以下文章来源于今日新材料 ，作者今日新材料
Are quantum computers really energy efficient?
量子计算机真的节能吗？
目前支持者经常吹捧量子计算是一种比经典计算方法更节能的替代方法。然而，在多大程度上，量子计算机可以减少能源使用，仍不清楚，因为专家们尚未就确定其能源消耗的指标达成一致。
我们生活在计算能力空前强大的时代。2016年，人工智能程序AlphaGo1，在围棋比赛中击败了一名人类职业棋手。2020年，人工智能（AI）软件AlphaFold证明，根据蛋白质的氨基酸序列，实现了预测蛋白质的三维结构2，这是50年来，生物学领域的重大挑战之一。2021年，加州大学圣迭戈分校（University of California，San Diego）的研究人员，利用一台超级计算机与人工智能（AI）协同模拟了SARS-CoV-2病毒3中的10亿个原子。2022年，OpenAI发布了ChatGPT，这是一个大型语言模型，能够模仿人类会话。这样的例子不胜枚举。
然而，这项技术的成本很高。为了达到目前的精度和效率水平，这些计算方法需要惊人的能量，导致大量的碳排放。例如，世界上最快的超级计算机Frontier，在闲置时会消耗8兆瓦的电力——这一电量可以同时为成千上万的家庭供电。大型语言模型的一次训练所产生的碳排放量，大致相当于一名从纽约飞往旧金山的乘客所产生的碳排放量4。
鉴于目前的趋势，计算的能源使用看起来会继续增加。2012年至2018年间，大型人工智能模型研究前沿，所需的计算能力每3.4个月就翻一番，增长超过30万倍。另一项估计发现5，要将错误率减半，人工智能模型需要超过500倍的计算成本。计算技术使用了美国所有能源消耗的5%，更高的计算成本将推动能源使用6。由于世界上82%的主要能源消耗来自化石燃料，计算的增加，将导致全球二氧化碳排放量的增加。政府间气候变化专门委员会，敦促世界各国在2030年前将碳排放量减半，以将全球变暖幅度限制在1.5摄氏度以内。按照这种速度，我们算力的雄心，会不会威胁到地球的可持续未来。
因此，专家们正在寻找新的策略，从而有效地控制能源使用，同时继续提高计算性能。解决方案的提议之一：量子计算。支持者已经在使用原型量子计算机，证明可以用更少的能量解决新型问题。例如，2020年的一次演示表明，量子计算机，可以用比当时世界上最强大的超级计算机少5万倍的能量来解决数学难题。IBM量子计算硬件开发负责人Jerry Chow表示：“量子具有能源优势的真正潜力。”
1
不同形式的逻辑
量子计算机是一种使用量子力学的数学，进而调控信息的设备，而不是二进制逻辑。例如，量子计算机不会用1和0来表示信息。相反，量子计算机的基本信息单位，即所谓的量子比特，对应于1或0的概率。量子比特态就像一枚在空中抛出的硬币：在着陆之前，硬币的状态既不是正面也不是反面，而是两者都有的概率。在量子术语中，硬币是正面和反面的叠加。类似地，量子位表示1和0的叠加。
在一个著名的思想实验中，薛定谔Erwin Schrödinger阐述了叠加superposition的概念，该实验涉及一只猫，被放在一个装有一小瓶毒药和放射性物质的盒子里。当放射性物质衰变时，它会释放出一种粒子，引发毒素的释放，从而杀死猫。根据量子力学，在任何人打开盒子之前，猫在技术上同时处于死和活的叠加状态。
通过利用叠加和其他量子特性（如量子纠缠），量子计算机，实现了与经典计算根本不同的数学运算。潜在的应用，目前已经吸引了数十亿美元的公共和私人投资。例如，银行热衷于研究量子计算机的优化问题8，而制药公司正在研究其模拟复杂分子和加速药物发现的能力。现代（Hyundai）与美国初创公司IonQ合作，三菱（Mitsubishi）与IBM合作，使用量子计算机模拟电池化学，这可能会使电动汽车每次充电的里程更高。
创业公司QC Ware物理学家Iordanis Kerenidis，为量子计算机开发算法。在最近的一份预印本中，基于两台IBM的量子计算机，演示了如何使机器学习更加节能。其中，一台量子计算机被用来训练一种流行的机器学习架构—— transformer。利用一种同时需要经典计算机和量子计算机的算法，训练了一个机器学习模型，从而准确地对医学图像进行分类。例如，该模型学会了根据患者的视网膜图像，进而诊断其糖尿病的严重程度。该模型还学会了根据胸部X光诊断患者是否患有肺炎。这种模型的准确性，可以与几种最先进的经典机器学习算法（如ResNet）相媲美。
该模型的潜在节能，来自于量子计算机编码信息的独特方式。在训练期间，当将图像模式映射到向量时，经典的机器学习算法低效地创建向量空间，因为它倾向于提取相似的像素模式，对应于空间中彼此接近的向量。相反，量子计算机固有地提取不同的像素模式，对应于正交的矢量。“（量子计算机提取的）每一个结构都给出了全新的信息，”says Kerenidis说。这意味着在训练过程中，量子计算机需要提取比经典计算机更少的像素模式，用以构建相同的向量空间。
因此，量子计算机可以更有效地训练 transformer。机器学习从业者，根据参数的数量，描述模型的复杂性。Kerenidis及其同事的量子神经网络，由几百个参数组成，而ResNet则有数百万个参数。Kerenidis说：“希望量子计算机可以使用更少的参数，从而产生具有类似性能的更小的模型。”“更小的模型更容易训练，成本也更低，无论是在精力还是时间上都是如此。”
尽管结果很有希望，但Kerenidis的团队，还没有对他们的算法和经典机器学习算法的能量使用进行正式比较。事实上，他们根本没有计算过其能量消耗，因为研究人员还没有就描述量子计算机资源需求的度量标准达成一致。
2
量子计算能量的使用规范
在能源使用指标上，量子计算能量缺乏共识的部分原因是，这个领域太新了——研究人员在过去十年里才设法建造了第一台值得注意的量子计算机。到目前为止，许多研究都集中在证明量子计算机提供了比经典计算机更快的速度，而不是理解它们的能量使用。
然而，现有的量子计算机，仍然没有最终证明在任何特定任务上都比经典计算机更快。当时在谷歌工作的物理学家John M.Martinis及其同事在2019年提出了这一说法10，但专家们对其成就的意义提出了质疑。其中，谷歌团队展示了量子计算机可以在200秒内，从特定的统计分布中随机采样数字，并声称这项任务需要一台最先进的超级计算机花费1万年。从那时起，研究人员为这项任务开发了更好的经典算法，其中一个小组声称，超级计算机应该能够在几十秒内完成这项任务，以击败谷歌的量子计算机11。
尽管如此，这些实验证实，研究人员已经实现了量子计算机的阈值控制水平，以完成相对复杂的任务。在2019年的研究中，谷歌研究人员还暗示，量子计算机比超级计算机更节能。[我们]估计执行相同的任务[…]将花费50万亿个核心小时，消耗1拍瓦小时的能量。从这个角度来看，[…]净量子处理器时间只有30秒左右。机器运行功率为26千瓦，比最先进的超级计算机少三个数量级。
不过，一些研究人员说，该领域还没有做足够的功课，以提出节能的主张。新加坡国立大学（National University of Singapore）Alexia Auffèves说：“你会发现很多人在挥手示意，主要是基于这样一种想法，即如果量子计算机正常工作，比经典计算机涉及更少的物理操作，因此将消耗更少的能源。”Auffèves正致力于提出一个更严格的框架，以评估量子计算的能源使用。一些研究人员认为，更长的计算时间对应于更多的能源使用。然而，Auffèves及其同事发现，在量子计算机中，能量消耗和计算时间之间的关系比传统计算更加复杂。“时间和精力不成比例，”她说。
相反，随着算法发展到涉及更多的连续操作，量子计算机使用了不成比例的更多能量。这与在量子计算机中保存信息的挑战有关。“算法的时间越长，需要保存量子信息的时间就越长，所以需要冷却量子比特，”华沙大学的Marco Fellous-Asiani说，他以前是Auffèves的研究生。“功率[绘制]随着计算的持续而增长.”
Auffèves希望学术界联合起来，从而定义量子计算机的能效指标，例如描述性能的指标与资源成本之间的比率。对于经典计算，性能指标通常通过每秒浮点运算floating point operations per second（FLOPS）来衡量，而资源则以瓦特为单位。因此，超级计算机的能耗通常用“每瓦特十亿次浮点运算”来表示。然而，量子计算还没有决定如何定义这个度量的分子和分母。对分子有一些选择：IBM使用一种称为“量子体积quantum volume” 12性能指标，描述了机器可以运行的算法的复杂性。初创公司IonQ定义了一种被称为“算法量子比特‘algorithmic qubit”的度量标准，该标准，对量子计算机执行一组基准算法的能力进行评级。这些值都取决于量子计算机的基本规格，如量子比特的数量或机器的错误率。Auffèves说：“对于什么是评估量子计算机性能的最佳方法，目前还没有达成一致意见。”
为了开始对话，Auffèves、Felous-Asiani及其合作者提出了优化量子计算机能源使用的框架。Felous-Asiani说，模拟了量子计算机的噪音和能量消耗之间的关系。并研究的量子计算机需要保持在接近绝对零度的温度下，较低的温度可以保证较少的噪音，从而减少错误。“你需要花费精力来保证成功，”他说。然后，还确定量子计算机需要为手头的任务提供的精度水平，并计算达到该精度阈值的可接受噪声量。然后，该框架，根据应用程序优化能耗。
3
构建量子能源新领域
2022年8月，Auffèves和同事们共同创立了一个名为“量子能源倡议Quantum Energy Initiative”组织，并宣称研究量子计算的环境足迹，是非常重要的13。这一宣言概述了该领域的重大问题: 同时[…]观察结果似乎指向了量子性质的能量优势，但其背后的物理机制，却几乎不为人所知：能耗是如何随着处理器的大小而增加的？与计算性能或量子位技术有什么关系？与经典处理器相比如何？
Auffèves说，回答这些问题所需的专业知识跨越了通常彼此孤立的研究领域。不仅需要直接与量子比特打交道的量子硬件专家，还需要设计冷却硬件的低温系统工程师，以及为量子比特编程的控制系统，以及研究量子力学系统热力学的研究人员。她说：“最大的挑战是连接不同的研究方向，而现在彼此交流不多。”Auffèves及其同事，在量子计算学界中传播了这份宣言，此后他们召集了来自48个国家的300多人组成了一个社区，以研究这些主题。他们计划于2023年11月，在新加坡组织一场关于量子计算和能源使用的研讨会。
尽管目前的量子计算研究主要集中在提高计算速度上，但Auffèves表示，在量子计算机的设计中，集中能源使用，是至关重要的，这样才能走向更可持续的未来。“如果想优化时间，或者如果想优化能量，就必须在某个时候做出选择，”Auffèves说。Auffèves研究能源使用的部分动机，是为了回应她近年来观察到的反技术情绪。她说：“我们的社会正处于一个关键时刻，有些人相信创新和科学，有些人认为我们应该停止一切，因为科学和创新是气候变化的原因。”她在一次会议上亲身体验了反技术抗议者。“空气不健康，”她说。
4
展望未来A probabilistic future
为了开发新技术，研究人员需要更明确地考虑环境成本。“如果部署技术，必须承认我们生活在一个有限的世界中，” Auffèves说。随着Auffèves及同事致力于量化量子计算的能量使用，该技术也在不断发展。首先，分析集中在一种特定类型的量子计算硬件上，这种硬件的量子比特是由超导电路制成的。然而，研究人员也在与其他几种量子比特类型竞争，包括由束缚离子、中性原子和光子组成的量子比特。这些量子位类型具有根本不同的工程要求；例如，中性原子量子计算机比超导量子计算机需要更少的低温技术。Kerenidis说：“研究量子节能是一件非常复杂的事情，因为实际上取决于硬件。”Auffèves正致力于发展跨学科合作，帮助研究人员开发一致的框架，以计算不同类型硬件的能量。
目前还不清楚，量子计算机将在多大程度上削减超级计算机的能耗，因为量子计算机不会取代经典计算。相反，专家们认为，更有可能的是，量子计算芯片，将驻留在超级计算机中，超级计算机可以访问它，以解决特定的问题。在未来计算中，预期角色是不断变化的，这意味着即使确实被证明是节能的，也很难估计量子计算机总体节能情况。
这些早期的研究显示了希望，但认为量子计算是任何一种环境良方silver bullet，还为时过早。研究人员仍需证明量子计算机，确实可以做一些有用的事情。Kerenidis说：“未来三到五年的巨大挑战之一是，弄清楚如何在实践中使用量子硬件，从而提升任务算力。”
参考文献
1. Silver, D. et al. Nature 529, 484–489 (2016).
2. Senior, A. W. et al. Nature 577, 706–710 (2020).
3. Dommer, A. et al. Int. J. High Perform. Comput. Appl. 37, 28–44 (2022).
4. Strubell, E., Ganesh, A. & McCallum, A. In Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics 3645–3650 (ACL, 2019).
5. Thompson, N. C., Greenewald, K., Lee, K. & Manso, G. F. Deep learning’s diminishing returns. IEEE Spectrum (24 September 2021); https://spectrum.ieee.org/deeplearning-computational-cost
6. Wolpert, D. Why do computers use so much energy? Scientific American (4 October 2018); https://blogs.scientificamerican.com/observations/why-docomputers-use-so-much-energy/
7. Villalonga, B. et al. Quantum Sci. Technol. 5, 034003 (2020).
8. Chen, S. Banks are betting that quantum computing can find them an investment edge. Protocol https://www.protocol.com/manuals/quantum-computing/financebanks-investing-investment-edge (4 May 2020).
9. Cherrat, E. A. et al. Preprint at https://arxiv.org/abs/2209.08167 (2022).
10. Arute, F. et al. Nature 574, 505–510 (2019).
11. Pan, F., Chen, K. & Zhang, P. Phys. Rev. Lett. 129, 090502 (2022).
12. Cross, A. W. et al. Phys. Rev. A. 100, 032328 (2019).
13. Aufèves, A. PRX Quantum 3, 020101 (2022)
文献链接
https://www.nature.com/articles/s43588-023-00459-6
https://doi.org/10.1038/s43588-023-00459-6
本文译自Nature。
转自：“i学术i科研”微信公众号
如有侵权，请联系本站删除！
