文章主题：2023年6月,IBM量子部与加州大学伯克利分校、日本理研、劳伦斯伯克利国家实验室等合作单位在Nature上发表一篇封面论文,使用“错误缓解”方法在127量子比特的处理器上准确获得复杂量子线路运行结果。
IBM在量子计算领域取得了重要进展,实现了前容错量子计算的效用证据。该研究使用了127个量子比特的处理器
在2023年6月的一篇重要论文中，IBM量子部门与其他合作伙伴——加州大学伯克利分校、日本理研以及劳伦斯伯克利国家实验室——在《自然》杂志上发表了一篇封面论文。该论文展示了他们在处理127个量子比特的处理器上，如何利用“错误缓解”的方法来精确地获取复杂量子线路的运行结果。特别是在强纠缠区间，这条线路已经超越了经典计算机的模拟能力。这被认为是量子计算（机）领域的一个重大突破，标志着一个重要的里程碑。那么，什么是“错误缓解”？简单来说，这是一种量子算法，可以在保持量子信息完整性的同时，减少量子计算过程中的错误。这种技术对于实现大规模、高效的量子计算至关重要。那么，IBM在这个领域取得了哪些成就，又还有哪些工作要做呢？为了深入了解这些问题，我们需要进一步探讨这个领域的最新动态。
2022 年底，我受《物理》期刊之邀，译过一篇 IBM 量子部门副总裁 Jay M. Gambetta 的专访，英文标题为 “Turning a Quantum Advantage”。如何信雅达地翻译这个标题，着实让我费了些脑筋，最后我和编辑杨老师一致选择了《点亮量子优势》（参见《点亮量子优势丨专访 IBM 量子部量子部副总裁》）。俗话说得好，自古评论区出才子，读者们如果有更好的译法，欢迎打到评论区。
在翻译Gambetta的某些观点时，我不禁为其中涉及的数字感到震撼。他提到的关于相干时间和比特门保真的数据，尽管我认为可能是记者在记录过程中出现的误差，但仍让我印象深刻。尤其是关于相干时间的预测，Gambetta表示预计将会在不久的将来达到300毫秒，这无疑是一项了不起的成就。而关于比特门保真度的预测，更是高达99.99%，这一数据在量子硬件领域无疑是令人震惊的。作为一名专注于量子硬件的技术人员，我对这些数字有着深刻的理解。Gambetta的观点无疑展示了他对这一领域的深入研究和独到见解。他的言论不仅让我对这些技术有了更深入的了解，同时也激发了我对于未来科技发展的无限期待。
首先，他说道，” 采用更聪明的方法来做事，将比堆指标更重要 “。换句话说，未来能否实现量子计算优势，光靠不断提升技术指标——比如比特数、退相干时间、门保真度等——是不够的，我们需要从架构层面去思考如何扩展、如何工程化，引入新的方法来应对量子计算机所不可避免的错误，等等。
其次，提到量子纠错的时候，他说他们正在进行错误缓解方面的方法研究，针对有代表性的错误模型构建大量的线路实例，再对这些线路演化结果进行采样，通过统计学方法对整个量子系统的错误行为进行学习，以此来给出一个量子线路的无错估计。假如这个无错估计的准确率不断趋近于 1，那我们不就相当于实现了量子纠错？在这样的思路下，量子纠错将不再是一个跨越式的艰巨挑战（参见《量子计算的下一个超级大挑战》），而变成了一个渐进式进程，如同徒步登山，一步虽小，然夕阳过处，回望或已是山巅。
半年之后，IBM在Nature杂志上发表了一篇题为“前容错量子计算的效用证据（Evidence for the utility of quantum computing before fault tolerance）”的论文，立即在学术界和产业界引起了轩然大波。100个量子比特、无需量子纠错、超越经典计算机、新的里程碑等词语紧紧地吸引了读者的目光，或许这正是自Google的“量子霸权”之后的另一个量子计算发展的高峰时刻。当我再次阅读这篇论文时，我想起了Gambetta采访中的一些观点，让我陷入了沉思：Gambetta已经在论文中清晰地表达了他的想法，而半年前的我已经将其翻译成中文并介绍给了国内的读者。然而，当这篇论文发布后，所有人都感到震惊，大家纷纷坐起来，开始重新审视量子计算的可能性……
IBM 成果登上 Nature 6 月 15 日刊封面（图片来源：Nature）
尽管如此，我仍然希望能够运用我的专业知识，以及保持冷静的心态，对这项任务进行深入解读。近期，IBM的研究团队及其合作伙伴在127位量子计算机上展示了一种名为二维横场伊辛模型的Trotter展开时间演化[注释1]。他们运用了零噪声外推（ZNE）错误缓解策略，成功地对演化结果进行了“精确”[注释2]的零噪声外推估计。这个整体方案涉及到了127个量子比特，最大程度可达60层的两比特门，总共有2880个CNOT门。然而，在强纠缠的情况下，传统的张量网络近似方法已经无法提供正确答案，也就是说，已经超越了经典计算能力。
在 127 比特量子处理器上实现二维横场 Ising 模型的 Trotter 时间演化（a， b），以及如何标定整个系统中的错误（c， d）（图片来源：参考资料 [ 1 ] ）
在本文中，我们对量子优势进行了深入阐述，指出其实施可以分为两个阶段。首先，我们需要利用现有的量子硬件设施，实现超过经典计算机模拟能力的精确计算，这是实现量子优势的第一步。接着，我们在这个基础上寻找具有价值的问题，并针对这些问题设计相关的量子线路，通过精确估计来实现问题的解决。需要注意的是，在含有噪声的量子线路中，我们所能得到的结果永远是一种统计性的结果。因此，尽管我们的工作已经完成了第一阶段，但在严格意义上，我们还没有真正实现量子优势。
原内容表达较为简单，我们可以尝试以更为专业的语言进行改写，保证信息传达的同时增加一定的技术深度。值得注意的是，虽然IBM的研究在某些方面已经超越了Google的”量子霸权”，但这并不意味着其工作已经达到了终极阶段。相反，他们的成果源于对量子计算的理解更深入，尤其是在处理复杂量子线路的问题上，他们采用了错误缓解的方法，得到了一个复杂量子线路的有偏估计。这种估计不仅对于提高量子计算机的性能有着重要的作用，而且也使得量子计算机在处理一些具有噪声的问题时具有更高的准确性和稳定性。然而，要想真正实现量子计算机的优势，还需要进行更多的研究和发展。具体来说，我们需要将这次实验中使用的二维横场伊辛模型演化线路转变为一个问题相关的量子线路。虽然这一步仍然面临着巨大的挑战，但是如果能够成功实现，那么量子计算机的优势将会得到真正的确立。因此，尽管目前我们已经在量子计算领域取得了一定的进展，但仍然有许多工作需要去做，以便更好地理解和利用量子力学的特性。
那这个错误缓解方法是何方神技，能化腐朽为神奇呢？要知道 100 比特规模，60 层线路，即便操控和读取的平均保真度都达到了 99% 以上，得到正确结果的概率也几乎为零。IBM 用到了一种叫 ” 零噪声外推 ” 的方法。具体来说，研究人员采用了所谓稀疏 Pauli-Lindblad 模型，对系统错误进行学习；通过调节其中的参数，可以实现不同的噪声增益 G，对大量不同增益下的噪声线路实例进行采样并计算其期望值，进一步，再通过不同噪声增益下的期望值去外推 G=0（也就是无噪声的情况）时的期望。这样一来，就相当于推出无错情况下的结果了。学过数值计算的读者大概会知道，相比内插，外推很多时候是不靠谱的，特别在距离真值点较远时。为此，IBM 测试了指数外推和线性外推两种方法，并与可经典模拟的特定情况（当线路中所有的门都变成 Clifford 门时）做了量子 – 经典对比验证，结果是高度一致的，这也是 IBM 声称这一方法能给出准确计算结果的底气所在。
蓝色点为错误缓解后的数据点，绿色为没有做错误缓解的数据点。粉色、橘色线则分别是采用 MPS、isoTNS 两种张量网络近似方法的计算结果。（图片来源：参考资料 [ 1 ] ）
此外，研究人员同时将量子计算机的运行时效与张量网络方法进行了对比。实际上，张量网络在应对深层线路时已无法给出准确的期望值。另一方面，执行同一个线路，张量网络方法获得一个数据点的运行时间分别是 8 小时和 30 小时（对应两种演化模型），量子的运行时间则分别是 4 小时和 9.5 小时。而这些时间中，真正的量子处理器运行时间只有 5 分零 7 秒，且可以通过降低量子比特重置时间来进一步降低运行时间。换言之，量子计算机的运行时效仍有巨大的提升空间。
当然，错误缓解方法是有代价的。零噪声外推相比之前提出的概率性错误消除，在采样开销上已经大幅降低，能够应对 100 量子比特规模的复杂量子线路。但以目前透露的消息来看，这种开销随着量子系统规模的增大，仍是指数级增长的，未来更大规模的量子处理器如何高效地进行错误缓解，仍存在挑战。
这一方法的成功验证，就像是照进含噪声量子计算时代的一束光，要让量子计算形成生产力，还有大量的工作要做。一方面我们需要进一步提升量子硬件的性能，文中提到两比特门保真度需要有 ” 数量级 ” 提升，而运行速度也要求大幅提升；另一方面，如何针对比如现在关注度较高的启发式量子算法，包括量子化学计算、近似优化等，进一步验证噪声缓解 / 消除算法的有效性，也是亟待研究的。
回来再说一下 Gambetta 的专访，在问到量子计算何时能打败经典计算时，他说了一段令我敬佩的话。他说，与其区分经典和量子，并将二者对立，期待一个量子打败经典的时刻，不如站在一个更一般的角度，将二者统一。计算就是计算。实际的情况是，量子计算需要大量的经典计算辅助，上面提到的错误缓解方法，就是一个典型的例子。我们真正追求的，是解决复杂问题的运行时效，经典辅助量子，量子反过来帮助经典，二者本就是难以区分的统一体。我们需要站在更高的视角去看待量子计算。
最后值得一提的是，优质的量子资源是极其宝贵的。IBM 的工作是在一个代号为 “ibm_kyiv” 的量子云平台上完成的，所用的芯片为 “Eagle_r3” 127 量子比特处理器。这个处理器的退相干时间 T1 和 T2 的中位数分别为 288 微秒和 127 微秒，达到了前所未有的水平。临近比特之间的 CNOT 门通过交叉共振相互作用（Cross-Resonance，简称 CR）校准实现。得益于高的退相干时间和其他性能，两比特门操控保真度的中位数超过了 99%，读取保真度中位数也超过了 99%。这是错误缓解方法得以收敛的重要硬件条件。量子硬件的进一步发展固然要依靠核心的硬件团队来推进，但如何发挥这些有噪声的量子硬件效能，则需要广泛的智力参与，需要来自数学、统计、计算、信息学、软件等多学科的人才共同参与。而鼓励这种广泛的高智力协同创新的最好方式，就是将最好的量子资源共享出去——通过量子云计算平台，IBM 一直就是这么做的。
遗憾的是，这些顶尖的量子计算资源对中国已经不开放了，而好消息则是我们自己的 100 规模量子计算云平台已经推出，并且对全球开放！随着国内越来越多的人参与其中，随着量子应用需求的预期不断增强，相信属于中国的量子优势 ” 临界时刻 ” 定会加速到来。
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号AIGC666aigc999或上边扫码，即可拥有个人AI助手！
