阿里量子實驗室最新成果：全球最強量子電路模擬器「太章」誕生

雷鋒網 AI 科技評論消息，5 月 8 日，阿里巴巴量子實驗室施堯耘團隊宣布于近日成功研制當前世界最強的量子電路模擬器，名為「太章」。基于阿里巴巴集團計算平臺在線集群的超強算力，「太章」在世界上率先成功模擬了 81（9x9）比特 40 層的作為基準的谷歌隨機量子電路，之前達到這個層數的模擬器只能處理 49 比特。

同時，本次模擬任務只動用了阿里巴巴計算平臺在線集群 14% 的計算資源。「太章」的創新算法通信開銷極小，得以充分發揮平臺在線集群的優勢，在過去超級計算機上做不了的模擬任務，比如 64（8x8）比特 40 層的模擬，「太章」只需 2 分鐘即可完成。

2016 年，谷歌提出通過實現二維陣列 MxN 對應的量子比特上的一類特定隨機量子電路來實現量子霸權的方案，這一類特定隨機量子電路通常被稱為量子霸權電路。在方案中，認為當該二維陣列上的比特數 (MN) 達到 50，電路的深度（層數）到達 40 左右，現有世界上最強大的超級計算機也無法有效模擬這樣的電路。

圖 1：8x8 二維網格上一個深度為 20 的量子霸權電路對應的張量網絡展示

谷歌的硬件團隊希望將在 9 量子比特 1 維陣列中實現的 1% 讀取誤差，0.1% 單比特門誤差，0.6% 兩比特門誤差保持到更大規模的量子系統來實現這樣的霸權電路，并通過這個特定任務，實現量子硬件對當前世界上最強大的經典計算資源的超越。此后，若干研究團隊紛紛在不同的超級計算機上對該類電路進行模擬。之前，全球最好的研究結果尚未同時達到 50 比特 40 層。

圖 2：nxn 二維網格上，計算隨機電路輸出每一個振幅的執行時間與電路深度的對應關系

在量子計算目前的模型中，有一類是量子電路模型，實現形式是將信息存儲在量子比特中，通過類似經典邏輯門的量子門來實現計算。達摩院量子實驗室團隊量子科學家陳建鑫與實習生張放實現了一種基于分布式的通用量子電路模擬方案，并基于研究的模擬器對谷歌第一版的隨機量子電路進行了測試。

利用阿里計算平臺的在線集群的少量計算資源 (14% 左右) ，實驗室團隊成功使用「太章」模擬器模擬了 9x9x40 也就是 81 比特 40 層隨機電路，還分別成功模擬了 100 比特 35 層（10x10x35）, 121 比特 31 層（11x11x31）與 144 比特 27 層（12x12x27）的隨機量子電路。

圖 3：「太章」模擬的隨機量子電路規模（黑線）與谷歌量子硬件可以實現的規模 (紅線) 比較（基于谷歌在 [Characterizing quantum supremacy in near-term devices] 中對 7x7 的估計）

目前業界主流的模擬方案有兩類，一類是存儲量子狀態的所有振幅，一類是對于任意振幅都可以迅速計算得到結果。第一類模擬方案，基本都在超級計算機上實現，因為存儲 45 比特的量子狀態需要 Petabyte 量級的內存，在存儲這么多數據的同時對該量子態進行操作并進行計算，需要不斷地在不同的計算節點之間交換數據，這樣的通訊開銷對于普通云服務是難以承受的。

在阿里巴巴計算平臺的在線集群上，實驗室團隊采用了第二類模擬方案，通過快速有效的計算任意振幅，任務拆分后可以將子任務十分均衡地分配到不同節點，極少的通信開銷使得模擬器適配現在廣泛提供服務的云計算平臺。

在本研究成果之前，對于兩種模擬方案，全球尚未有研究團隊可以成功模擬谷歌超過 50 比特 40 層的第一代隨機測試電路。在達摩院量子實驗室團隊的模擬器內還可以每 2 分鐘計算 64 比特 40 層隨機電路的一個振幅。

本次研究成果也已經以論文的形式在預印本網站 arXiv 上提交，文章并列第一作者為量子實驗室量子科學家陳建鑫與實習生張放，作者還有實習生黃甲辰和 Michael Newman 博士。

圖 4：阿里巴巴「太章」模擬器與目前主要模擬器模擬谷歌隨機電路的結果比較

美國密西根大學終身教授、世界頂級量子科學家施堯耘擔任阿里巴巴量子實驗室主任、首席量子技術科學家。兩次理論計算機最高獎哥德爾獎得主、匈牙利裔美國計算機科學家馬里奧·塞格德（Mario Szegedy）于今年年初也加入該實驗室。

其他：

「太章」取自：《淮南子·墬形訓》：「禹乃使太章步自東極至于西極，二億三萬三千五百里七十五步；使豎亥步自北極至于南極，二億三萬三千五百里七十五步。凡鴻水淵藪自三百仞以上二億三萬三千五百五十里有九淵·禹乃以息土填洪水以為名山。」

「太章」模擬器目的是用一種經典、我們能理解的方式來理解量子的運行，就跟太章徒步測量東極至西極的距離那樣。

arXiv 論文鏈接： https://arxiv.org/abs/1805.01450

谷歌 [Characterizing quantum supremacy in near-term devices]：https://www.nature.com/articles/s41567-018-0124-x