TensorFlow Quantum提升了Quantum计算机的硬件性能

0
1942
资源: //blog.tensorflow.org/2020/10/boosting-quantum-computer-hardware.html

谷歌 最近发布了 TensorFlow Quantum,这是将最新的机器学习技术与量子算法设计结合在一起的工具集。这是为从事量子应用程序开发的人员构建工具的重要步骤。

同时,他们专注于通过集成一套量子固件技术并构建从硬件级别开始的基于TensorFlow的工具集来提高量子计算硬件性能。–从堆栈的底部开始。 

这项工作的基本驱动力是解决量子计算机中的噪声和错误。以下是上述内容的简要概述,以及如何在量子硬件中抑制噪声和缺陷的影响(关键挑战)。 

广告 Coursera Plus标语,包含约翰·霍普金斯大学,谷歌和密歇根大学的课程,突出显示数据科学职业发展的内容
//blog.tensorflow.org/2020/10/boosting-quantum-computer-hardware.html

噪声与错误:量子计算机的装甲问题

量子计算将信息处理和量子物理学相结合,以解决具有挑战性的计算机问题。但是,量子计算机中的一个重要问题是对噪声和错误的敏感性,从而限制了量子计算硬件的效率。噪声是指可能引起干扰的各种事物,例如来自WiFi的电磁信号或地球磁场的干扰。大多数量子计算硬件可以在不到1 ms的时间内执行几十个计算,然后再由于噪声的影响而需要进行重置。这大约是笔记本电脑中硬件的1024倍。

许多团队一直在努力使硬件具有抗噪声能力,以克服这些缺点。许多理论家还设计了一种称为量子误差校正的智能算法。 QEA可以识别并修复硬件中的错误,但是它非常缓慢或无法实践。因为信息要以一个qubit的形式散布在很多qubit上,所以可能需要一千个或更多的物理qubit才能实现一个错误校正的“逻辑qubit”。

为了克服这个问题,Q-CTRL的“量子固件”可以稳定量子比特,使其免受噪声和退相干的影响,而无需额外的资源。这是通过添加新的解决方案来完成的,这些新解决方案可提高硬件的健壮性,以解决量子计算堆栈最底层的错误。

量子固件描述的协议可以将性能增强的量子硬件交付到量子计算堆栈中更高级别的抽象。

通常,量子计算硬件依赖于光与物质的相互作用,从而实现量子逻辑运算。 

资源: //blog.tensorflow.org/2020/10/boosting-quantum-computer-hardware.html

广告

发表评论

请输入您的评论!
请在这里输入您的名字

该网站使用Akismet减少垃圾邮件。 了解如何处理您的评论数据.