先决条件： 了解Google的量子优势
在本文中, 我们将讨论Google Quantum Supremacy索赔的好处是什么, 使用此方法可以解决哪些问题, 同时我们还将讨论我们在Quantum Computing中作为数据科学家的角色, 以及它们在这个完整难题中的适用范围。因此, 让我们开始阅读本文。我们需要回答的第一个问题是：
为什么如此重要？
1.模拟化学过程：它正在创造奇迹材料。拿一个简单的咖啡因分子。它有大约248个州。我们知道, 利用经典计算, 我们甚至无法理解当今分子的基本结构。我们可以使用Quantum计算机来模拟量子系统。这不仅可以帮助我们理解, 而且可以模拟甚至操纵该过程以获取一种新材料, 比如说它既轻巧又坚不可摧, 或者可以选择分子来制造有机电池, 或者我们也许可以制造出可以治愈癌症或我们想像力允许我们创造的一切。
2.制作室温半导体：量子计算机依靠超导体来工作, 必须将其保持在极低的温度下(15毫开尔文), 但是如果量子计算机可以开发室温超导体, 我们都知道那是什么意思。好吧, 这意味着你也许可以在你儿子生日那天给他量子计算机。
3.解决一些棘手的问题：考虑一下神经网络和使用量子计算进行表征的不断增长的空间, 这些量子计算用于财务建模以及路线和物流的优化, 例如被认为是无法解决的TSP问题。
主要问题
这些Qubit容易出错。由量子位引起的错误会衰减并丢失存储在它们上的信息, 并且要使所谓的逻辑量子位更连贯, 就需要成千上万个物理量子位, 它们的误差会相互抵消。能够破解加密的量子计算机将需要数千个逻辑量子位。上次检查时, 我们有接近72个物理qubit可供使用, 而那台计算机相当不稳定。
另一个问题是隔离系统的条件, 在这些系统中, 这些量子位需要超导体来工作, 而超导体需要保持在15毫卡尔文以作为超导体工作, 因此, 你通常看到的巨型量子计算机主要用于维持该温度并用于发送。设置一些微波脉冲非常困难。
机器学习, 人工智能在哪里发挥作用？
量子设备可用于加速机器学习。当前的量子技术类似于ASCI的专用硬件, 而不是通用CPU。它们很难实现有限种类的量子算法。可以对更高级的设备进行编程, 使其像FGPA一样运行简单的量子电路。我们知道, ASCI和FPGA均可在机器学习以及GPU, CPU和TPU方面提供优势。因此, 理论上可以在专用AI硬件的组合中添加一个量, 以通过创建全新的机器学习工具来帮助我们克服AGI。就像GPU的贡献一样深度学习大约十年前的复兴。
机器学习可以从此惊人的系统中利用的一些任务：
- 线性代数：解决线性代数方程式的瓶颈之一是数据编码。为了将量子计算机用作一种用于大型矩阵乘法和本征分解的超快速线性代数求解器(与TPU不同), 我们必须首先将大型矩阵"加载"到量子设备上, 这是一个非常简单的过程, 尽管量子门以指数方式甚至无限地执行乘法。因此, 可以在量子计算机上的一次操作中完成复杂的线性代数计算, 即与量子门相对应的那些运算。因此, 将量子门视为神经网络的高度结构化的线性层。
- 优化混合动力量子古典技术已经提出了可变电路的方案。在那里, 量子设备用于评估难以计算的成本函数, 而经典设备则基于此信息执行优化。
- 从根本上说, 每个采样的量子计算机都是一个采样器, 首先在所有可能的测量结果上进行简单的概率分布, 计算出更复杂的分布, 然后通过测量对结果进行采样。因此, 量子设备是进行基于采样的训练的有趣助手, 例如使用Boltzmann机器。简而言之, 因此, 探索来自量子设备的样本如何用于训练机器学习模型的途径是非常有前途的。
- 内核评估："量子内核"的想法是通过估计两个非常高维的量子态的内积, 仅使用量子设备来计算数据点的内核。然后, 可以将内核估计输入到经典的机器学习模型中进行训练和预测。换句话说, 可以将来自量子计算机的估计值输入标准核方法(例如支持向量机)中。推论和训练纯粹是经典的过程, 但量子专用设备对此进行了补充。量子设备可用于估计某些内核, 包括传统上难以计算的内核。它可用于确定内核, 采样和优化目的。
这就是桑达尔·皮查伊(Sundar Pichai)要说的AI和量子计算在《麻省理工学院技术评论》的独家专访中共同合作-"我认为这将是一件非常强大的共生事物。这两个领域都处于早期阶段。在构建更大的模型, 更通用的模型以及到达那里需要什么样的计算资源方面, AI令人兴奋。我们认为AI可以加速量子计算, 而量子计算可以加速AI。总体而言, 我们认为这是我们需要解决的一些根本问题, 例如气候变化。"
观念：
- 人们说区块链将被摧毁, 安全性将是神话。好吧, 那不是完全正确的。我承认, 广泛使用的某些算法将是可破解的, 但还有其他算法(量子算法)可用于正确加密数据, 即使对于Quantum计算机也不会造成危害。因此, 只要仍有一些人可以实现这些算法, 那么你就是安全的。
- 还有一种观点认为, 量子优势是终结的开始, 因为我们将能够轻松地开发通用AI。好吧, 即使我们考虑解决了昆腾计算机所面临的所有问题并且这个领域本身也需要研究, 我们距离gAI的建设还差很多年。量子计算机可能会很快加快速度, 但是通用人工智能仍然离我们几十年了。
可能吗？
一家寻求找到零售配送理想路线的公司可以将问题分为两部分, 并利用每台计算机的优势。作为数据科学家, 我们可以研究一些算法, 并对它做出更多贡献。可能性几乎是无限的。
TL; DR
量子计算可用于解决迫切需要关注的问题。也就是说, 大个子只能处理最坏的问题, 而琐碎的问题必须通过经典的计算方法来解决。这意味着昆腾计算机将永远无法取代传统计算机, 而是可以与传统计算机并肩工作, 并且将通过解决迄今为止被认为无法解释的问题, 为改善我们的生活做出贡献。
