日本推出量子计算机原型，速度比当前超级计算机快 100 倍

2017 年 11 月，日本推出了第一台量子计算机原型，并通过互联网免费向公众开放试用。凭借这台机器，日本加入了建造世界上最强大、具有更大蛮力的计算机的竞赛，这是充分利用人工智能潜力的关键。

该项目由日本电报电话公司、东京大学、国立信息研究所、斯坦福大学开发，并得到日本政府 ImPACT 计划的资助。

该机器基于量子神经网络，理论上解决复杂问题的速度比传统超级计算机快约 100 倍。更令人印象深刻的是，它完成这一切的同时仅消耗 1 千瓦的电力，而不是传统超级计算机执行相同任务时需要 10,000 千瓦的电力。让我们看看他们到底开发了什么以及它是如何运作的。

量子神经网络 (QNN) 使用光学参量振荡器作为量子神经元，使用光学零差测量反馈电路作为量子突触。它通过利用光学参量振荡器阈值处的集体对称制动来寻找优化问题的多种组合的解决方案。

此外，用户还可以体验使用QNN进行实验以及基于光参量振荡器网络的量子理论进行模拟的实际情况。

简单来说，在量子神经网络中，研究人员试图利用量子信息的优势来集成人工神经网络模型，以构建更高效的应用程序。目标是利用量子计算特性（量子并行性、干扰、纠缠）作为资源。然而，训练经典神经网络非常困难，尤其是在大数据应用程序中。

如果您对量子神经网络的原理和特性感兴趣，QNNCloud 提供了 3 种工具 –

QNNcloud建立在由2000个光学参量振荡器组成的网络上，具有可编程的全对全连接，使用户能够在完整图上解决大小高达N=2,000的NP Hard Max Cut问题（这远远超出了当前量子计算机的限制），而无需在机器硬件中嵌入目标图。

存在数百万涉及连续和组合优化的问题，例如开发频段中的先导化合物优化、无线通信中的传输功率、医学、金融技术中的组合优化、机器学习中的玻尔兹曼采样、压缩感知的稀疏编码等。

这些问题大多数属于复杂性理论中的非确定性多项式 (NP)、NP Complete 和 NP Hard 类。由于每次迭代问题的规模都会增加，因此需要大量的计算资源来解决它们。

QNN 系统利用低于光学参量振荡器阈值的量子并行搜索、阈值处的集体对称性破缺以及高于阈值的指数概率放大来解决这些限制。

在不久的将来，QNNcloud 将提供一个模拟工具，用于为现实世界应用开发量子算法。

QNN 硬件并不像听起来那么复杂。在一公里长的光纤环形腔内，使用频率为1 GHz的脉冲串激励腔内周期性极化的LiNbO3波导仪器，同时产生N=2,000个光参量振荡器脉冲。

来源：QNNcloud

二进制变量表示为每个光参量振荡器脉冲的 π 相和 0 相状态。所有脉冲均在低于阈值时以 π 相和 0 相叠加形式生成，但两者之一高于阈值。这些脉冲中的任何一对都可以通过顺序测量它们的幅度来耦合。

这里，测量是指通过FPGA（现场可编程门阵列的缩写）评估合适的反馈脉冲幅度。然后将反馈注入目标光参量振荡器脉冲。

每次往返（持续 5 微秒）都会执行 N=2,000 个脉冲的所有到所有连接。当外部泵浦速率升至阈值以上时，经过 10 至 1,000 次往返后，获得 π 相或 0 相配置的解决方案。

QNN 模拟器

考虑到测量引起的波包减少，可以借助量子主方程从理论上预测 QNN 动力学。该模型在Shoubu超级计算机上执行，巨大的并行仿真使其能够在更短的时间内重新生成QNN动力学。

目前，美国每年花费超过2亿美元用于量子计算技术的研发，而据报道中国正在建设一个100亿美元的量子应用研究中心。

另一方面，日本计划从 2018 年 4 月开始的十年内投入近 2.67 亿美元用于量子计算。此外，日立正在与剑桥大学合作研究量子计算技术。

未来将发布针对不同现实世界应用的算法、用于开发新算法的模拟工具以及具有循环神经网络架构的高级 QNN。目前，他们的目标是在 2020 年第一季度实现商业化。他们将专注于解决移动优化、城市交通拥堵以及新药物和化学品发现等更深层次的优化问题。

阅读：关于量子计算机的 10 多个最有趣的事实

与此同时，微软、IBM 和谷歌等科技巨头正在研发自己的量子机器，他们的测试表明突破指日可待。

工业技术