了。
最主要的是要明白 实验本身具有概率性质，通过一个样本（球），我们将不知道分布的真实结构， 我们需要多次重复实验 并对结果进行平均。
让我们把它添加到我们的包里 10 个红球和 10 个绿球 （错误）。 让我们重复这个实验 10 次。 在取出5个红色和5个绿色。 或许？ 是的。 我们可以对真实分布说一些话——不。 需要做什么 - 好吧，你明白。
为了了解概率分布的结构，有必要从该分布中重复采样各个结果并对结果进行平均。
理论联系实际
现在，我们不再使用黑白球，而是将台球放入袋子中 1000号球2个，1000号球7个，其他号码10个球。 让我们想象一个实验者接受过最简单动作的训练（取出一个球，记下数字，将球放回袋子中，混合袋子中的球），他在 150 微秒内完成了这一切。 好吧，这样一个速度实验者（不是药品广告！！！）。 然后在 150 秒内他将能够执行我们的实验 1 万次 并向我们提供平均结果。
他们让实验者坐下，给了他一个袋子，然后转身离开，等了 150 秒，收到了：
数量 2 - 49.5%，数量 7 - 49.5%，其余数量总计 - 1%。
恩，那就对了， 我们的包是一台量子计算机，其算法可以解决我们的问题，球是可能的解决方案。 既然有两个正确解，那么 量子计算机将以相同的概率和 0.5% (10/2000) 的错误为我们提供任何这些可能的解决方案，我们稍后会谈到。
要获得量子计算机的结果，需要在同一输入数据集上多次运行量子算法并对结果进行平均。
量子计算机的可扩展性
现在想象一下，对于一项涉及 100 人的任务（解空间2^100 我们记得这一点），也只有两个正确的决定。 然后，如果我们采用 100 个量子位并编写一个算法来计算这些量子位的目标函数（L，见上文），那么我们将得到一个袋子，其中有 1000 个球，其中第一个正确答案的数量为 1000 个第二个正确答案的数字和 10 个带有其他数字的球。 在同样的 150 秒内，我们的实验者将为我们提供正确答案概率分布的估计.
量子算法的执行时间（带有一些假设）可以被认为是相对于解空间维度 (1^N) 的常数 O(2)。
这正是量子计算机的特性—— 运行时稳定性 解决方案空间的幂律复杂性不断增加是关键。
量子比特和平行世界
这是怎么发生的？ 是什么让量子计算机能够如此快速地执行计算？ 这一切都与量子位的量子性质有关。
看，我们说过量子位就像一个量子物体 观察时实现其两种状态之一，但在“野生自然”中它是在 状态的叠加，也就是说，它同时处于两个边界状态（以一定的概率）。
拿 (A)安德烈亚 并将其状态（它处于哪种载体 - 0 或 1）想象为一个量子位。 那么我们有（在量子空间中） 两个平行世界，在一 （A） 坐在出租车 0 号里，在另一个世界——出租车 1 号里。 同时乘坐两辆出租车，但在观察期间有一定概率在每个人身上找到它。
拿 （二）年轻 让我们也将其状态想象为一个量子位。 另外两个平行世界出现了。 但现在这些成对的世界 （A） и （B） 根本不互动。 创建需要做什么 有关的 系统？ 没错，我们需要这些量子比特 捆绑（混淆）。 我们接受它并混淆它 (A) 与 (B) - 我们得到一个由两个量子位组成的量子系统 （甲，乙）， 实现其自身的四个 相互依存 平行世界。 添加 (S)杰吉 我们得到了一个由三个量子位组成的系统 （ABC）， 实施八 相互依存 平行世界。
量子计算（在连接的量子位系统上实现量子门链）的本质是计算同时发生在所有平行世界中。
无论我们有多少个，2^3 或 2^100， 量子算法将在有限时间内在所有这些平行世界上执行 并将给我们一个结果，这是算法响应的概率分布的样本。
为了更好地理解，人们可以想象 量子级别的量子计算机运行 2^N 个并行求解过程，每个人都研究一种可能的选择，然后收集工作结果 - 并且 以解的叠加形式给出答案 （响应的概率分布），我们每次（针对每个实验）从中采样一个。
记住我们实验员所需的时间 （150 微秒） 进行实验，当我们谈论量子计算机和退相干时间的主要问题时，这对我们进一步有用。
量子算法
正如已经提到的，基于二进制逻辑的传统算法不适用于使用量子逻辑（量子门）的量子计算机。 对他来说，有必要提出新的方法来充分利用计算量子本质固有的潜力。
当今最著名的算法是：
与经典计算机不同，量子计算机并不通用。
迄今为止只发现了少量的量子算法。
谢谢 的链接 ，根据作者的说法（），量子算法世界的最佳代表已被收集并持续聚集。
在本文中，我们不会详细分析量子算法；互联网上有很多针对任何复杂程度的优秀材料，但我们仍然需要简要回顾一下最著名的三个。
肖尔算法。
最著名的量子算法是 （1994年由英国数学家发明 ），旨在解决将数字因式分解为质因数的问题（因式分解问题、离散对数）。
当他们写道您的银行系统和密码很快就会被黑客入侵时，正是引用了这种算法作为示例。 考虑到今天使用的密钥长度不少于2048位，上限的时间还没有到来。
今天 不仅仅是谦虚。 Shor 算法的最佳分解结果 - 数字 и ，远小于 2048 位。 对于表中的其余结果，不同的 计算，但即使根据该算法得出的最佳结果（291311）也与实际应用相差甚远。
您可以阅读有关 Shor 算法的更多信息，例如，。 关于实际执行—— .
其中一个 复杂性和分解 2048 位数字所需的能力是一台计算机 。 我们睡得很安稳。
格罗弗算法
- 求解枚举问题，即求方程的解 F(X) = 1，其中 F 是 从 n 变量。 是由美国数学家提出的 в .
Grover 算法可用于求 и 数系列。 此外，它还可以用来解决 通过在许多可能的解决方案中进行详尽的搜索来解决问题。 与经典算法相比，这可能需要显着的速度增益，尽管没有提供““ 一般来说.
您可以阅读更多内容或 。 更 使用盒子和球的例子对该算法进行了很好的解释，但不幸的是，由于任何人无法控制的原因，该网站无法从俄罗斯向我打开。 如果你有 也被阻止了，所以这里有一个简短的总结：
格罗弗算法。 想象一下，您有 N 个编号的封闭盒子。 它们都是空的，除了一个，里面有一个球。 你的任务：找出球所在盒子的编号（这个未知的数字通常用字母 w 表示）。
如何解决这个问题呢？ 最愚蠢的方法是轮流打开盒子，迟早你会遇到一个装有球的盒子。 平均来说，需要检查多少个盒子才能找到装有球的盒子？ 平均来说，你需要打开大约一半的 N/2 个盒子。 这里最主要的是，如果我们将盒子的数量增加100倍，那么在找到带有球的盒子之前平均需要打开的盒子数量也会增加同样的100倍。
现在让我们再澄清一点。 让我们不要亲自打开盒子并检查每个盒子中是否存在球，但是有一个特定的中介，我们称他为Oracle。 我们告诉 Oracle，“选中 732 号方框”，Oracle 诚实地检查并回答，“732 号方框中没有球。” 现在，我们不再说平均需要打开多少个盒子，而是说“我们平均应该去甲骨文多少次才能找到有球的盒子的编号”
事实证明，如果我们将这个关于盒子、球和预言机的问题翻译成量子语言，我们会得到一个显着的结果：要找到 N 个盒子中带有球的盒子的数量，我们只需要扰动预言机关于 SQRT (N)次！
也就是说，使用 Grover 算法的搜索任务的复杂度降低了时间的平方根。
Deutsch-Jozi 算法
Deutsch-Jozsa算法（也称为Deutsch-Jozsa算法）-【量子算法】（%D0%B0%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC), предложенный и в ，并成为设计用于执行的算法的第一个例子之一 。 _
Deutsch-Jozsi 问题是确定由多个二元变量 F(x1, x2, ... xn) 组成的函数是否为常量（对于任何参数取值 0 或 1）或平衡（对于它所取值域的一半）值为 0，另一半为 1)。 在这种情况下，可以认为先验已知该函数是常数或平衡的。
您仍然可以阅读 。 更简单的解释：
Deutsch (Deutsch-Jozsi) 算法基于暴力破解，但速度比平常更快。 想象一下，桌子上有一枚硬币，您需要找出它是否是假币。 为此，您需要看硬币两次并确定：“正面”和“反面”是真的，两个“正面”、两个“反面”是假的。 所以，如果使用Deutsch量子算法，那么这个判断一看就可以做出——测量。
量子计算机的问题
在设计和操作量子计算机时，科学家和工程师面临着大量问题，迄今为止这些问题已得到不同程度的成功解决。 根据 (）可以识别出以下一系列问题：
- 对环境的敏感性以及与环境的相互作用
- 计算过程中误差的累积
- 量子位状态初始初始化的困难
- 创建多量子位系统的困难
我强烈推荐阅读这篇文章“”，尤其是对其的评论。
让我们将所有主要问题分为三大组，并仔细研究每一组：
退相干
.
量子态 非常脆弱的东西处于纠缠态的量子位极不稳定， 任何外部影响都可以（并且确实）破坏这种联系。 温度的微小变化、压力、附近飞行的随机光子——所有这些都会破坏我们系统的稳定性。
为了解决这个问题，建造了低温石棺，其中温度（-273.14摄氏度）略高于绝对零，最大限度地隔离带有处理器的内室与外部环境的所有（可能的）影响。
由多个纠缠量子位组成的量子系统的最大寿命（在此期间保留其量子特性并可用于计算）称为退相干时间。
目前，最佳量子解决方案的退相干时间约为 几十、几百微秒.
有一个美妙的 你可以在哪里查看 所有已创建的量子系统。 本文仅包含两个顶级处理器作为示例 - 来自 IBM 并从 。 我们可以看到，退相干时间 (T2) 不超过 200 μs。
我没有找到关于 Sycamore 的确切数据，但在大多数情况下 给出两个数字 - 1秒200万次计算，其他地方 - 为 130秒不丢失控制信号等。 无论如何，这给了我们 退相干时间约为 150 µs。 记住我们的 带着袋子的实验者？ 嗯，他来了。
| 电脑名称 | N 个量子位 | 最大配对数 | T2（微秒） |
| IBM Q System One | 20 | 6 | 70 |
| 谷歌梧桐树 | 53 | 4 | 〜150-200 |
退相干对我们有什么威胁？
主要问题是，150 μs 后，我们的 N 个纠缠量子位的计算系统将开始输出概率白噪声，而不是正确解的概率分布。
也就是说，我们需要：
- 初始化量子比特系统
- 执行计算（门操作链）
- 读取结果
所有这一切都在 150 微秒内完成。 我没有时间——结果变成了南瓜。
但这还不是全部……
错误
Какмыужеговорили， 量子过程和量子计算本质上是概率性的，我们不能 100% 确定任何事情，而只是有一定的概率。 由于以下事实，情况进一步恶化： 量子计算很容易出错。 量子计算中的主要错误类型有：
- 退相干误差是由系统的复杂性以及与外部环境的相互作用引起的
- 门计算错误（由于计算的量子性质）
- 读取最终状态（结果）时出错
与退相干相关的错误，一旦我们纠缠量子位并开始进行计算，就会出现。 纠缠的量子位越多，系统就越复杂，并且越容易摧毁它。 低温石棺、受保护的密室，所有这些技术技巧正是为了减少错误数量和延长退相干时间。
门计算错误 - 量子位上的任何操作（门）都有可能以错误结束，并且为了实现该算法，我们需要执行数百个门，所以想象一下在算法执行结束时我们会得到什么。 这个问题的经典答案是“在电梯里遇到恐龙的概率是多少？” - 50x50，要么见面，要么不见面。
由于不可克隆定理，标准误差校正方法（重复计算和平均）在量子世界中不起作用，这一事实进一步加剧了这个问题。 为了 必须发明量子计算 。 粗略地说，我们采用 N 个普通量子位并制作其中 1 个 逻辑量子位 具有较低的错误率。
但这里又出现了另一个问题—— 量子位总数。 假设我们有一个有 100 个量子位的处理器，其中 80 个量子位用于纠错，那么我们只剩下 20 个量子位用于计算。
最终结果读取错误 ——正如我们所记得的，量子计算的结果以以下形式呈现给我们 答案的概率分布。 但读取最终状态也可能因错误而失败。
一样的 有按错误级别划分的处理器比较表。 为了进行比较，我们采用与上一个示例相同的处理器 - IBM и :
| 电脑 | 1 量子位门保真度 | 2-量子比特门保真度 | 读数保真度 |
| IBM Q System One | 99.96% | 98.31% | - |
| 谷歌梧桐树 | 99.84% | 99.38% | 96.2% |
这是 是两个量子态相似性的度量。 误差的大小可以粗略地表示为1-保真度。 正如我们所看到的，2 量子位门上的错误和读出错误是在现有量子计算机上执行复杂且长的算法的主要障碍。
您仍然可以阅读 几年后 来解决纠错问题。
处理器架构
理论上我们建造并运营 数十个纠缠量子位的电路，实际上一切都更加复杂。 所有现有的量子芯片（处理器）都是以这样的方式构建的：它们提供无痛的 一个量子位仅与其邻居纠缠，其中不超过六个。
如果我们需要将第一个量子位与第 1 个量子位纠缠在一起，那么我们将不得不 构建额外的量子操作链，涉及额外的量子位等，这会增加总体错误水平。 是的，不要忘记 退相干时间，也许当你完成将量子位连接到你需要的电路时，时间就会结束，整个电路就会变成 漂亮的白噪声发生器.
也不要忘记 所有量子处理器的架构都不同，并且以“全对全连接”模式在仿真器中编写的程序将需要“重新编译”为特定芯片的架构。 甚至还有 来执行此操作。
相同顶级芯片的最大连接性和最大量子比特数：
| 电脑名称 | N 个量子位 | 最大配对数 | T2（微秒） |
| IBM Q System One | 20 | 6 | 70 |
| 谷歌梧桐树 | 53 | 4 | 〜150-200 |
并且，为了比较， 包含上一代处理器数据的表。 将量子位的数量、退相干时间和错误率与我们现在拥有的新一代进行比较。 尽管如此，进展虽然缓慢，但正在进展。
所以：
- 目前还没有超过 6 个量子位的全连接架构
- 例如，要在真实处理器上纠缠量子位 0，量子位 15 可能需要数十次额外操作
- 更多的操作 -> 更多的错误 -> 退相干的影响更强
结果
退相干是现代量子计算的普罗克拉斯特斯床。 我们必须将所有内容放入 150 μs 内：
- 量子位初始状态的初始化
- 使用量子门计算问题
- 纠正错误以获得有意义的结果
- 读取结果
但到目前为止，结果令人失望 声称在量子计算机上实现了0.5秒的相干保留时间 :
我们测量到的量子位相干时间超过 0.5 秒，通过磁屏蔽，我们预计该时间将改善到超过 1000 秒
您还可以阅读有关该技术的信息 或者，例如， .
由于在执行复杂计算时需要使用量子纠错电路，这也消耗了时间和可用的量子位，因此情况变得更加复杂。
最后，现代架构不允许以最低成本实现优于四分之一或六分之一的纠缠方案。
解决问题
为了解决上述问题，目前采用以下途径和方法：
- 使用低温冷冻箱 (10 mK (–273,14°C))
- 使用最大限度地免受外部影响的处理器单元
- 使用量子纠错系统（逻辑量子位）
- 为特定处理器编程电路时使用优化器
正在进行的研究还旨在增加退相干时间、寻找新的（和改进已知的）量子物体的物理实现、优化校正电路等。 进步是有的（看看上面早期和今天的高端芯片的特点），但到目前为止进展很慢，非常非常慢。
d波
D-Wave 2000Q 2000 量子位计算机。 来源：
在 Google 宣布使用 53 量子位处理器实现量子霸权之际， и 来自 D-Wave 公司的量子位数量达到数千，有点令人困惑。 好吧，真的，如果 53 个量子位能够实现量子霸权，那么拥有 2048 个量子位的计算机能做什么呢？ 但并不是一切都那么美好...
简而言之（摘自维基）：
电脑 坚持原则工作 (），可以解决非常有限的优化问题子类，并且不适合实现传统的量子算法和量子门。
有关更多详细信息，您可以阅读，例如， , （小心，可能无法从俄罗斯打开），或 в 从他的 。 顺便说一句，我强烈建议阅读他的博客，那里有很多好材料
总的来说，从公告发布之初起，科学界就对 D-Wave 计算机产生了疑问。 例如，2014年，IBM质疑D-Wave 2015 年，谷歌与 NASA 一起购买了其中一台量子计算机，经过研究 ，是的，计算机比普通计算机工作和计算问题的速度更快。 您可以阅读有关 Google 声明的更多信息 例如 .
最主要的是，拥有成百上千个量子位的 D-Wave 计算机无法用于计算和运行量子算法。 例如，你不能对它们运行 Shor 算法。 他们所能做的就是利用某些量子机制来解决某个优化问题。 我们可以认为 D-Wave 是用于特定任务的量子 ASIC。
关于量子计算机仿真的一些知识
量子计算可以在普通计算机上模拟。 的确， :
- 量子位的状态可以是 复数，占用 2x32 到 2x64 位（8-16 字节），具体取决于处理器架构
- N 个连接的量子位的状态可以表示为 2^N 个复数，即2 位架构为 3^(32+N)，2 位架构为 4^(64+N)。
- N 个量子位上的量子运算可以用 2^N x 2^N 矩阵表示
然后：
- 要存储 10 个量子位的模拟状态，需要 8 KB
- 要存储 20 个量子位的状态，您需要 8 MB
- 要存储 30 个量子位的状态，需要 8 GB
- 需要 40 TB 来存储 8 个量子位的状态
- 要存储 50 个量子位的状态，需要 8 PB 等。
为了比较， (）仅携带 2.8 PB 内存。
— 去年向中国最大的超级计算机交付了 49 个量子比特（)
在经典系统上模拟量子计算机的限制取决于存储量子位状态所需的 RAM 量。
我建议阅读更多 。 从那里：
通过操作 - 用于精确模拟由约 49 个“周期”（独立的门层）组成的 39 量子位电路 2^63 复杂乘法 - 超级计算机 4 Pflops 4 小时
在合理的时间内在经典系统上模拟 50 多个量子位的量子计算机被认为是不可能的。 这也是谷歌在其量子霸权实验中使用 53 量子位处理器的原因。
量子计算霸权。
维基百科给了我们以下关于量子计算霸权的定义：
量子霸权——能力 解决经典计算机实际上无法解决的问题的设备。
事实上，实现量子霸权意味着，例如，可以在足够的时间内解决使用Shor算法的大数分解，或者可以在量子水平上模拟复杂的化学分子等等。 也就是说，一个新的时代已经到来。
但定义的措辞存在一些漏洞，“经典计算机实际上无法解决的问题” 事实上，这意味着，如果您创建一台 50 多个量子位的量子计算机并在其上运行一些量子电路，那么，正如我们上面所讨论的，该电路的结果无法在常规计算机上模拟。 那是 经典计算机将无法重新创建此类电路的结果.
这样的结果是否构成真正的量子霸权，这是一个哲学问题。 但要了解谷歌做了什么以及它的基础是什么 需要。
谷歌的量子霸权声明
Sycamore 54 量子位处理器
于是，2019 年 XNUMX 月，谷歌开发者在科学刊物《自然》上发表了一篇文章《” 作者宣布历史上首次使用 54 量子位 Sycamore 处理器实现了量子霸权。
Sycamore 在线文章通常提到 54 量子位处理器或 53 量子位处理器。 事实是，根据 ，该处理器物理上由 54 个量子位组成，但其中一个无法工作并已停止服务。 因此，实际上我们有一个 53 量子位处理器。
就在网络上 关于该主题的材料，其程度各不相同 对 .
IBM 的量子计算团队随后表示 。 该公司声称，传统计算机将在2,5天内应对最坏情况下的这项任务，并且得到的答案将比量子计算机更准确。 这一结论是根据几种优化方法的理论分析结果得出的。
而且当然， 前 我无法忽视这句话。 他的 以及所有链接和 像往常一样，它们值得您花时间。 在轮毂上 这个常见问题解答，请务必阅读评论，其中有在官方宣布之前在网上泄露的初步文件的链接。
谷歌实际上做了什么？ 要详细了解，请阅读 Aaronson，但在此简要说明：
我当然可以告诉你，但我觉得很愚蠢。 计算过程如下：实验者生成一个随机量子电路C（即最近邻之间的1量子位和2量子位门的随机序列，深度例如为20，作用于n个2D网络上） = 50-60 量子位）。 然后实验者将C发送到量子计算机，并要求其将C应用到初始状态0，在{0,1}基础上测量结果，发回n位观察序列（字符串），并重复几次数千或数百万次。 最后，实验者利用他对 C 的了解，进行统计测试，看看结果是否与量子计算机的预期输出相符。
非常简单地说：
- 使用门创建长度为 20（共 53 个量子位）的随机电路
- 电路从初始状态[0…0]开始执行
- 电路的输出是随机位串（样本）
- 结果的分布不是随机的（干扰）
- 将获得的样本的分布与预期的分布进行比较
- 得出量子霸权
也就是说，谷歌在 53 量子位处理器上实现了一个综合问题，并声称实现量子霸权的事实是不可能在合理的时间内在标准系统上模拟这样的处理器。
为了理解 - 本节绝不会削弱 Google 的成就，工程师们真的很伟大，而这是否可以被认为是真正的量子优越性的问题，正如前面提到的，更多的是哲学性的，而不是工程性的。 但我们必须明白，在实现如此计算优势的同时，我们还没有在 2048 位数字上运行 Shor 算法的能力上迈出一步。
总结
量子计算机和量子计算是一个非常有前途、非常年轻且迄今为止很少有工业适用的信息技术领域。
量子计算的发展（有一天）将使我们能够解决以下问题：
- 在量子水平上模拟复杂的物理系统
- 由于计算复杂性，在普通计算机上无法求解
创建和操作量子计算机的主要问题：
- 退相干
- 错误（退相干和门）
- 处理器架构（完全连接的量子位电路）
目前事态：
- 事实上——从一开始 .
- 目前还没有真正的商业利用（目前还不清楚什么时候会有）
有什么帮助：
- 某种物理发现可以降低布线和操作处理器的成本
- 发现可以将退相干时间增加一个数量级和/或减少误差的东西
依我看来（纯属个人意见）， 在当前的科学知识范式下，我们在量子技术的发展上不会取得重大成功，这里我们需要在基础科学或应用科学的某些领域取得质的突破，这将推动新的思想和方法。
与此同时，我们正在积累量子编程、收集和创建量子算法、测试想法等方面的经验。 我们正在等待突破。
结论
在本文中，我们回顾了量子计算和量子计算机发展的主要里程碑，研究了它们的运行原理，研究了工程师在量子处理器的开发和运行中面临的主要问题，还研究了多量子位D-计算机实际上是。Wave 和谷歌最近宣布实现量子霸权。
留下的问题是量子计算机的编程问题（语言、途径、方法等）以及与处理器的具体物理实现、量子位如何管理、链接、读取等相关的问题。 也许这将是下一篇或多篇文章的主题。
感谢您的关注，我希望这篇文章对某人有用。
（C）
致谢
用于对源文本以及文章进行校对和评论
获取信息丰富的评论 ，而且不仅仅是对她来说，这在很大程度上帮助我解决了这个难题。
致所有文章和出版物的作者，其材料用于撰写本文。
资源清单
来自[国家科学院出版社]的时事文章
Habr 的文章（排名不分先后）
来自互联网的未分类（但同样有趣）的文章
课程和讲座
来源： habr.com