有了正确的算法,即使是容易出错的量子设备仍然可以非常有用。
作者:Daphne Leprince-Ringuet
更新时间:格林尼治标准时间2021年5月6日09:15(东八区标准时间17:15)
主题:量子计算
对于大多数科学家来说,能够解决大规模业务问题的量子计算机仍然是一个遥不可及的未来,这个未来至少要十年之后才会到来。
但是现在,来自美国银行业巨头高盛(Goldman Sachs)和量子计算公司QC Ware的研究人员已经设计了新的量子算法,他们表示这些算法可以大幅度提高某些关键金融业务的效率,而这些算法可以运行在五年之内就可能出现的硬件之上。
银行家们没有坐等量子计算机的成熟,而是开始在近期内就能够使用的量子硬件上运行新的算法,这样即使是量子设备仍然不成熟,他们也能够通过这种技术获得益处。
多年来,高盛一直在挖掘量子技术的潜力,这种技术必将颠覆金融业。
特别是,该银行的研究人员探索了使用量子计算优化所谓蒙特卡洛模拟的各种方法,该模拟包括了根据其他相关资产随着时间推移的价格变化对金融资产进行定价,并由此计算不同期权、股票、货币和商品固有的风险。
由于存在各种各样的可能性,因此这是金融领域中计算量最大的任务之一,它需要对不同的市场走势做出大量的预测。
与传统方法相比,量子计算具有非凡的计算能力。因此,长期以来,人们一直将量子计算视为一种能够提高这些风险评估速度的潜在途径。
而且已经出现许多量子算法,这些算法已被证明可以将蒙特卡洛计算的速度提高多达1000倍,并且可以改变金融市场的运行方式——但是只有将这些算法部署到能够运行这些程序的量子设备上,并获得准确的结果才行。
例如,高盛之前曾同IBM进行过合作,他们估计要实现量子计算的优势,需要能够支持7500个逻辑量子位的设备。相形之下,IBM目前正在努力在今年推出的处理器只有127个量子位。
而问题还不仅仅是量子位的数值这么简单:为了让量子计算机能够可靠地解析计算,他们构想中的这些设备还必须进行优化,才能避免错误。现在的量子处理器的错误率非常高,根据QC Ware的说法,能够有效运行蒙特卡洛模拟的量子硬件必须能够纠错,要想制造出这样的硬件,恐怕还需要等上十到二十年的时间。
这些公司的研究人员在描述这项新研究的博客文章中这样发问:“我们如何才能将这个等待的时间缩短一半,同时仍然可以大幅度提高速度呢?”
为了实现这个目标,该团队牺牲了一些计算速度以换取一些硬件收益。
科学家们设计了两种新的量子算法,可以将速度从1000倍降低到100倍——但是他们还需要更浅的电路,这种设计预计将在未来的五到十年内实现。
QC Ware的算法负责人Iordanis Kerenidis表示:“高盛(Goldman Sachs)和QC Ware研究团队采用了一种新颖的方法,即通过牺牲性能的提升幅度来减少错误率,他们用这种方法来设计量子蒙特卡洛算法。”
“通过严格的分析和经验模拟,我们已经证明了我们的浅蒙特卡洛算法可以做到在五到十年内就可用的量子硬件上进行蒙特卡洛模拟计算。”
尽管这种方法对速度的提升幅度要远远小于其他的量子算法(例如,无QFT的蒙特卡洛),但是它的提升幅度仍然是非常可观的。按照这些科学家们的说法,这种方法有效地将可以等待新设备的时间缩短了一半。
高盛(Goldman Sachs)和QC Ware的努力反映出这个行业仍然越来越关注如何能够尽可能快地享受到量子计算带来的好处——尽管这种技术仍然存在着一些缺陷,这些缺陷仍然在妨碍该技术的发展。
无论是通过调整算法、结合使用量子技术和经典技术,还是测试和比较不同的量子计算方法,研究人员和各大公司都在竞相想方设法寻找能够在尽可能短的时间内使用量子计算机的方法。
因此,由高盛(Goldman Sachs)和QC Ware设计的这两种算法又朝着兼容当今稍显混乱的中间规模NISQ设备的方向迈进了一步。
好文章,需要你的鼓励
IDC数据显示,Arm架构服务器出货量预计2025年将增长70%,但仅占全球总出货量的21.1%,远低于Arm公司年底达到50%市场份额的目标。大规模机架配置系统如英伟达DGX GB200 NVL72等AI处理设备推动了Arm服务器需求。2025年第一季度全球服务器市场达到创纪录的952亿美元,同比增长134.1%。IDC将全年预测上调至3660亿美元,增长44.6%。配备GPU的AI服务器预计增长46.7%,占市场价值近半。
斯坦福与哈佛研究团队通过创新的"层次贝叶斯框架",首次从理性分析角度解释了AI学习策略转换机制。研究发现AI会在"记忆型"和"理解型"两种策略间理性选择,转换规律遵循损失-复杂度权衡原理。该理论框架仅用三个参数就能准确预测AI在不同条件下的行为表现,为AI系统的可控性和可预测性提供了重要理论基础。
AI正在重塑创业公司的构建方式,这是自云计算出现以来最重大的变革。January Ventures联合创始人Jennifer Neundorfer将在TechCrunch All Stage活动中分享AI时代的新规则,涵盖从创意验证、产品开发到团队架构和市场策略的各个方面。作为专注于B2B早期投资的风投合伙人,她将为各阶段创业者提供关键洞察。
这项研究汇集了来自斯坦福大学、苏黎世联邦理工学院、隆德大学、加州大学旧金山分校等多所世界顶尖学府的11位医学专家,共同构建了医学AI领域的首个多模态情境学习评估标准。