Measurement and reload costs in direct quantum simulation of nonlinear waves
本文提出了一种用于求解非线性波动方程的量子-经典混合求解器，该求解器明确考虑了测量和状态重载的成本，揭示了当前的量子方法在每步计算成本上超过了经典计算，并确立了实现端到端量子优势需要相干且无测量的非线性更新。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代物理学的广袤图景中，一些最困难的问题涉及那些在传播过程中会改变自身形状的波。不同于池塘中穿过彼此而互不干扰的简单涟漪，这些复杂的波会与自身发生相互作用，从而产生尖锐的峰值、突然的坍缩或复杂的图案，这些现象极难预测。为了理解它们，科学家们传统上将问题分解为时间与空间的微小切片，计算波在网格上每一个点上的状态。随着网格变得愈发精细以捕捉更多细节，数据量增长得如此之快，以至于即使是世界上最强大的超级计算机也难以招架。这正是量子计算展现其前景的地方。通过利用量子力学的奇特规则，量子计算机可以使用被称为“量子比特”的极少量粒子来表示一个庞大的数据网格，提供了一种潜在的捷径，将所需的内存从线性增长缩减为对数增长。长期以来的希望是，这些机器能够以经典计算机无法企及的效率，模拟这些困难的自相互作用波。
一支研究团队现在直接观察了这一过程在实践中究竟是如何运作的，测试了一种在真实量子硬件上模拟这些非线性波的具体方法。他们的目标是观察量子计算的理论优势是否能在测量和更新系统的复杂现实中得以生存。在经典计算机中，波在特定点的值只是一个你可以立即读取并使用的数字。而在量子计算机中，同样的信息隐藏在量子比特的概率振幅之中，如果不扰动系统，就无法直接观测到这些信息。为了利用这些信息来计算波演化的下一步，计算机必须测量量子比特，将结果发送给经典处理器进行数学运算，然后将新的状态重新加载回量子机器。研究人员构建了一个混合求解器，精准地执行这一循环：它测量波，在经典端进行更新，然后重新加载，并为模拟的每一步重复这一过程。他们在超导量子硬件上测试了这种方法，运行了两种不同类型的波的模拟：一种描述光在光纤中的传播，另一种描述粘性流体的流动。
实验结果具有启发性，尽管它们并未证实预期的加速效果。团队发现，虽然量子计算机确实可以用极少的量子比特来容纳整个波，但读取该信息并将其重新装载的成本却是巨大的。每当模拟需要知道波在特定点的强度以计算下一步行动时，它都必须重复测量过程多次，以获得可靠的答案。随着用于捕捉更多细节的网格点变得越来越大，机器运行这种“测量并重新加载”循环的次数增长得如此之快，以至于抵消了量子计算机在存储数据方面的任何优势。当以操作次数和测量次数来衡量时，量子方法所需的总工作量明显高于标准经典计算机完成相同任务所需的量。
这一发现对于他们测试的两种波动方程均成立，表明在当前的量子机器上模拟非线性物理学方面存在一个根本性的瓶颈。研究人员展示了计算中的线性部分（即波仅仅是扩散而没有改变形状的部分）可以由量子计算机非常高效地处理，表现优于经典机器。然而，一旦波开始与自身发生相互作用，测量并重新加载数据的需求就成为了主导因素，从而拖慢了整个过程。该研究得出结论：要让量子计算机在这一领域真正超越经典计算机，需要一种全新的方法——一种能够在无需停止并测量整个系统的情况下，即可更新波形的方法。在开发出这种“无需测量”的更新方法之前，尽管量子计算机具备如此紧凑的数据存储能力，但其在处理这类特定复杂波问题时实现量子优势的承诺仍然难以实现。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。