JOVANA
Library Glossary Getting Started Three Levels Fields How it works Mission
Join the mission
All guides

NISQ 時代

我們正身處 NISQ 時代:這類機器大約有 50 到 1000 個[[qubit|量子位元]],它們充滿雜訊,而且沒有完整的錯誤更正。本指南誠實地說明這些機器能做什麼、不能做什麼,為什麼「錯誤緩解」和「錯誤更正」不是同一回事,以及如何讀懂一份基準測試而不被炒作矇蔽。

NISQ 是什麼意思

NISQ 代表 *Noisy Intermediate-Scale Quantum*(含雜訊中等規模量子)。John Preskill 在 2018 年提出這個術語,用來描述我們今天真正擁有的那種量子電腦,而不是許多人想像中那台容錯的機器。讓我們逐一拆解這三個詞,因為每一個都是對某種極限的承諾。

*Intermediate-Scale*(中等規模)意味著大約 50 到 1000 個 [[qubit|量子位元]]——大到你無法輕易在一台筆記型電腦上模擬這台機器,但又遠遠達不到一個真正強大的應用所需的數百萬個量子位元。*Noisy*(含雜訊)是關鍵詞:你施加的每一個都略有偏差,每一個量子位元都會慢慢忘記自己的狀態(參見去相干相干時間,以 T1T2 來衡量)。底層沒有運行任何錯誤更正來清理這些。你編程寫下什麼,得到的就是什麼,連同雜訊一起。

為什麼缺失的錯誤更正如此重要?因為錯誤會累積。如果每個閘有 99.9% 的可靠性(閘保真度為 0.999,對今天的硬體而言已屬優秀),那麼在大約 1000 個閘之後,你大約*一半*的訊號就消失了。僅這一個事實就限定了你在 NISQ 機器上能做的一切的預算:只能跑短電路,並且要接受答案是模糊的。

用含雜訊的量子位元能做什麼

如果電路必須保持很短,那到底什麼才有用?誠實的答案是:混合演算法——把大部分工作交給古典電腦,只在那個真正難以用古典方式模擬的環節才動用量子晶片。量子電腦跑一個小電路,你做測量,一個古典最佳化器去調整電路上的旋鈕,然後你不斷重複。雜訊確實有害,但一個短電路反覆跑很多次,仍然能提取出有用的訊號。

兩個最著名的例子是 VQE(變分量子本徵求解器),用於在量子化學中估計分子的基態能量;以及 QAOA(量子近似最佳化演算法),針對組合最佳化問題。兩者都遵循同一個迴圈:一個含參數的電路提出一個,你測量一個能量或代價,再由一段古典程序把參數朝更好的值微調。量子部分被刻意保持得很淺。

在 NISQ 硬體上你做不到的,是以有意義的規模運行那些著名的教科書演算法。用於因數分解的 Shor 演算法需要深而精確的電路,包含數百萬個受到良好保護的操作;這需要 容錯,而 NISQ 機器並不具備。你手機裡的 RSA 金鑰在今天的硬體面前是安全的。NISQ 適用於短的、能容忍雜訊的混合工作負載以及物理實驗——而不是用來破解密碼學。

錯誤緩解(不是更正)

這裡有一個值得刻進石頭裡的區別。錯誤更正在*計算運行期間*就偵測並修復錯誤,方法是把一個邏輯量子位元分攤到許多物理量子位元上(表面碼是當前主流的方案)。NISQ 機器沒有這種能力。錯誤緩解則不同:它承認每一次運行都帶雜訊,轉而用巧妙的*後處理和額外的運行次數*來估計如果沒有雜訊答案本應是什麼。它從不產生一個乾淨的量子位元——它只是讓一個統計平均值變得更銳利。

一種常見的技術是*零雜訊外推*:你故意在幾個更高的雜訊水平下運行電路(例如透過拉長閘的作用時間),觀察測量值如何隨著雜訊增大而漂移,再外推回零雜訊那一點。其他方法則去估計並反轉測量誤差的模式,或者在電路的隨機化變體上做平均。所有這些都要付出多得多的測量次數(shots)的代價——緩解是用運行時間換來精度,而不是靠更乾淨的硬體。

基準測試與誠實

量子位元數量是人人都在引用、卻單憑它自己最缺乏資訊量的一個數字。一台有 1000 個量子位元、卻只能在去相干佔上風之前跑寥寥幾個閘的機器,比一台更小、更乾淨的機器還要弱。真正重要的是 [[gate-fidelity|閘保真度]]相干時間T1T2)、量子位元連通性和測量精度這一整套的組合——也就是在結果淪為雜訊之前,你能把多少個*好*閘串聯起來。

這就是為什麼誠實的基準測試會努力刻畫品質,而不只是規模。*量子體積(Quantum volume)*是一個單一的數字,它同時獎勵更多的量子位元和更低的錯誤率,因此無法靠堆砌粗糙的量子位元來灌水。另一些報告用每秒電路層操作數(CLOPS)來表示速度,或者用針對特定應用的分數。當你讀到一條頭條時,要問:這些閘有多好,電路能跑多深,以及這是一個人為構造的任務還是一個有用的任務?

通往容錯之路

NISQ 之後的終局是 [[fault-tolerance|容錯]]:把許多含雜訊的物理量子位元編織在一起,透過錯誤更正構成少數幾個可靠的邏輯量子位元閾值定理正是這件事之所以能行得通的根本原因——它證明了*只要*你的物理閘保真度優於某個閾值(對表面碼而言,約為每個閘 1% 的錯誤率),那麼每個邏輯量子位元用上更多物理量子位元,就能把邏輯錯誤率壓低到你想要的任意程度。

問題在於開銷。要把一個邏輯量子位元保護到足以運行像 Shor 那樣的演算法,每個邏輯量子位元可能要用上數百到數千個物理量子位元,所以一台有用的容錯機器可能需要數百萬個物理量子位元——遠遠超出今天的數百個。彌合這道鴻溝是這個領域核心的硬體挑戰,而且這是一個以年計、而非以月計的問題。