这些行走在人类能力圈边缘的天才物理学家们总是有着这梦幻般的的创作力。所思所想皆对人类做出巨大贡献。
量子比特可以制备在两个逻辑态0和1的相干叠加态,换句话讲,它可以同时存储0和1。考虑一个 N个物理比特的存储器,若它是经典存储器,则它只能存储2^N个可能数据当中的任一个,若它是量子存储器,则它可以同时存储2^N个数,而且随着 N的增加,其存储信息的能力将指数上升,例如,一个250量子比特的存储器(由250个原子构成)可能存储的数达2^250,比现有已知的宇宙中全部原子数目还要多。
由于数学操作可以同时对存储器中全部的数据进行,因此,量子计算机在实施一次的运算中可以同时对2^N个输入数进行数学运算。其效果相当于经典计算机要重复实施2^N次操作,或者采用2^N个不同处理器实行并行操作。可见,量子计算机可以节省大量的运算资源(如时间、记忆单元等)。
【这部分就是最基本的原理了。关于基本原理,IT人士看这段应该就够了。】
Shor的开创性工作有力地刺激了量子计算机和量子密码术的发展,成为量子信息科学发展的重要里程碑之一。
1997年Grover发现了另一种很有用的量子算法,即所谓的量子搜寻算法,它适用于解决如下问题:从 N个未分类的客体中寻找出某个特定的客体。经典算法只能是一个接一个地搜寻,直到找到所要的客体为止,这种算法平均地讲要寻找 N/2次,成功几率为1/2,而采用Grover的量子算法则只需要 Nkk√次。例如,要从有着100万个号码的电话本中找出某个指定号码,该电话本是以姓名为顺序编排的。经典方法是一个个找,平均要找50万次,才能以 1/2几率找到所要电话号码。 G rover的量子算法是每查询一次可以同时检查所有100万个号码。由于100万量子比特处于叠加态,量子干涉的效应会使前次的结果影响到下一次的量子操作,这种干涉生成的操作运算重复1000(即 N √)次后,获得正确答案的几率为1/2。但若再多重复操作几次,那么找到所需电话号码的几率接近于1。
Grover算法的用途很广,可以寻找最大值、最小值、平均值等,也可以用于下棋。最有趣的是可有效地攻击密码体系,如 D ES体系,这个问题的实质是从256=7×1016个可能的密钥中寻找一个正确的密钥。若以每秒100万密钥的运算速率操作,经典计算需要1000年,而采用Grover算法的量子计算机则只需小于4分钟的时间。难怪 G rover以“量子力学可以帮助在稻草堆中寻找一根针”这样的题目在 P RL上公布他的算法。
Feynman最先(1981年)指出,采用经典计算机不可能以有效方式来模拟量子系统的演化。我们知道,经典计算机与量子系统遵从不同的物理规律,用于描述量子态演化所需要的经典信息量,远远大于用来以同样精度描述相应的经典系统所需的经典信息量。量子计算则可以精确而方便地实现这种模拟。采用少数量子比特的量子计算机可以进行有效的量子模拟,事实上人们已采用这种方法在简单情况下预言了量子体系的行为。
一般地说,量子模拟可以按下列步骤来完成:①根据所研究的量子体系的哈密顿量,设计出能够实现相应的幺正变换的量子网络;②将 N―量子比特按照要求制备为特定初态;③操作计算机进行模拟运算。计算机的终态就是所需的量子态。因此,一旦人们有了量子模拟计算机,就无需求解薛定谔方程或者采用蒙特卡罗方法在经典计算机上做数值运算,便可精确地研究量子体系的特性。
有许多量子体系可以用这种方法来研究。例如:①高温高密度等离子体;②采用格点规范理论描述的体系,如量子色动力学;③晶体固态模型,包括诸如 H ubbard模型的固体费米系统,其量子对称性使得它们难以采用蒙特卡罗技术来模拟;④固体模型,包括诸如高温超导体的长程关联;⑤分子行为的量子模型等等。
然而,量子计算的实现在技术上遇到严重的挑战。实现量子计算必须解决三个方面的问题:一是量子算法,它是提高运算速度的关键,目前已研究成功 S hor量子并行算法、 G rover量子搜寻算法等;二是量子编码,它是克服消相干的有效办法,目前已有量子纠错、量子避错和量子防错三种不同原理;三是实现量子计算的物理体系(即多个量子比特的量子逻辑网络),目前在腔 Q ED、离子阱、核磁共振、量子点等系统已实现少数量子比特,但距实现有效量子计算的需求相差甚远。各国科学家正从不同途径来探索实现可扩展的量子逻辑网络的方法,虽然不断取得进展,在《自然》、《科学》上每年都有许多重要进展发表,但仍未根本上突破。这个领域仍处于基础性的探索阶段。
不过量子退火算法实在是太有用了。所以Dwave还是很有吸引力的。找global minimum是机器学习等领域绕不开且相当费时一个过程。而量子退火可以极好地提速。
Quantum annealing (QA) is a general method for finding the global minimum of a given objective function over a given set of candidate solutions (candidate states), by a process using quantum fluctuations.
It is used mainly for problems where the search space is discrete (combinatorial optimization problems) with many local minima; such as finding the ground state of a spin glass employing quantum tunneling (across the barriers separating the global minimum from the local minima or spin configurations).