量子計算機的瓶頸,將如何突破?( 二 )


由于這種方法產生的算法比目前最新的算法都要短,因此可以減少噪聲的影響 。 這種機器學習方法還可以針對特定的算法和硬件平臺補償錯誤 。 例如,如果發現一個量子比特比另一個量子比特更能抵抗噪聲的干擾,這時算法將優先使用那個更好的量子比特 。 然后,機器學習方法可以自己創造算法,這樣我們使用最少的計算資源和最少的邏輯門就可以在量子計算機上執行任務 。 如此優化后,更長的算法就可以運行了 。
現在,這種特定配置的量子計算機已在云端上向公眾開放 。 公眾可以利用量子計算機的優越性能進行創新研究,也可以為未來的大型量子計算機在解決大型現實問題上提供算法擴展功能 。
我們的工作已經取得一定成果,未來將為專家和普通用戶提供量子計算工具 。 程序開發人員可以開始在這個量子計算平臺上設計更好的程序,從而使其性能超越傳統計算機 。
撰文:斯科特·帕金(Scott Pakin)、帕特里克·科爾斯(Patrick Coles)
翻譯:安鈞鴻

推薦閱讀