量子的飛躍：下一代D-Wave量子芯片計算速度能快1000倍

　　Williams未直接提及有哪些公司通過這種方式運用D-Wave芯片，他表示，這類處理器被應用于商業領域來優化交易軌跡，在生物科學中用于研究蛋白質是如何組合的，并構建蛋白質序列過濾器，以便精確檢測每一個潛在的蛋白質序列，D-Wave芯片的這種應用有助于改善檢測恐怖分子名單的安檢服務，同時也有助于研發AI和計算機視覺二元分類器。

　　但是，D-Wave芯片的理論基礎是無監督機器學習，為一個神經網絡提供訓練數據，機器通過識別模式進行學習。Williams認為，D-Wave處理器將產生巨大的影響，也許能夠解釋Google在該技術領域的研究興趣。

　　“我們認為，機器學習與AI是這種機器最優的應用案例。D-Wave芯片將有可能為機器學習領域，尤其是為無監督生成學習研究，帶來一場徹底的革命”，他認為。

　　“利用這種量子芯片，我們將有能力解決機器學習領域先前出現的極具挑戰性的問題——‘如何使無監督生成型機器學習能夠有效地投入到實際應用中?’”

　　如果能夠解決上述問題，你將能夠運用機器學習實現許多不可思議的突破。通過訓練機器，你能夠使它生成新的數據，從統計學層面來講，新生成的數據能夠達到與用于訓練機器本身的數據高度相似的效果。

　　Williams預測，未來的D-Wave芯片能夠訓練機器，例如用繪畫大師的作品來訓練機器，使機器能夠生成具有藝術價值的新作品，或者使機器能夠高度逼真地模仿人類的聲音。

　　D-Wave已經在芯片上運用機器學習進行過實驗，構建出一種玻爾茲曼機，一種隨機遞歸神經網絡，也可以稱之為“量子玻爾茲曼機”，Willams表示，“這種量子玻爾茲曼機在本質上有別于先前的機器學習模型”。

　　Williams認為，D-Wave芯片，或其他類型的量子處理器不會取代一些經典的計算機芯片，反之，將會與這些經典的芯片共同被用戶使用。

　　“我們認為，量子計算不會取代經典的機器，這種計算方法將通過強化經典的系統來改變世界”，Williams表示。

　　例如，你能夠獲取一臺量子計算機的輸出信息，將其作為輸入信息運用到一種啟發式搜索算法中。核心觀點是這種量子算法有助于你接近而不能夠找到一種好的解決方案，而一種經典的算法則能夠有助于最終找到這種解決方案。

　　我們也可以從一些預處理技術中選取一個難以解決的問題，運用這種量子芯片將這個問題分解為一系列小問題。

　　Williams表示，除了能夠處理2000量子比特，D-Wave將基于我們學習到的所有經驗，運用一種新型拓撲結構，設計出一種“下一代芯片”。

　　關于新型D-Wave芯片的更多詳細信息

　　針對那些對實質問題感興趣的專業人士，Williams對2,000量子比特芯片的性能做出了深度解說。

　　每一個D-Wave處理器的設計宗旨是用于量子退火，即運用量子物理學知識找到一種消耗能量最小的狀態，這將有利于解決優化問題和上述提到的相關樣本問題。關于這種新型芯片如何更加有效地控制退火過程，Williams也做出了詳細解釋。

　　經過參考哈密頓公式(在給出一個系統的狀態的條件下，運用該公式能夠在該系統中輸出能量)，他表示，“這種新型芯片不僅僅能夠處理更多的量子比特，我們已經運用它改變了許多其他特征。運用先前的D-Wave芯片，我們只能夠觀察一種退火軌跡。目前，我們只能基本做到閉合初始哈密頓回路，打開最終哈密頓回路”。

　　現在運用能夠處理2,000量子比特的芯片，我們將能夠更好地控制參數，控制軌跡。

　　我們能夠運用很多特征中止退火過程，并且能夠快速加速這一過程。不再需要以一種恒定的速度執行退火這一過程。

　　這將是非常有趣的，因為你能夠在退火正在進行的過程中，探測量子的狀態，這是量子玻爾茲曼機的一個極為重要的特征。

　　我們先前也擁有一個快速退火生成系統，能夠在20微秒內操作完成退火過程。不過，運用我們的新系統，能夠實現在5微秒能完成這一操作。