量子計(jì)算機(jī)雖然強(qiáng)大，但應(yīng)用領(lǐng)域有限。清華叉院孫麓巖團(tuán)隊(duì)在超導(dǎo)電路上實(shí)現(xiàn)了量子生成對(duì)抗網(wǎng)絡(luò)，精度高達(dá)98.8%，這項(xiàng)工作有望證明量子計(jì)算機(jī)在圖像生成等領(lǐng)域超越經(jīng)典計(jì)算機(jī)，將是量子機(jī)器學(xué)習(xí)的又一里程碑。

量子機(jī)器學(xué)習(xí)的新里程碑！

清華大學(xué)孫麓巖團(tuán)隊(duì)提出了“量子版”的生成對(duì)抗網(wǎng)絡(luò)，并且證明了與經(jīng)典的對(duì)應(yīng)方法相比，具有潛在的“指數(shù)級(jí)”優(yōu)勢。

最近，孫麓巖團(tuán)隊(duì)的研究登上了Science Advances，論文首次介紹了超導(dǎo)量子電路中量子生成對(duì)抗學(xué)習(xí)的原理證明及實(shí)驗(yàn)演示。

研究結(jié)果表明，經(jīng)過幾輪對(duì)抗學(xué)習(xí)，可以訓(xùn)練一個(gè)量子態(tài)的發(fā)生器，對(duì)量子信道模擬器輸出的量子數(shù)據(jù)進(jìn)行統(tǒng)計(jì)復(fù)制，并且具有98.8%的高保真度，使得鑒別器無法區(qū)分真實(shí)數(shù)據(jù)和生成數(shù)據(jù)。

值得注意的是，證明“量子霸權(quán)”通常被認(rèn)為需要至少50個(gè)量子比特，但該團(tuán)隊(duì)的研究使用的系統(tǒng)只有一個(gè)量子比特。

首次證明量子計(jì)算能利用GAN

生成對(duì)抗網(wǎng)絡(luò)（GAN）由兩個(gè)神經(jīng)網(wǎng)絡(luò)構(gòu)成，即生成器和鑒別器。

生成器會(huì)生成數(shù)據(jù)，例如人臉圖片；鑒別器既可以得到真實(shí)數(shù)據(jù)，也可以得到生成器創(chuàng)建的假數(shù)據(jù)，而且必須分辨出真假。它倆經(jīng)過多輪的循環(huán)，最終生成器得到了更新，學(xué)會(huì)了如何產(chǎn)生更為逼真的圖像，使得鑒別器無法再區(qū)分其真假。

而GAN也是近年來機(jī)器學(xué)習(xí)領(lǐng)域最令人興奮的突破之一。它在圖像、視頻生成等各種具有挑戰(zhàn)性的任務(wù)中表現(xiàn)突出，例如，能夠生成無比逼真的人臉照片，以假亂真。

GAN生成的照片

從理論上講，量子計(jì)算機(jī)在解決某些問題（如分解大數(shù)）方面比普通計(jì)算機(jī)具有速度優(yōu)勢。

“但就目前的技術(shù)水平而言，量子計(jì)算機(jī)還無法達(dá)到這一優(yōu)勢。”孫麓巖說。

研究人員認(rèn)為，量子計(jì)算機(jī)上的GAN也可能具有這樣的速度優(yōu)勢，但他們?nèi)匀恍枰鞔_證明這一點(diǎn)。

于是，利用量子生成器和鑒別器制造出一種量子GAN，成為證明“量子霸權(quán)”的又一案例。

量子生成對(duì)抗網(wǎng)絡(luò)QGAN：準(zhǔn)確率98.8%

孫麓巖團(tuán)隊(duì)實(shí)驗(yàn)性地演示了生成對(duì)抗網(wǎng)絡(luò)的量子版本——QGAN，其中輸入和輸出數(shù)據(jù)都是量子比特。

生成器G由一個(gè)超導(dǎo)電路構(gòu)成，能夠生成一個(gè)隨機(jī)純量子態(tài)的集合ρ，模擬真正的量子數(shù)據(jù)σ。其中，輸入的量子數(shù)據(jù)由一個(gè)數(shù)字量子比特信道模擬器隨機(jī)生成。

鑒別器D則由一個(gè)專門衡量相關(guān)映射的量子設(shè)備構(gòu)成，能夠生成衡量映射的結(jié)果M。

接下來的過程就與普通的生成對(duì)抗網(wǎng)絡(luò)(GAN)一樣，生成器G不斷生成虛擬數(shù)據(jù)ρ，然后鑒別器D則不斷生成衡量ρ和衡量σ的結(jié)果，試圖區(qū)分ρ和σ，反過來優(yōu)化生成器的生成結(jié)果，最終致使D無法區(qū)分ρ和σ。

量子生成對(duì)抗網(wǎng)絡(luò)QGAN的示意圖：(a)量子生成器G和量子鑒別器D，G生成一個(gè)模擬量子態(tài)ρ，真實(shí)量子態(tài)σ則由模擬器隨機(jī)生成；(b) D得到輸入數(shù)據(jù)后，通過衡量機(jī)制判斷模擬數(shù)據(jù)ρ 和真實(shí)量子態(tài)σ 的不同。

研究人員構(gòu)建的這個(gè)量子GAN算法執(zhí)行示意圖如下：

σ 作為原始量子數(shù)據(jù)，ρ 作為模擬量子態(tài)分布，所以是一個(gè)概率分布。其中，衡量結(jié)果的差異β和γ通過FPGA陣列實(shí)現(xiàn)。

QGAN算法的實(shí)驗(yàn)協(xié)議

實(shí)驗(yàn)證實(shí)了生成器確實(shí)能夠?qū)W會(huì)數(shù)據(jù)量子數(shù)據(jù)的模式 (pattern)，并生成幾乎與真實(shí)量子數(shù)據(jù)一樣的量子態(tài)。

不僅如此，研究人員在論文中指出，他們最高能夠取得98.8%的準(zhǔn)確率。

量子計(jì)算機(jī)有望在圖像生成上實(shí)現(xiàn)量子霸權(quán)

研究人員得出結(jié)論，由于QGAN實(shí)驗(yàn)中既不需要量子隨機(jī)存儲(chǔ)設(shè)備，也不需要通用量子計(jì)算設(shè)備或?qū)θ魏螀?shù)進(jìn)行微調(diào)，因此可以認(rèn)為，在不遠(yuǎn)的未來，量子設(shè)備就能實(shí)現(xiàn)可用的、含有噪音的中型量子應(yīng)用。

什么是“含有噪音的中型量子”？去年，加州理工大學(xué)理論物理學(xué)家、“量子霸權(quán) ”概念提出者 John Preskill 指出，在實(shí)現(xiàn) 50~100 量子比特的中型量子計(jì)算機(jī)后，人類就可以用其探索更多經(jīng)典計(jì)算機(jī)無法探索的研究領(lǐng)域，也將由此邁進(jìn)一個(gè)新的量子技術(shù)發(fā)展期，他將其稱之為“含噪聲的中型量子” (Noisy Intermediate-Scale Quantum, NISQ) 時(shí)代。

計(jì)算機(jī)體系結(jié)構(gòu)頂會(huì) MICRO 2017 的最佳論文獎(jiǎng)，授予了這樣一項(xiàng)工作，論文提出了一種控制超導(dǎo)量子計(jì)算機(jī)的微體系結(jié)構(gòu)，首次有機(jī)連接了量子軟件和硬件，讓傳統(tǒng)處理器的設(shè)計(jì)技術(shù)能夠?yàn)榱孔涌刂铺幚砥魉谩?/p>

清華大學(xué)的這項(xiàng)實(shí)驗(yàn)工作的意義就在于，首次在超導(dǎo)量子電路 (屬于NISQ設(shè)備) 上實(shí)現(xiàn)了量子GAN，鑒于GAN在圖像生成等應(yīng)用上的強(qiáng)大性能，這有望實(shí)現(xiàn)圖像生成的“量子霸權(quán)”，也即用量子計(jì)算機(jī)生成圖像比經(jīng)典計(jì)算機(jī)更快更強(qiáng)。

結(jié)合MICRO 2017的最佳論文獎(jiǎng)研究，或許能夠加速清華大學(xué)這項(xiàng)工作實(shí)現(xiàn)圖像量子霸權(quán)。想一想，不是很令人激動(dòng)嗎？