跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

谷歌与IBM争夺量子计算里程碑,对手却争论记分牌怎么算

2017年4月,谷歌的John Martinis给团队定下期限:当年年底前造出一块芯片,完成任何传统计算机都算不出的运算。同年11月,IBM宣布了一款50量子比特的处理器原型。

科技分析林晓雯发布: 2026年9月27日3 分钟阅读资料来源 4
谷歌与IBM争夺量子计算里程碑,对手却争论记分牌怎么算

2017年4月,谷歌的John Martinis给团队定下期限:当年年底前造出一块芯片,完成任何传统计算机都算不出的运算。同年11月,IBM宣布了一款50量子比特的处理器原型。

Martinis于2014年底从加州大学圣塔芭芭拉分校加入谷歌。他告诉《麻省理工科技评论》,自己手下约25人的团队将在2017年底实现“量子霸权”。实验将让谷歌的芯片与世界最大的超级计算机之一正面对决。他说,30到50量子比特器件的设计已经在推进中。

当时谷歌公开的芯片有9个量子比特,排成一条直线。据《麻省理工科技评论》报道,最新的器件只有6个量子比特,但排成2乘3的网格。Martinis说,这证明量子比特并排放置时技术仍然可行。这块6量子比特芯片还试验了一种制造方法:量子比特和控制线路分别做在不同的芯片上,之后再通过凸点键合连在一起。

“整套工艺都跑通了,”Martinis说,“现在我们准备加快速度。”

麻省理工学院一个量子计算小组的首席研究员Simon Gustavsson对《麻省理工科技评论》说,谷歌是领先者之一,这个领域“谷歌和IBM的水平相当接近”。马里兰大学教授、初创公司IonQ联合创始人Chris Monroe称霸权实验是“一个学术里程碑”,并说更难的工作还在后面:让这类机器可扩展、可编程。

IBM率先宣称达到50量子比特

2017年11月10日,IBM称其科学家已经造出并测量了一款50量子比特的处理器原型。据美联社报道,负责IBM量子计算与人工智能研究部门的Dario Gil说,这是第一次有公司造出这个规模的量子计算机。未参与该研究的麻省理工学院机械工程教授Seth Lloyd对美联社说,IBM可能还有故障要排除,但这一宣布标志着重大进展。

一个月后,在NASA艾姆斯研究中心的Q2B会议上,Martinis对这类里程碑的算法提出异议。“新闻稿总是用量子比特数量来谈量子太空竞赛,”他说,据Gizmodo报道,“这不只是数量问题,还有量子比特的质量。”

Gizmodo报道,谷歌当时正在制造一块49或50量子比特的器件,计划两周内开始测试。Martinis说,所选的问题必须足够难,需要大量高质量量子比特,并且能推广到任何量子计算机上。团队会让量子比特纠缠,让系统演化,然后测量结果。这些结果的概率分布太复杂,经典计算机可能要花几周才能模拟量子器件几分钟内完成的事情。

会上还有加州理工学院理论物理学家John Preskill发言,他描述了正在到来的NISQ时代,即含噪声中等规模量子计算。他说,容错能力必须持续进步。

记分牌再次改写

到2019年3月,IBM把争论换到了另一个完全不同的指标上。据ZDNET报道,在美国物理学会三月会议上,IBM称其搭载20量子比特处理器的Q System One达到16的量子体积,是现有IBM Q系统量子体积8的两倍。

IBM说,量子体积把量子比特数量、连通性、相干时间、门操作与测量误差、器件串扰以及编译器效率都算了进去。公司称,这个指标需要每年翻一番,才能在未来10年内达到量子优势,而自2017年以来,其量子计算机的算力每年翻倍。按照IBM的说法,量子体积达到20亿才算是跨过门槛。

评论 0

资料来源

4
  1. 01Google's New Chip Is a Stepping Stone to Quantum Computing SupremacyEN
  2. 02IBM says it's reached milestone in quantum computingEN
  3. 03Why Google Is Poised to Hit the Next Critical Milestone in Quantum ComputingEN
  4. 04IBM hits quantum computing milestone, may see 'Quantum Advantage' in 2020sEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。