令人惊讶的发现,谷歌混合数模量子计算机揭示了磁性的新面貌

编辑 | 白菜叶当诺贝尔奖获得者理查德费曼首次提出量子计算机的想法时,他提出它们可以执行某种复杂的量子模拟,从而可能为下一代电池或新型药物提供参考。 现在,Google 的一种新型量子模拟器发现磁性并不总是像科学家想象的那样发挥作用,这表明它有望在未来带来更多的发现。 这项新研究结合了两种量子计算——模拟和数字。

图片

编辑 | 白菜叶

当诺贝尔奖获得者理查德费曼首次提出量子计算机的想法时,他提出它们可以执行某种复杂的量子模拟,从而可能为下一代电池或新型药物提供参考。

现在,Google 的一种新型量子模拟器发现磁性并不总是像科学家想象的那样发挥作用,这表明它有望在未来带来更多的发现。

这项新研究结合了两种量子计算——模拟和数字。在模拟量子计算中,量子比特可以充当显示量子行为的其他物体的类似物,例如分子、原子和亚原子粒子。

模拟量子计算通常用于模拟任何传统计算机上百年都无法建模的复杂分子相互作用。

相比之下,数字量子计算机在一组量子比特上运行一系列基本操作,称为量子逻辑门。

理论上,如果量子比特足够多,量子计算机在众多应用上的表现将远远超过所有传统计算机。例如,在量子计算机上,Shor 算法可以破解现代密码学,Grover 算法可以以惊人的速度搜索数据库。

数字量子计算机可以执行量子模拟,但模拟量子计算机执行这项任务的速度更快。例如,在模拟三个原子如何相互作用时,数字量子计算机必须一步一步地模拟每个原子组合之间的相互作用,而模拟量子计算机可以同时模拟所有原子组合。

考虑到量子硬件目前容易出错的特性,速度尤为重要——操作越快,成功完成的可能性就越大。

不过,数字量子计算机在量子模拟方面比模拟量子计算机更灵活。模拟量子计算机的设计目标是尽可能地模仿它们所模拟的事物,而数字量子计算机在模拟方面更具可调整性。

位于加州的 Google Quantum AI 的高级研究员 Trond Andersen 表示,现在Google「正在推出一种新的模拟-数字混合方法进行量子模拟,试图兼具两全其美的优势」。

他们最新的研究以「Thermalization and criticality on an analogue–digital quantum simulator」为题于 2025 年 2 月 5 日发表在了《Nature》杂志。

图片

论文链接:https://www.nature.com/articles/s41586-024-08460-3

在这项研究中,研究人员提出了一种混合模拟数字量子模拟器,通过二维(2D)晶格中的可调耦合器连接。

它通过对量子比特应用门来准备模型的初始状态,从而开始模拟,然后让模型以模拟方式快速演化。最后,它返回到数字性能,以便研究人员可以广泛测量结果。

「我们实现了灵活性和速度的融合。」Andersen 说。

图片

图示:具有高精度校准的模拟数字模拟。(来源:论文)

先前的研究已经探索了模拟-数字混合量子模拟,但它在模拟演化阶段经常会出现很大的错误。新系统采用了高保真校准方案,大大减少了这个问题,实现了每量子比特 0.1% 的错误率。

主要是因为,量子模拟器支持具有量子比特间成对相互作用的通用纠缠门,以及当所有耦合器同时激活时对 U(1) 对称自旋哈密顿量的高保真模拟模拟。低模拟演化误差以前很难通过 transmon 量子比特实现,这是由于相关串扰效应,现在通过新的可扩展校准方案实现了。

「这是使这项工作成为可能的突破之一。」Andersen 说。

图片

图示:高温状态下的快速热化动力学和超越经典的能力。(来源:论文)

使用交叉熵基准测试(XEB),新系统展示了超过已知经典算法在整个系统规模下的模拟能力的模拟性能。科学家们估计,在橡树岭国家实验室的 Frontier 超级计算机上,要实现新系统所达到的保真度水平的模拟,需要 100 多万年的时间。

「我们对在传统计算机上无法实现的发现和应用的新方向感到兴奋。」Andersen 说。

此外,新模拟器还有意外发现。它发现广泛使用的 Kibble-Zurek 机制(例如,它可以预测磁体在相变过程中的行为)并不总是成立。

图片

图示:通过初始激发可调热化状态。(来源:论文)

「这是一个大惊喜——这是一种在世界各地的量子实验室中被广泛研究的机制。」Andersen 说。理解与 Kibble-Zurek 机制相关的动力学「对于各种类型的量子模拟都很重要。」他说。

Andersen 指出,这一发现可以用传统计算机实现。「我们现在开始将我们的方法应用于传统计算机无法实现的应用,」他说。这项研究是使用 Google 的 Sycamore 量子处理器进行的,Andersen 表示,该公司「现在有了一款新的、先进的芯片 Willow,我们很高兴能在其上尝试我们的方法。」

相关报道:https://spectrum.ieee.org/quantum-simulation

相关资讯

Science新登,David Baker团队用AI从头设计栩栩如生的酶,比同类设计好6万倍

编辑 | 萝卜皮科学家使用人工智能(AI)从头设计酶的研究往往收效甚微,产生的酶通常在反应的第一步后就会停止。 设计具有复杂活性位点并介导多步反应的酶仍然是一项艰巨的挑战。 以丝氨酸水解酶为模型系统,华盛顿大学 David Baker 团队将 RFdiffusion 的生成能力与用于评估活性位点预组织的集成生成方法相结合,从最小活性位点描述开始设计酶。

智能电子粘附皮肤:机器人与环境交互的新进展!

编辑丨ScienceAI皮肤是人类与外界交互的重要窗口,而机器人要像人类一样灵活适应复杂环境,也需要一套能够「感知」与「操控」的智能皮肤。 以往的电子皮肤侧重模仿皮肤组织的传感功能,常常忽略了皮肤附属器的特异化功能(如鳞片的保护、摩擦控制功能)。 近期,新加坡南洋理工大学夏焜校长讲席教授、清华大学高华建院士、南洋理工王一凡教授、湘潭大学王秀锋教授团队联合,在《Science Advances》上发表了最新研究成果:一款突破性设计的智能电子粘附皮肤!

活性提高42倍,ML引导的无细胞表达加速酶工程,登Nature子刊

编辑 | 萝卜皮酶是人类生活中不可或缺的天然催化剂,不仅助我们消化食物,还能增强香水香味、提高洗衣效率,甚至用于疾病治疗。 科学家们正使用酶工程创造新酶,用于吸收温室气体、降解环境毒素、研发高效药物。 但是,酶工程受限于快速生成和使用大量序列功能关系数据集进行预测设计的挑战。