眾所周知，量子計(jì)算機(jī)非常昂貴，制備一臺幾十個(gè)比特的超導(dǎo)量子計(jì)算系統(tǒng)要花上千萬，運(yùn)行一次還要消耗大量的液氦和電力，多數(shù)科學(xué)家根本用不起。

最近，來自河南省量子信息與量子密碼重點(diǎn)實(shí)驗(yàn)室的黃合良團(tuán)隊(duì)和合作者想到了一個(gè)方法：使用量子計(jì)算機(jī)先跑一點(diǎn)數(shù)據(jù)，接著訓(xùn)練一個(gè)經(jīng)典模型當(dāng)它的替身，將大部分計(jì)算任務(wù)搬到普通電腦上，最終這個(gè)替身在 42 個(gè)比特的任務(wù)上，將量子計(jì)算機(jī)的調(diào)用次數(shù)降低了三個(gè)數(shù)量級。

量子計(jì)算的基本單元叫做量子比特，普通電腦的比特只能夠存 0 或 1，量子比特則可以同時(shí)是 0 和 1 的疊加。這就意味著當(dāng)幾個(gè)量子比特糾纏在一起，算力會(huì)呈現(xiàn)指數(shù)級的增長。但是量子比特非常脆弱，哪怕是環(huán)境里的微小擾動(dòng)也能讓它們失去量子態(tài)。

因此，量子計(jì)算機(jī)要放在接近絕對零度的“大冰箱”里運(yùn)行，然而一套制冷系統(tǒng)也造價(jià)不菲。按照當(dāng)前超導(dǎo)量子計(jì)算的主流路線，全世界能接觸真實(shí)量子處理器的人非常有限，即使勉強(qiáng)能跑起來也有一個(gè)更麻煩的問題，那就是量子計(jì)算機(jī)的重復(fù)頻率太低。每次運(yùn)行完畢一組指令，系統(tǒng)就需要重新初始化、再運(yùn)行。整套流程下來非常耗時(shí)，類似于變分量子算法這類需要反復(fù)迭代更新的任務(wù)，由于每次迭代都要測量很多次，因此效率會(huì)非常低。

（來源：Nature Communications）

為了攻克這個(gè)問題，該研究團(tuán)隊(duì)設(shè)計(jì)了兩套代理模型：一套叫做 h_cs，專門處理那些參數(shù)之間相互獨(dú)立的量子電路；另一套叫做 h_qs，專門處理參數(shù)之間有相關(guān)性。

其實(shí)這兩個(gè)模型的思路是一樣的，就先用少量量子實(shí)驗(yàn)數(shù)據(jù)做訓(xùn)練，隨后讓經(jīng)典模型學(xué)會(huì)預(yù)測量子計(jì)算機(jī)的輸出。訓(xùn)練完成之后，多數(shù)任務(wù)可以在普通電腦上完成，無需反復(fù)地調(diào)用量子計(jì)算機(jī)。為了驗(yàn)證方案的可行性，他們最多使用了 42 個(gè)超導(dǎo)比特進(jìn)行了測試，讓代理模型做了兩個(gè)任務(wù)。一個(gè)任務(wù)是預(yù)訓(xùn)練變分量子求解器找基態(tài)能量，另一個(gè)任務(wù)是識別 Floquet 對稱保護(hù)拓?fù)湎啵ㄒ环N非平衡物質(zhì)態(tài)）。

在第一個(gè)任務(wù)里，針對的變分量子求解器是一種非常常用的量子算法，但是它需要反復(fù)的迭代，每一次迭代都要使用量子計(jì)算機(jī)做大量測量。他們先用量子計(jì)算機(jī)跑了一些數(shù)據(jù)，以此訓(xùn)練代理模型。隨后，使用這個(gè)經(jīng)典替身去預(yù)訓(xùn)練求解器，借此找到近似最優(yōu)的參數(shù)。

測試的結(jié)果顯示，代理模型僅用了傳統(tǒng)方法 0.023%的測量次數(shù)，就找到了那些接近基態(tài)能量的參數(shù)。而傳統(tǒng)方法跑了 100 步優(yōu)化之后誤差在 0.21 左右，代理模型預(yù)訓(xùn)練之后誤差更是直接降到了 0.09，再在量子計(jì)算機(jī)上微調(diào)一下竟然降到了 0.07。這就相當(dāng)于少花了將近 99.98%的量子測量次數(shù)，但卻得到了更好的結(jié)果。與此同時(shí)，這個(gè)代理模型在 8 到 42 個(gè)比特的規(guī)模上都保持穩(wěn)定的表現(xiàn)，證明它的效果不隨比特?cái)?shù)增加而明顯下降。

（來源：Nature Communications）

在第二個(gè)任務(wù)里，他們識別了 Floquet 對稱保護(hù)拓?fù)湎啵@也是 2017 年諾貝爾物理學(xué)獎(jiǎng)得主鄧肯·霍爾丹的研究方向之一，屬于量子多體物理的前沿課題之一。他們用一個(gè) 20 比特的一維鏈模擬了周期驅(qū)動(dòng)的量子系統(tǒng)。在改變驅(qū)動(dòng)參數(shù)之后，讓系統(tǒng)可以處在不同的相，既有拓?fù)湎唷⒁灿袩峄唷６R別這兩種相需要測量很多不同參數(shù)下的物理量，所以在量子計(jì)算機(jī)上直接做非常耗時(shí)。

為此，他們讓訓(xùn)練的代理模型分別預(yù)測不同參數(shù)下的磁化強(qiáng)度，接著用來判斷相變點(diǎn)。最終，代理模型成功捕捉到了拓?fù)湎嗟奶卣鳎吘壉忍氐拇呕瘡?qiáng)度穩(wěn)定地以半個(gè)驅(qū)動(dòng)頻率進(jìn)行振蕩，而體比特的磁化強(qiáng)度則快速衰減到零。另外，熱化相里邊緣和體比特的磁化強(qiáng)度都出現(xiàn)快速衰減。研究中，他們還在整個(gè)參數(shù)空間里掃出了相變點(diǎn)的大致位置，結(jié)果發(fā)現(xiàn)跟理論預(yù)測基本一致。

（來源：Nature Communications）

據(jù)了解，該工作源于團(tuán)隊(duì)長期積累。2021 年，黃合良作為當(dāng)時(shí)中國超算應(yīng)用團(tuán)隊(duì)的成員，憑借“超大規(guī)模量子隨機(jī)電路實(shí)時(shí)模擬”斬獲戈登貝爾獎(jiǎng)（被譽(yù)為‘“超算領(lǐng)域的諾貝爾獎(jiǎng)”）。在此基礎(chǔ)上，團(tuán)隊(duì)后續(xù)與合作者拓展至代理模型研究，相關(guān)論文發(fā)在Nature Communications。

當(dāng)前研究主要沿兩個(gè)維度展開：在理論層面，深挖代理模型的內(nèi)在機(jī)理，并構(gòu)建更具普適性的高效理論框架；在實(shí)驗(yàn)層面，則聚焦于向更大規(guī)模系統(tǒng)的拓展。鑒于現(xiàn)有量子計(jì)算平臺已實(shí)現(xiàn)百比特量級，且代理模型已在 42 比特體系上證實(shí)了可擴(kuò)展性，將其推廣至更大規(guī)模系統(tǒng)已成為后續(xù)研究的必然趨勢。

（來源：Nature Communications）

但需要說明的是，量子計(jì)算距離大規(guī)模應(yīng)用還有一定距離，但是代理模型提供了一個(gè)思路，那就是使用量子計(jì)算機(jī)產(chǎn)出的數(shù)據(jù)來訓(xùn)練經(jīng)典模型，反過來去輔助量子計(jì)算，借此讓有限的量子資源用在最需要它的地方。也就是說，給普通電腦加一個(gè)訓(xùn)練好的模型，就可以提前一步知道量子計(jì)算機(jī)大概會(huì)給出什么結(jié)果。

參考資料：

相關(guān)論文 https://doi.org/10.1038/s41467-026-72506-5