专栏名称: 面包板社区

面包板社区——中国第一电子人社交平台面包板社区是Aspencore旗下媒体，整合了电子工程专辑、电子技术设计、国际电子商情丰富资源。社区包括论坛、博客、问答，拥有超过250万注册用户，加入面包板社区，从菜鸟变大神，打造您的电子人脉社交圈！

量子计算，和传统计算到底有什么区别？

面包板社区 · 公众号 · · 2024-04-29 20:00

正文

自 1936 年诞生以来，在不到一个世纪的时间里，传统计算就几乎彻底改变全球所有行业。随着传统计算让位于新的前沿领域，人工智能 (AI) 将可能成为下一波创新的源泉。

随着人工智能领域的创新进展，传统计算的局限性很快就暴露出来，因为人工智能不断推动计算速度和能效的现有界限。复杂的软件应用程序，如自动驾驶汽车、化学反应模拟和 3D 动态模拟中使用的应用程序，正在不断推动传统计算技术的能力。

在本文中，我们将讨论量子计算和传统计算之间的根本差异，并探究量子计算在自动驾驶汽车和其他计算密集型软件应用程序中改善人工智能算法的潜力。

什么是量子计算？

量子计算并不是要取代传统计算。对于大多数计算任务，传统计算机实际上比量子计算机更好。然而，量子计算机更擅长解决具有挑战性的计算问题。

传统计算机使用二进制晶体管“位”（即 0 或 1）来处理数据，而量子计算机使用量子位，也称为量子比特，来代表三种不同的状态。一个量子位的第三种状态叫做“叠加”；它允许量子位同时代表 0 和 1。

鉴于第三种叠加状态，量子计算能力随着量子位的数量呈指数级增长，而计算机能力只能随着晶体管位数以 1:1 的比例增长。例如，如果您有两个经典位，值组合的数量可能总共是四个 (00, 01, 10, 11)。

但是两个量子位可以是四种状态的叠加，这意味着两个量子位的总组合是八种不同的状态。因此，存储在 "N" 个量子位中的信息等于存储在 "2^N" 个经典位中的数据。

为了将这些信息转化为更相关的数据存储数，3 个量子位等于 8 位（或 1 字节），而 13 个量子位等于 8192 位（1 千字节）。如果要用量子位存储 1 万亿字节（8.8x10^12 位）的信息，则只需要 43 个量子位！

鉴于计算能力的巨大优势，量子计算机更适合复杂的计算问题。这包括模拟化学反应、药物识别、多站点物流和人工智能算法等优化挑战。在自动驾驶汽车训练领域，这意味着与传统数据中心相比，量子计算机可以存储和处理更多的训练数据，可将更多的数据用于训练模型，从而更快地产生更准确的模型。

2019 年，谷歌试验了一种名为“Sycamore”的 54 量子位处理器，旨在完成一项全球最快的超级计算机需要 10,000 年才能完成的计算实验。Sycamore 在 200 秒内就完成了实验。在自动驾驶汽车人工智能模型训练应用中，量子计算机能够在 200 秒内处理 10,000 年的训练数据，为自动驾驶汽车模型训练者提供无限的机会。

什么是量子人工智能？

人工智能是现代软件的前沿阵地。虽然如今人工智能有很多方面和子类型，但相对于其全部潜力而言，它仍处于起步阶段，而且人工智能的发展往往进展缓慢。

人工智能训练模型的开发、使用和迭代都极其复杂。通常，这些算法的执行可能需要几个小时、几天、几周甚至几个月，这取决于它们的复杂性。如今，自动驾驶汽车的“完全自主性竞赛”被认为是人工智能的巅峰，长期以来一直是许多人工智能训练模型的试验场。量子人工智能可能是助力自动驾驶汽车人工智能训练模型越过终点线的解决方案。

量子人工智能旨在减轻现代人工智能对传统计算的束缚。优化算法和模型是大多数人工智能的基础，但传统计算在有效完成许多训练模型的能力方面受到限制。

用不了多久，量子计算可能用于为极具挑战性的计算过程提供更快的计算，并为现有的计算基础创造新的见解。

例如，训练特斯拉自动驾驶汽车的神经网络需要海量的并行计算量以及惊人的庞大数据集。事实上，特斯拉每天收集万亿字节的数据，作为训练他们的自动驾驶汽车算法的一种手段。鉴于硬件计算能力的限制，训练这些现代无人驾驶汽车神经网络的数据中心通常只能训练其神经网络的小部分。

在这个例子中，完全重新训练特斯拉的整个神经网络可能效率太低。然而，由于量子计算机可以实现创纪录的并行计算速度，地球上没有任何数据中心可以比拟，量子计算自然可以在几分钟内为训练复杂的神经网络（如特斯拉的神经网络）提供价值。

量子挑战

如今，用于量子计算的软件远远落后于硬件的能力。这是因为基于量子的人工智能的起步阶段受到经典训练算法和计算方法的限制，这些算法和方法自 1936 年以来一直发展缓慢。考虑到计算方法（位与量子位）的根本差异，这些训练算法的内在价值无法利用量子计算机实现。

因此，必须创建新的量子算法来利用量子计算机的计算能力。基于机器学习的量子算法已经取得了重大进展，例如 HLL 算法（线性方程组的量子算法）。

研究小组最近才开始研究量子深度神经网络训练算法，这些算法可能有一天会证明更有用。然而，肯定的一点是：一旦量子人工智能训练算法得到开发和迭代，量子计算机将提供令人难以置信的处理速度，这可能有助于训练下一代自动驾驶汽车、基于计算机的化学，甚至是未来量子系统的模拟。

量子计算，和传统计算到底有什么区别？

正文

来源：arrow

请到「今天看啥」查看全文