量子的飞跃：下一代D-Wave量子芯片计算速度能快1000倍

　　Williams未直接提及有哪些公司通过这种方式运用D-Wave芯片，他表示，这类处理器被应用于商业领域来优化交易轨迹，在生物科学中用于研究蛋白质是如何组合的，并构建蛋白质序列过滤器，以便精确检测每一个潜在的蛋白质序列，D-Wave芯片的这种应用有助于改善检测恐怖分子名单的安检服务，同时也有助于研发AI和计算机视觉二元分类器。

　　但是，D-Wave芯片的理论基础是无监督机器学习，为一个神经网络提供训练数据，机器通过识别模式进行学习。Williams认为，D-Wave处理器将产生巨大的影响，也许能够解释Google在该技术领域的研究兴趣。

　　“我们认为，机器学习与AI是这种机器最优的应用案例。D-Wave芯片将有可能为机器学习领域，尤其是为无监督生成学习研究，带来一场彻底的革命”，他认为。

　　“利用这种量子芯片，我们将有能力解决机器学习领域先前出现的极具挑战性的问题——‘如何使无监督生成型机器学习能够有效地投入到实际应用中?’”

　　如果能够解决上述问题，你将能够运用机器学习实现许多不可思议的突破。通过训练机器，你能够使它生成新的数据，从统计学层面来讲，新生成的数据能够达到与用于训练机器本身的数据高度相似的效果。

　　Williams预测，未来的D-Wave芯片能够训练机器，例如用绘画大师的作品来训练机器，使机器能够生成具有艺术价值的新作品，或者使机器能够高度逼真地模仿人类的声音。

　　D-Wave已经在芯片上运用机器学习进行过实验，构建出一种玻尔兹曼机，一种随机递归神经网络，也可以称之为“量子玻尔兹曼机”，Willams表示，“这种量子玻尔兹曼机在本质上有别于先前的机器学习模型”。

　　Williams认为，D-Wave芯片，或其他类型的量子处理器不会取代一些经典的计算机芯片，反之，将会与这些经典的芯片共同被用户使用。

　　“我们认为，量子计算不会取代经典的机器，这种计算方法将通过强化经典的系统来改变世界”，Williams表示。

　　例如，你能够获取一台量子计算机的输出信息，将其作为输入信息运用到一种启发式搜索算法中。核心观点是这种量子算法有助于你接近而不能够找到一种好的解决方案，而一种经典的算法则能够有助于最终找到这种解决方案。

　　我们也可以从一些预处理技术中选取一个难以解决的问题，运用这种量子芯片将这个问题分解为一系列小问题。

　　Williams表示，除了能够处理2000量子比特，D-Wave将基于我们学习到的所有经验，运用一种新型拓扑结构，设计出一种“下一代芯片”。

　　关于新型D-Wave芯片的更多详细信息

　　针对那些对实质问题感兴趣的专业人士，Williams对2,000量子比特芯片的性能做出了深度解说。

　　每一个D-Wave处理器的设计宗旨是用于量子退火，即运用量子物理学知识找到一种消耗能量最小的状态，这将有利于解决优化问题和上述提到的相关样本问题。关于这种新型芯片如何更加有效地控制退火过程，Williams也做出了详细解释。

　　经过参考哈密顿公式(在给出一个系统的状态的条件下，运用该公式能够在该系统中输出能量)，他表示，“这种新型芯片不仅仅能够处理更多的量子比特，我们已经运用它改变了许多其他特征。运用先前的D-Wave芯片，我们只能够观察一种退火轨迹。目前，我们只能基本做到闭合初始哈密顿回路，打开最终哈密顿回路”。

　　现在运用能够处理2,000量子比特的芯片，我们将能够更好地控制参数，控制轨迹。

　　我们能够运用很多特征中止退火过程，并且能够快速加速这一过程。不再需要以一种恒定的速度执行退火这一过程。

　　这将是非常有趣的，因为你能够在退火正在进行的过程中，探测量子的状态，这是量子玻尔兹曼机的一个极为重要的特征。

　　我们先前也拥有一个快速退火生成系统，能够在20微秒内操作完成退火过程。不过，运用我们的新系统，能够实现在5微秒能完成这一操作。