在今天發(fā)表在《物理評論快報》(PRL)的論文《解決“懸鈴木”量子線路的采樣問題》(Solving the sampling problem of the Sycamore quantum circuits)中[1],中國科學院理論物理研究所張潘教授領導的團隊成功打破了谷歌在2019年實現(xiàn)的“量子霸權(quán)”。
去年11月,該論文的預印版提交到arXiv時[2],光子盒對此進行了報道。今天,值此論文正式發(fā)布之際,光子盒邀請張潘教授對該研究進行了深度解讀。
張潘教授
01
第一次真正模擬谷歌量子線路
談到最新論文的創(chuàng)新之處,就不得不先介紹其他三項重要研究,首先是張潘團隊去年3月的arXiv論文[3],今年年初已發(fā)表在《物理評論快報》上[4],他們提出了一種新的大批振幅張量網(wǎng)絡方法,可以將大量相關末態(tài)位串振幅的計算時間大大縮短。作者只使用了60塊GPU在5天內(nèi)即完成了200萬相關樣本振幅和概率的計算和100萬相關樣本的采樣,線性交叉熵基準保真度XEB為0.739,大大高于谷歌0.002的結(jié)果,通過了谷歌的XEB測試。
然后是國家超級計算無錫中心在去年10月[5]和11月[6]的兩篇論文,該團隊在新一代神威超級計算機上開發(fā)了一個基于張量的高性能隨機量子電路模擬器,使用超算實現(xiàn)了此類大量相關末態(tài)振幅的計算,將百萬相關位串振幅的計算時間由5天縮短至了304秒。
這三項研究都有一個共同點,在模擬谷歌的量子隨機線路采樣時獲得的都是相關樣本,張潘介紹說,“上篇文章[4]我們所計算的是一個大空間中的一個子空間的嚴格信息,但谷歌的量子硬件得到的樣本是無關的,意味著可以得到全空間的近似信息。如果只是相關的話,我們就得不到全空間的信息,只能得到一個子空間的信息,雖然它的線性交叉熵基準(XEB)保真度比較高,但并不能代表最后的保真度高,此時XEB無法代表保真度,這是子空間采樣的最大問題?!?/p>
而在最新論文中,這個問題就被完全解決了,因為是無關樣本,“計算的是整個空間的近似信息,谷歌的量子硬件采樣和我們新的文章中一致,就是在整個空間中做近似采樣。新算法獲得的是保真度的信息,是完全和量子硬件一致的?!?/p>
近年來,挑戰(zhàn)谷歌量子霸權(quán)的經(jīng)典模擬方法幾乎都采用張量網(wǎng)絡,但在之前[7],想要獲得無關樣本,張量網(wǎng)絡縮并需要被重復至少2000次,使得計算量太大,難以承受。
而這次[1],張潘帶領博士生潘峰和碩士生陳珂旸提出了一種新的模擬方法,利用了“懸鈴木”量子計算機所對應張量網(wǎng)絡的空間結(jié)構(gòu)和低秩結(jié)構(gòu),并結(jié)合新提出的稀疏態(tài)概念的張量網(wǎng)絡縮并新方法,可以僅僅利用一次張量網(wǎng)絡縮并完成大量無關位串的振幅計算,大大降低了獲取不相關采樣的計算復雜度。在實驗中,張潘團隊使用一個具有512塊GPU的計算集群計算了15個小時,完成了53量子比特20循環(huán)的谷歌懸鈴木量子霸權(quán)線路的采樣任務,保真度約為0.0037,高于谷歌的保真度。
谷歌宣稱他們的量子隨機線路采樣,用時大概200秒鐘,得到百萬個近似末態(tài)的位串采樣,XEB保真度約為0.002。谷歌表示,這樣一個采樣問題用經(jīng)典計算的角度去進行解決非常難,超級計算機需要計算10000年。
而張潘團隊最新工作顯示“不需要這么長時間,如果可以使用E級超算,只需要幾十秒鐘就可以解決這樣一個隨機量子線路的采樣問題。當然我們真正的計算沒有使用超算。我們是用了512塊GPU算了15個小時,如果折合成E級超算的算力,幾十秒就可以解決這個問題?!?/p>
02
如何完成模擬的?
目前,幾乎所有對量子線路的經(jīng)典模擬都采用了張量網(wǎng)絡。
對此,張潘解釋道,張量網(wǎng)絡是高維線性代數(shù),而量子力學就是線性代數(shù)。量子計算機現(xiàn)在常用的量子線路表示可以被認為是一種特殊的張量網(wǎng)絡?!捌鋵嵵坝玫乃械膶α孔泳€路的經(jīng)典模擬都可以認為是對張量網(wǎng)絡的計算,比如全振幅模擬,它就是一種特殊的張量網(wǎng)絡縮并順序,從這個量子線路的初態(tài)縮并到量子線路的末態(tài);用張量網(wǎng)絡的語言來描述,就是從這個張量網(wǎng)絡的一個邊界,縮并到張量網(wǎng)絡的另一個邊界。所有量子線路模擬都可以從這個角度來進行闡述,這是等價的?!?/p>
在本次工作中,張潘團隊將具有53個量子比特和20層循環(huán)的懸鈴木量子電路轉(zhuǎn)換為三維張量網(wǎng)絡。的單次縮并會產(chǎn)生,i = 1, 2, … L,μ= 1, 2, … l,表示L(隨機選擇)個無關的位串組的振幅,每個組包含l個位串。
在模擬之前,他們首先簡化張量網(wǎng)絡,因為有許多縮并步驟可以預先進行,而不會干擾下面的過程。然后將張量網(wǎng)絡分為兩部分,頭部和尾部,如下圖所示。
將三維張量網(wǎng)絡分為兩部分
作者在的縮并中引入了6條局部切片邊(不影響的縮并結(jié)果),空間和時間復雜度分別為230和2.3816 1013??s并會產(chǎn)生一個大小為245的張量vhead,由于無法存儲,他們枚舉了vhead的16個條目,創(chuàng)建了 216個張量網(wǎng)絡縮并的子任務,每個子任務對應于16個二進制變量的配置。
在每個子任務中,vhead被分割成大小為229的張量,作為的邊界。對于53量子比特和20層循環(huán)的懸鈴木電路,設置L=220,l=26,即將位串組織為220個獨立組,每個組包含26個位串。它充當了的另一個邊界。在縮并時,他們引入了7條局部切片邊,他們的稀疏態(tài)縮并方案的空間和時間復雜度分別為230和2.9425 1013。整個計算(用于完成216個子任務)的整體時間復雜度為3.489 1018,低于之前的工作。
為了提高GPU的效率,在縮并期間采用了分支合并策略。分支合并后,的GPU效率為31.76%,為14.27%,總體效率為18.85%。關于復雜性、估計保真度和GPU效率的詳細數(shù)據(jù)列在下表中。
結(jié)果表明,他們使用Complex64作為縮并中的數(shù)據(jù)類型。的一個子任務縮并時間約為112秒,縮并時間約為315秒,完成一個子任務的總縮并時間為427秒。最終他們使用帶有512個英偉達Tesla V100 GPU的計算集群,在大約15小時內(nèi)完成了216個子任務的整個模擬。
談到本次工作的進展,張潘表示,“我們用的張量網(wǎng)絡方法有很多的進展,其中我們提出了新的稀疏態(tài)張量網(wǎng)絡邊界條件,可以獲得一百萬個無關的樣本;其次,我們構(gòu)造了新的張量網(wǎng)絡數(shù)據(jù)結(jié)構(gòu)用于存儲稀疏張量;再者,我們發(fā)展了把稠密的張量和稀疏的張量進行縮并的方法、以及和它們適配的縮并順序和切片方法。所以把所有的方法整合在一起,再加上我們提出的近似方法,比如對張量網(wǎng)絡進行挖洞,然后對谷歌特殊的fSim兩比特門進行低秩近似。所有方法結(jié)合在一起,才使得我們能夠首次獲得了保真度高于谷歌的一百萬無關樣本,才首次真正模擬了谷歌的懸鈴木量子線路。”
fSim門的低秩張量近似
03
經(jīng)典和量子的競爭是一種良性發(fā)展
最近,Science也對這項工作進行了報道,在報道中,他們不僅采訪了張潘教授,還采訪了谷歌Quantum AI首席科學家Sergio Boixo,后者也承認了張潘團隊的結(jié)論。不過谷歌也立了一個flag,他們說在2022年之后這種經(jīng)典方法再也無法跟上量子線路的步伐。對此張潘表示,“我們也拭目以待,并在這個課題繼續(xù)深入。”
談到經(jīng)典計算和量子計算的競爭,張潘表示,這是一種良性發(fā)展。
他說,在一個時期之內(nèi),量子計算和經(jīng)典計算的競爭是不可避免的?!肮雀枋浅跏嫉母偁?,經(jīng)典算法在之后獲得了很大的進步,最終打敗了它們的第一代硬件,之后肯定會有新的量子硬件出來打敗新的經(jīng)典算法,然后大家會進行迭代,當然這個時期有多長是個非常有意思的問題,我認為最終量子硬件會建立起來絕對優(yōu)勢,我也希望這一天能夠盡早到來,這樣的話量子計算機可以真正推動我們很多領域的進展,不光是量子計算,它會應用到其它的科學問題中去,比如困難的自旋玻璃統(tǒng)計物理問題等等。因此,我的看法是在一個時期內(nèi)大家會相互競爭良性發(fā)展,最終量子計算會在特定問題上超出經(jīng)典計算。”
張潘非??春昧孔佑嬎闩c經(jīng)典計算的結(jié)合,“即使量子硬件能夠在具體問題中展示出絕對的優(yōu)越性,但是還是離不開經(jīng)典算法,我們現(xiàn)在處在NISQ時代,比如我們要調(diào)節(jié)量子線路的參數(shù)進行學習,根據(jù)數(shù)據(jù)做具體分析,還是離不開經(jīng)典算法,優(yōu)化算法等等。因此我認為,即使以后我們能夠在量子計算上展示出絕對的優(yōu)勢,也是在特定問題上展示。如果想要解決真正重要的實際問題,我們還是需要把量子計算和經(jīng)典計算結(jié)合在一起,做到更好?!?/p>
張潘表示,“我們現(xiàn)在更感興趣的問題是如何把量子硬件和張量網(wǎng)絡經(jīng)典方法結(jié)合在一起,解決具有挑戰(zhàn)性的實際科學問題?!?/p>
參考文獻:
[1]https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.129.090502
[2]https://arxiv.org/abs/2111.03011
[3]https://arxiv.org/abs/2103.03074
[4]https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.128.030501
[5]https://arxiv.org/abs/2110.14502
[6]https://arxiv.org/abs/2111.01066
[7]https://arxiv.org/abs/2005.06787