构建量子计算机的最大障碍是什么？最近取得了哪些突破？

从容易出错、对噪声敏感到需要在低温下运行，研究人员正在应对许多挑战，以创造真正的量子计算机。不过，通往深度技术突破的道路并不平坦，量子计算机更是如此。

量子计算机的概念已经存在了几十年，世界各地也出现了各种不同功率的原型机。但它们目前还处于早期阶段，并不完全可靠。

第一台真正意义上的量子计算机何时问世尚不清楚，但全世界的研究人员都在为实现这一目标而努力：这些强大的机器最终可以解决传统计算机根本无法完成的复杂计算。量子计算机可以帮助我们突破某些技术瓶颈，了解更多有关自然、化学和其他方面的知识，对人类的潜力是巨大的。

为此，让我们来看看这一领域面临的一些最大挑战。

可以说，当前量子计算机最大的问题之一就是不可靠，容易出现计算错误。这些机器及其量子比特非常敏感，各种干扰都可能导致计算错误：不完美的控制信号、环境干扰和量子比特之间不必要的相互作用等因素都可能导致这些干扰，通常被称为“噪声”。随着量子比特的增加，这个问题也变得越来越严重，成为量子计算机升级的一个障碍。

解决这一问题的方法之一是量子纠错，它是经典计算机纠错的一种更先进的形式。

今年早些时候，谷歌公司的研究人员 声称，通过将各种物理量子比特的信息编码成一个“逻辑量子比特”，能够提高量子纠错率。研究结果还表明，有可能通过增加量子比特来提高错误检测率。

今年8月，IBM 声称发现了新的代码，可以在量子比特数量减少10倍的情况下工作，这给该公司带来了希望：即在不建造“不合理的大型量子计算机”的情况下，容错量子计算也有可能实现。

今年7月，量子计算公司Quantiniuum声称，通过使用错误检测代码，它能够精确模拟氢分子。

与此同时，麻省理工学院的研究人员最近声称，他们展示了一种新形式的量子比特架构，这种架构执行运算的精确度远高于之前的例子。

虽然量子纠错是处理噪声的一种方法，但另一个潜在的窍门是降低影响这些强大机器的噪声水平。去年，麻省理工学院的一组研究人员声称开发出了一种技术，可以让量子电路更能抵御噪声。

这些研究人员创建了一个框架，可以为特定计算任务识别出最稳健的量子电路，然后生成映射模式。

他们声称，这种被称为QuantumNAS（噪声自适应搜索）的方法比其他搜索方法的计算密集度更低，可以识别出提高机器学习任务准确性的量子电路。

Quantiniuum团队发布的预印版论文

论文链接：

https://arxiv.org/abs/2306.16608

MIT团队提出电路的简化模型，新的量子比特电路使量子运算具有更高的精度：在某些量子运算中以可扩展的方式达到了99.9%的精度

论文链接：

https://journals.aps.org/prx/abstract/10.1103/PhysRevX.13.031035

QuantumNAS 概述。(1) 通过迭代采样和更新参数子集（子电路）来训练超级电路。来自超级电路的参数和带有实用噪声模型的模拟器可以为子电路提供准确的最终性能排名估计。(2) 进化共同搜索估计性能最佳的电路和量子比特映射对（QML/VQE 的最低验证损失/特征值）。(3) 训练搜索到的子电路。(4) 迭代修剪和微调，去除冗余门。(5) 在真实设备上编译和部署。

论文链接：

https://arxiv.org/abs/2107.10845

今年早些时候，芝加哥大学的一个研究小组 表示，他们开发了一种新方法，通过使用“旁观者量子比特”（spectator qubits）——一组专注于测量外部噪声而非存储数据的量子比特，来持续监测量子系统周围的噪声。

通过结合旁观者量子比特（黄色）和数据量子比特（蓝色），PME研究人员可以在量子计算机内不断监测并纠正噪音和错误。

论文链接：

https://www.science.org/doi/10.1126/science.ade5337

目前，量子计算机需要在极低的温度下（接近绝对零度）才能正常运行。这需要消耗更多的能量，使得量子计算机无法普及。

但最近的发现或许能帮助这些机器在温度较高的环境中使用。六月份发布的一项研究表明，石墨烯——这种广受欢迎的“神奇材料”，可能是解决方案。这项研究称，氨基二茂铁和石墨烯材料的组合在室温下具有很强的磁性，这可能为未来的分子磁体“以及量子比特阵列和量子系统的设计”铺平道路。

论文链接：

https://pubs.aip.org/aip/apl/article-abstract/122/24/241903/2895933/Room-temperature-colossal-superparamagnetic-order?redirectedFrom=fulltext

在现阶段，我们不能简单地问“量子计算的高价值应用在哪里？”更关键的是要问“哪些应用是近期、容错前的量子硬件可以实现的？”

事实上，我们可以从经典计算的历史中找到一些基本的类比，并理解量子计算今天所处的位置。

20世纪40年代，还没有便捷的软件库。没有编程语言，更不用说操作系统了。当阿兰·图灵在1948年为“曼彻斯特婴儿”（Manchester Baby）编程时，他手动将单个二进制指令输入计算机。

“曼彻斯特婴儿”（Manchester Baby）

由于只有1024位内存可使用，你不可能买得起奢侈品。你需要尽可能接近裸机设计你的算法。回想起图灵在曼彻斯特婴儿上运行的第一个程序，其运算量已经超过了我们今天最好的量子计算机。

早在19世纪40年代，艾达·拉芙蕾丝（Ada Lovelace）就首次设想将计算机用于计算以外的用途。图灵在20世纪50年代就开始考虑人工智能，但计算机除了用于科学计算和后台办公计算之外，至少还要再过十年才会被用于其他用途。在当时的计算硬件条件下，只有这些应用是可以实现的。

随后，计算机应用领域取得的巨大进步是由那些发明了计算机背后科学的人们推动的：这些人包括图灵、约翰·冯·诺依曼、玛格丽特·汉密尔顿和唐纳德·克努特等。

今天，我们正处在量子计算的同一关口。与经典计算领域相比，量子计算初创企业与生物技术等基础科学驱动型行业更为相似：今天的生物技术初创企业的生死取决于其基础科学的突破。许多公司即使取得了重大科学突破，并拥有利用这些突破的知识产权，但仍然会失败。但是，如果把这些突破留给别人，几乎不可能取得成功。

同样，未来十年中最有可能在十年后继续存在的量子初创企业，将是那些聘用了具有强大研发实力的世界级科学家、正在取得根本性突破的企业。

目前，解决重大挑战才是最重要的。好消息是，在所有的炒作和反弹背后，真正的科学量子算法和实现突破正在悄然发生。

参考链接：

[1]https://research.ibm.com/blog/error-correction-codes

[2]https://www.siliconrepublic.com/machines/quantum-computing-challenges-hurdles-qubit-errors

[3]https://www.eetimes.eu/hard-realities-and-real-opportunities-of-quantum-computing-today/

[4]https://www.analyticsinsight.net/10-challenges-in-quantum-computing/