D-Wave首席执行官Baratz回顾量子技术发展历程

煤油灯科技2022-11-29 17:20

量子计算可能是一项颠覆性技术。它建立在听起来很奇特的物理学基础上,有望以前所未有的速度和效率解决某些类别的问题。然而,一些人说,问题是,迄今为止,该领域的承诺太多,交付却不够。也许D-Wave除外。

这家在 15 多年前帮助开拓量子计算的公司如今拥有 BASF、Deloitte、Mastercard 和 GlaxoSmithKline 等客户。Alan Baratz 从负责 D-Wave 的研发到成为其首席执行官,在推出产品和追求新研究方向的同时带领公司上市。

在一次采访中,Baratz 谈到了量子计算的基本原理,以及它与市场现状、现实世界客户和用例的关系,以及这个领域的未来。

量子计算的炒作与现实

Baratz 拥有多元化的背景,包括在 Avia 和 Cisco 担任产品管理工作,在初创公司担任首席执行官和退出时的经历,以及风险投资经验。然而,他认为与他今天在 D-Wave 所做的工作更接近的是,他是Microsystems公司Javasoft的第一任总裁。

在 Javasoft,Baratz 负责将 Java 技术推向市场、构建开发人员生态系统和增加收入。正如他指出的那样,他在那里所做的很多事情与 D-Wave 现在正在做的事情相似:创建一个新的行业并构建一个新的生态系统。

当然,两者有一些根本的区别。Java 从第一天开始就可以工作,虽然并不完美,但它是建立在现有基础设施之上的。从那时起,该技术发展、成熟并征服了软件开发世界。而且,Java没有根本的技术鸿沟,尽管在某些时候可能有一些炒作和争议,但它长期以来都是一项经过验证的技术。

另一方面,量子计算是一个全新的概念,需要多年的研发才能发展起来,这并不是针对软件开发人员。量子计算存在根本性的技术鸿沟,Baratz 解释说这是 D-Wave 在市场上的地位和炒作的根源。

是的,围绕量子计算有很多炒作。根据麦肯锡的说法,量子计算的当前状态介于炒作和革命之间。根据美国银行研究部总经理Haim Israel的说法,量子计算将“比火还大”。据量子计算专家Sankar Das Sarma称,量子初创公司风靡一时,但尚不清楚它们是否能够在不久的将来产生任何有用的东西。

Baratz 自己的立场似乎介于上述两者之间,在当今和未来的量子计算应用之间以及 D-Wave 和竞争对手之间划清界限。

Baratz说:“当量子产业的每个人都将政府研究拨款作为收入,国家实验室和学术机构作为客户时,我们谈论的是万事达、贝宝、葛兰素史克、强生、大众、巴斯夫、德勤、SavantX和洛杉矶港等公司。”

量子计算的历史和基础

D-Wave和Baratz所描绘的竞争之间的分界线,与两种不同的构建量子计算机的方法一致:量子退火模型和量子门模型。正如 Baratz 解释的那样,当 D-Wave 在 15 多年前着手构建量子计算机的任务时,人们认为门模型系统可以解决所有问题。另一方面,众所周知,量子退火只能解决某些类别的问题。

量子计算机可以解决四类问题:优化、线性代数、因式分解和微分方程。Baratz 提供了每种应用的示例:线性代数的机器学习、因式分解和计算流体动力学的密码学以及微分方程的量子化学。

优化在物理学、生物学、工程学、经济学和商业领域有着广泛的应用。正如 Baratz 指出的那样,退火量子计算机非常擅长优化问题。它们还可以解决线性代数和因式分解问题,但不能解决微分方程问题。

Baratz 解释说,当 D-Wave 开始构建其量子计算机时,科学和工程还没有发展到人们认为可以构建门模型系统的程度。然而,他补充说,人们普遍认为你可以建造一台退火量子计算机。所以 D-Wave 决定继续构建退火系统,因为他们相信这是他们可以做到的。

“其他人都得出结论,他们可以建立一个门模型系统,因为他们相信他们(最终)可以,它可以解决所有问题,而退火,众所周知,只能解决一部分问题。所以,其他人都跳进了gate。事情是这样的:一年前,每个人都很惊讶,包括我们,因为在那个时候,门模型系统被证明不能真正加速优化问题。”Baratz指出。

门模型系统非常擅长微分方程问题。Baratz 说,它们还可以攻击线性代数和因式分解,但无法解决优化问题。简而言之,退火解不了微分方程,而门解不了优化。由于优化有很多潜在的应用,事实证明这非常重要。

D-Wave 最初采用了一种看起来更保守的方法,事后证明是正确的。Baratz 称这是“对我们来说非常成功的历史侥幸”。目前,D-Wave在退火领域具有先发优势。这意味着他们不仅拥有其他人所没有的专业知识和技术,而且还拥有多项专利。所有这些都为公司创造了一条有效的护城河。

量子计算存在的问题

一年前,D-Wave 得出结论,他们的退火量子计算机已达到商业地位。这意味着他们有能力解决商业规模的实际业务问题,并且“即使不是大多数,也有很多困难的底层技术问题已经得到解决”,Baratz 说。由于该公司有一定的带宽,他们决定启动一个门模型程序,这将使他们最终能够解决量子的全部市场。

因此,D-Wave 对基于门模型的努力所面临的问题也有第一手经验。最严重的是处理错误。在传统计算中,位用于计算和存储信息。量子计算中的等价物是量子比特,关于每个系统可以管理多少量子位有很多讨论。然而,问题在于,在这种情况下,更多并不一定意味着更好。

量子比特要比比特复杂得多,但引入错误的方式也更多。这通常是通过与环境相互作用而发生的,例如通过电磁干扰。正如 Baratz 所指出的,没有任何系统(无论是量子系统还是其他系统)是没有错误的。在经典计算机中,我们通常不会考虑错误,因为有错误纠正算法会处理它们。但量子计算机还没有实现。

然而,Baratz认为,退火和门模型系统之间也存在差异。门模型系统对错误非常敏感,这与执行计算的方式有关。在门模型系统上进行计算意味着将指令应用于量子位,类似于将指令应用于经典计算机中的位。一旦引入错误,如果不加以纠正,计算就会崩溃。

“由于这些错误经常发生;如果没有纠错,你不可能在不引入错误和计算崩溃的情况下完成超过 20 或 30 条指令。但对于许多门模型算法,您需要数万、数十万或数百万条门指令。因此,如果不进行纠错,门模型系统将无能为力,”Baratz 说。

Baratz 认为纠错,而不是量子比特数或拓扑结构,是通过长时间计算实现具有高保真度的量子比特的关键,从而在门模型系统的开发中取得进展。他的估计是,我们至少需要七到十年的时间才能达到今天的目标。他说,基于退火的系统要稳定得多,尽管量子比特数量的增加和更好的量子比特连接拓扑将使它们能够解决比现在更复杂的问题。

解决现实世界的问题

Baratz认为,完全优化FedEx从主干到最后一英里的路由是目前无法解决的问题,因为这需要数千万个变量。D-Wave 还没有实现;然而,许多重要的现实世界问题已经可以得到解决。与此同时,在具有更多量子位、更好连接性和更低错误率的新型计算机方面正在取得进展。

Baratz 还提到了今天正在解决的一些问题,例如Mastercard的客户报价分配、BASF的作业调度以及SavantX和洛杉矶港口的供应链物流。在最后一个用例中,起重机装卸集装箱的性能提高了60%,车辆提货的时间减少了12%。

根据 Baratz 的描述,使用基于门模型的量子系统的哲学听起来更接近经典计算机的编程。然而,使用基于退火的量子系统是非常不同的。没有涉及传统意义上的编程。任务被建模为优化问题,这意味着用户需要声明性地说明他们的问题是如何定义的、参数是什么以及它们之间的相互依赖性。

正如 Baratz 指出的那样,这不是软件工程师应该做的事情,而是由数据科学家和数据分析师等人解决的事情。优化问题通常被指定为所谓的线性规划问题或二次规划问题。Baratz 说,这是优化工程师使用的语言,D-Wave 允许他们采用该规范并将其直接提供给混合求解器。

混合求解器利用量子计算机和经典计算机来解决问题。D-Wave的产品中有一个混合求解器,最近进行了升级。正如 Baratz 所描述的,混合求解器将问题定义作为输入,并可以确定问题的哪些部分可以由量子计算机解决。随后,它将问题的这些部分路由到量子计算机。

D-Wave 的产品、吸引力和路线图

D-Wave 提供了名为 Leap 的云服务,用户可以通过该服务访问其功能:量子计算机、混合求解器和软件开发工具。D-Wave 还提供专业服务,帮助客户解决问题制定或工作提交等内部专业知识不可用的问题。

鉴于量子计算的现状,我们想知道 D-Wave 的客户是否完全由世界上最大的公司组成。D-Wave 本身是一家在纽约证券交易所上市的上市公司。正如 Baratz 解释的那样,通过上市,D-Wave 设法筹集了现金并开辟了各种新的资金来源。

在讨论 D-Wave 最近的第三季度业绩(Baratz 称其在各个层面都很强劲)的电话会议中,该公司宣布,在 2022 年前三个季度,他们拥有超过 100 家客户。其中,40 个是政府和教育机构,60 个是商业机构,其中 20 多个是 Global 2000。D-Wave 有大约 40 个不是 Global 2000 的商业客户,Baratz 说,例如一家名为 Save on Foods 的加拿大杂货连锁店。

D-Wave的核心产品也可以通过AWS Marketplace获得。此外,D-Wave 在 AWS Marketplace 上还有一个更有针对性的产品:机器学习的特征选择。特征选择是机器学习中最重要的元素之一。在训练机器学习模型时,将包含许多可能感兴趣的特征或分类器。但是包括所有这些会导致过度拟合;即,生成一个不适合当前任务的模型。

这就是为什么机器学习的预处理步骤是试图识别一小部分具有代表性的特征,然后在该特征集上构建模型。从一个大的弱分类器集合中找到一个小的强分类器集合是一个非常困难的优化问题,而D-Wave系统在这个问题上做得很好。Baratz说,这通常用于欺诈检测。Baratz说,D-Wave目前还没有解决机器学习流程管道的其他部分,因为它的量子计算机和任何门模型系统都还没有能力击败 GPU。

Baratz 总结说,总的来说,量子生态系统是由退火模型与门模型的划分定义的。如今,退火已经商业化,而门模型仍处于研究和试验阶段。

“我们是世界上唯一一家通过退火来解决优化问题的公司。现在我们也在做gate。因此,我们将成为世界上唯一一家能够全面涉足量子技术市场的公司。”Baratz 说。



原文链接:https://venturebeat.com/ai/quantum-computing-faces-the-ghosts-of-its-past-present-and-future/



---煤油灯科技victorlamp.com翻译整理---



你可能也喜欢这些文章