量子計算：機多快好省，“量子霸權”和打鐵還有點關係（上）？
自從去年10月，谷歌宣佈實現量子霸權以來，量子計算機的研究和生產進入一個快速上升期。日前，IBM宣佈已經擁有18臺量子計算機。相比而言，谷歌據說有5臺左右，霍尼韋爾有6臺。不過霍尼韋爾剛剛宣佈推出了一臺功能最強大的量子計算機，已經商用。
18臺可能感覺不多啊，不過每一臺和當年計算機剛問世一樣笨重。並且現在的量子計算機可能更加臃腫，而且必須在絕對0度（-273攝氏度）附近儲存，有一堆博士研究員才能操作。絕對是大國利器。
這麼厲害的量子計算機到底是啥原理？
- 量子物理001
理解量子計算機，必然要稍微講一點量子物理，不過還好基礎非常容易懂。就好比學計算機 一定還要懂點數學二進制一樣。可見未來科技的門檻在提高啊！
不懂點量子物理，連機器人都不如。
我們都知道目前廣泛使用的電子計算機，也就是所謂的經典計算機是建立在0和1兩個數字的二進制基礎上的。非黑即白，一連串的0和1可以代表任何的數字和文字。從而形成了當今世界的所有信息存儲和計算。
一個數字當然存儲的信息有限，的確能幹的事情也是有點寒磣。但隨着存儲技術和計算能力的增加，現在的一臺筆記本電腦能輕易存儲10的12次方這個量級的0或1數字，可以每秒輕鬆計算10的9次方0和1的加減。量變引起質變，大家不難想象，這樣的積累足以表達各種複雜的邏輯運算，輕鬆實現深度學習的強大功能。
經典計算機的0/1狀態有物理上的電路電壓實現，也只能表達兩個狀態。
那量子物理怎麼玩？ 一個量子狀態不只是0或者1的狀態，而是可以在0和 1之間的任意狀態。什麼叫任意？0和 1之間的任意小數，那幾乎是無限的狀態了。因此量子物理在理論上，秒殺經典二進制。因爲可能性無限。幾個量子狀態抵得上無數個經典計算機能夠表達的狀態。比如，一個N位的經典計算機，它只能存儲2^N次方數字中的一個。而如果量子計算機，它去可以同時存儲2^N個數字。如果N=50, 量子計算機存儲的信息可能已經超過宇宙所有的原子數量。
早上上世紀80年代，著名物理學家費曼第一次提出量子計算的概念。現在大家真的找到了實現方法。但經典計算機的製造好理解，是電路板上無數的電路，構成無數的0/1開關。那量子計算機的物理載體是什麼？
答案在於量子物理的體系，量子狀態存在於微觀世界。離子阱、超導電路、金剛石色心和半導體量子點都是有希望用來做量子比特的物理材料。但這些材料都需要在非常低溫，接近絕對零度附近才能工作。爲什麼？
文章的封面就是IBM爲它的量子計算機做的散熱系統（其實還不是量子計算機核心）。普通電腦裝個電風扇就行了，再吵筆記本電腦也能工作。但是量子計算機不一樣，要維持量子狀態就必須排除噪聲的干擾，因爲即便是最細微的干擾，都會破壞這種量子的疊加態，從而導致計算失誤。爲能夠控制粒子狀態，一個可行的方案就是把環境溫度逼近絕對零度，相當於 “凍結” 粒子。
2. 量子計算機的算法實現
“加州理工學院的John Preskill教授提出了所謂量子優越性/量子霸權（quantum supremacy）的概念。他認爲，當我們可以操控的量子比特數目達到50到100個時，所做出的量子計算機，其計算能力將有可能超越目前最好的經典計算機。設計出合適的算法，就可以用這臺量子計算機來完成某些特定的計算任務，解決經典計算機無法完成的問題。”
由此可見，量子計算能存再多東西，沒有匹配算法也是一個大疙瘩而已。
算法是什麼意思？打個比方，你要看一本書100頁裏面，那一頁有一個“蘋果“兩個漢字。經典的串行算法是這樣的：你一頁一頁的翻，直到你正好翻到一頁上面有”蘋果”，任務完成。如果翻一頁書花一秒鐘時間，你最多需要花100秒時間解決這個問題。
大數據的問世導致我們需要更快的並行算法來提高速度。上面同樣的問題，你可以同時找一百人，每個人負責一頁書，同時看，總有一個人會找到。這樣你花1秒鐘時間搞定。當然你的成本高了。
量子算法怎麼搞定這件事情？ 一個人同時看一百頁！又快又好。
但是這個算法得有物理實現過程啊。不能空想。圖解分析一下：
1)首先，量子體系同時有N個物理狀態 （比如代表N=100本書），初態如下，每個狀態概率相同：
2)然後，通過量子算子操作把想要搜索的態的幅值翻轉過來，其他的狀態完全不變。然後可以得到下圖：
3)最後根據各個狀態算出幅度的平均值，做一個翻轉，會獲得下圖結果：
可以看出，目標狀態的概率大大增加了。是的，只是概率。量子世界一切都是概率，一切都是“測不準”原理主導。這是和經典計算最大的區別。但是經過幾次的連續操作，目標狀態的概率會接近1。問題還是解決了！
上面就是著名的量子搜索算法，也稱爲Grover’s算法。雖然要倒騰幾次，然而在數據規模較大的情況下，量子搜索算法的優越性還是非常驚人的。 比如同樣的密碼破解搜索問題，經典計算需要11年，而量子算法則只需要3秒鐘。
各位，看到這裏，先賣個關子，下一篇文章我們再討論量子計算和人工智能，跟打鐵到底還有什麼關係。歡迎繼續關注！
