行业新闻与博客

近年来，量子器件已经可用，使研究人员 - 首次 - 使用真正的量子硬件开始解决科学问题。然而，在短期内，量子计算机的量子比特（量子信息的基本单位）的数量和质量预计仍然有限，使得难以将这些机器用于实际应用。

混合量子和经典方法可能是用现有量子硬件解决这个问题的答案。美国能源部（DOE）阿贡国家实验室和洛斯阿拉莫斯国家实验室的研究人员以及克莱姆森大学和美国富士通实验室的研究人员已经开发出混合算法，可以在量子机器上运行，并使用 IBM 量子在实际应用中进行了演示。计算机（参见下面有关 Argonne 在橡树岭国家实验室 [ORNL] 的 IBM Q Hub 中的角色的描述）和 D-Wave 量子计算机。

该团队的工作在 2019年6月出版的电气和电子工程师协会（IEEE）计算机杂志上发表的题为“解决小型量子计算机优化问题的混合方法”的文章中介绍。

对量子比特连接，高噪声水平，纠正错误所需的努力以及量子硬件的可扩展性的担忧限制了研究人员提供未来量子计算所承诺的解决方案的能力。

团队开发的混合算法采用经典和量子计算机的最佳特性和功能来解决这些限制。例如，经典计算机具有能够存储大量数据集的大型存储器 - 对于仅具有少量量子位的量子器件来说是一个挑战。另一方面，量子算法对于某些问题比经典算法表现更好。

为了区分在两种完全不同类型的硬件上执行的计算类型，该团队将混合算法的经典和量子阶段称为经典计算机的中央处理单元（CPU）和量子计算机的量子处理单元（QPU）。

团队抓住图形分区和聚类作为实际和重要优化问题的例子，这些问题已经可以使用量子计算机解决：小图问题可以直接在 QPU 上解决，而较大的图问题需要混合量子经典方法。

由于问题变得太大而无法直接在量子计算机上运行，研究人员使用分解方法将问题分解为 QPU 可以管理的小块 - 这是他们从高性能计算和经典数值方法中借鉴的想法。

然后将所有部件组装成 CPU 上的最终解决方案，这不仅找到了更好的参数，而且还确定了在量子计算机上要解决的最佳子问题大小。

这种混合方法不是银弹; 他们不允许量子加速，因为使用分解方案会随着问题规模的增加而限制速度。然而，在接下来的 10年中，量子比特（质量，计数和连接性），纠错和量子算法的预期改进将减少运行时间并实现更高级的计算。

“与此同时，”根据计算科学部门的首席项目专家 Yuri Alexeev 所说，“这种方法将使研究人员能够使用近期量子计算机来解决支持 DOE 任务的应用程序。例如，它可以应用于在代谢网络或微生物组中找到社区结构。“

非常感谢您对亚洲注册的支持与信任！

禁止转载