Simon's Period Finding on a Quantum Annealer

在探索宇宙如何进行计算的过程中，科学家们长期以来一直试图从量子力学的奇特规则中寻找答案。与我们日常使用的、以一系列确定的“开”或“关”开关来处理信息的计算机不同，量子机器可以同时处于“开”和“关”的状态。这种奇特的能力使它们能够同时探索许多可能性，从而在理论上承诺能以惊人的速度解决某些问题。在这些量子技巧中，最早且最著名的手段之一是寻找隐藏模式的方法，这项任务对于破解代码和保障数字信息安全至关重要。几十年来，人们一直希望这些量子机器能够通过比最佳经典计算机更快地找到这些隐藏模式，从而实现超越。然而，现实世界是混乱的。进行这些计算所需的脆弱量子态极易受到噪声和干扰的影响，导致机器在能够解决大型实用问题之前就失效了。

一组研究人员现在采取了一条不同的路径来应对这一问题，他们不再采用在噪声面前表现挣扎的标准电路式方法，而是转向了一种被称为“量子退火器”的量子机器类型。量子退火器通过缓慢地将系统冷却到其最稳定的能量状态来寻找解。研究人员将这种方法应用于一个经典的模式寻找挑战，并在能够处理近三百个量子比特的硬件上成功运行了实验。他们的工作表明，这种替代方法对困扰其他量子计算机的噪声具有更强的韧性，使得他们能够解决涉及多达 298 个量子比特的问题。尽管具有这种鲁棒性，研究却揭示了一个令人清醒的现实：虽然这种量子机器更加耐用，但它目前还无法比现有的最佳经典方法更快。该量子方法在解决更大的问题时仍需要指数级增长的时间，这表明对于这项特定任务而言，传统计算机在目前仍然是更优越的工具。

该团队致力于解决的挑战被称为西蒙问题（Simon's problem），这是一个要求计算机寻找一组数据中隐藏偏移量的谜题。想象一台机器，它接收一串由零和一组成的输入，并产生一个不同的输出字符串。在这个特定的谜题中，该机器被设计为：两个不同的输入总是产生完全相同的输出，而这两个输入之间的差异是一个秘密的、隐藏的模式。找到这个秘密模式就是目标。在一个完美的、无噪声的世界里，量子计算机只需通过几次采样机器的输出就能非常快地找到这个模式。然而，在现实世界中，噪声使得机器的输出变得不可靠。如果计算机无法信任自己的读取结果，它就无法将正确的模式与随机误差区分开来。这种脆弱性将门控式量子计算机能够解决的问题规模限制在了不到五十个量子比特，这对于实际应用来说规模实在太小了。

为了绕过这一限制，研究人员重新构建了问题，以适应量子退火器的特定优势。他们不再试图从噪声测量中提取单个信息片段，而是设计了问题，使机器自然而然地沉降到一个两个特定输入同时显现的状态。他们通过在问题的设置中加入一个特殊的惩罚机制来实现这一点。这个惩罚机制就像一个引导器，鼓励机器忽略所有随机噪声，只专注于那两个相互匹配的输入。通过这样做，研究人员创造了一个场景，使机器最稳定的状态直接包含了解。他们在 D-Wave 量子退火器上测试了这种方法，这些物理设备包含数千个作为量子比特的小型金属环线圈。该团队成功地在从极小规模到高达 298 个量子比特的大规模问题上运行了他们的算法，而这种规模对于现有的标准门控式量子计算机来说是不可能实现的。

实验结果喜忧参半。一方面，量子退火器表现出了卓越的鲁棒性。它成功找到了涉及多达 298 个量子比特问题的正确隐藏模式，这在处理噪声硬件所能应对的问题规模上迈出了显著的一步。研究人员发现，通过仔细调节惩罚参数，他们可以确保机器始终找到解决谜题所需的两个匹配输入。这一成功凸显了退火方法的关键优势：它不需要门控式机器那样复杂且无误的操作，因此对当今技术的缺陷具有更高的容忍度。然而，当研究人员将量子机器解决这些问题所需的时间与经典计算机进行比较时，量子机器并未胜出。使用专门搜索方法的经典计算机解决问题的速度要快得多。

研究表明，虽然量子退火器可以处理比其门控式“亲戚”更大的问题，但寻找解所需的时间随着问题的增大呈指数级增长。相比之下，经典计算机所需的时间增长得慢得多，遵循着一种二次方模式，使其在测试的规模范围内始终保持领先。研究人员观察到，对于他们尝试的最大规模问题，量子机器开始频繁失败，无法在合理的时间内可靠地找到解。这一发现表明，虽然量子退火器提供了一种在噪声硬件上突破物理极限的方法，但它尚未实现量子理论最初承诺的速度优势。这项工作清晰地证明，在当前的噪声量子设备时代，经典算法在效率方面依然占据统治地位，即便量子机器在面对干扰时表现得更加耐用。

最终，这项研究为量子计算现状提供了一个现实的图景。它证实了使用退火器来寻找隐藏模式等新方法，可以克服在其他领域阻碍进展的部分噪声问题。能够解决接近三百个量子比特问题的能力是一项切实成就，扩展了这些机器能力的边界。然而，研究也明确指出，仅仅依靠耐用性不足以击败经典计算机。解决更大问题时所需时间的指数级增长意味着，对于这类任务，量子优势尚未实现。未来的道路可能需要硬件的进一步改进以及减少机器寻找答案所需时间的新策略，但就目前而言，经典计算机仍然是更快、更可靠的选择。