一项新的量子计算研究声称实现了数据编码与读取的世界纪录。该实验在 IBM 的 120 量子比特 Phoenix 处理器上成功存储并检索了 1,568 个数值,并利用恢复出的信息重建了一幅图像。

- Quant 团队从 IBM 量子硬件中检索数千个存储值
- IBM Phoenix 处理器成功检索了分布在 120 个量子位上的所有信息
- 尽管取得突破,但量子硬件在复杂图像的精确再现方面仍面临挑战
准确性限制下的新记录
此前同类研究仅使用 12 个被困离子量子位恢复了 128 个数值。相比之下,此次测试中的 Tessa 方法利用邻近量子比特控制信息存储位置,借助处理器现有连接处理操作,避免了在遥远量子比特间移动信息的需求,从而省去了额外的辅助量子位和移动操作。测试电路达到了 19 个双量子位操作的深度。
将普通数据传输至量子机器一直是量子机器学习等领域的瓶颈,因为量子计算机必须先获取数据才能进行后续处理。Tessa 方法最大限度地利用了芯片功能,使整个处理器能够同时工作。
在图像测试中,分别存储了 784 和 441 个值,对应需要 728 和 428 次受控操作,每项测试均进行了 8,192 次测量尝试。然而,信息恢复并非完美无缺:最大彩色图像与其源图像的关联度为 0.69,而较简单图像的关联度为 0.95–0.96。
平均数值误差分别为 0.130(Phoenix 处理器)和 0.131(IBM Fez 处理器),经过调整后降至 0.075 和 0.078。需要注意的是,这种调整使用了从原始图像中提取的两个统计数据,意味着改进后的重建部分依赖于已知信息。
针对组合图像亮度和颜色的单独测试显示,Phoenix 记录的误差为 0.152 和 0.092,而 Fez 记录的误差为 0.144 和 0.084。亮度误差是该公司噪声模型预测值的 2.6 倍,表明真实硬件引入了额外的不准确性。
音频与生物序列测试
研究还尝试了音频、音符、DNA 和蛋白质序列,以不同方式在处理器内表示信息。
在一个包含 347 个长笛音符的音乐测试中,调整前正确恢复了 18.7% 的音高,而在 Fez 处理器上这一比例提升至 49.3%。
生物测试需要 32,768 次测量试验,远高于图像实验所需的 8,192 次,且每次测量基础的精度在不同序列之间差异显著。在 IBM Phoenix 硬件上,p53 蛋白序列实现了 71.5% 的正确恢复,Sonic hedgehog 达到 76.2%,线粒体蛋白 MT-CO3 记录了 92.3%。其他样本结果较弱:SUR1 仅为 22.6%,皮卡丘林为 25.8%,这表明更长或更复杂的序列仍然难以准确恢复。
测试还包括一段含有 784 个碱基对的线粒体 DNA 序列,以及一段含 1,582 个碱基的 POLG2 信使 RNA 序列。研究人员警告称,由于一个错误的 DNA 或蛋白质单元在生物学上可能至关重要,目前的恢复百分比尚不足以建立可靠的医疗应用。
此外,这里的模拟并未包括邻近处理器组之间的所有干扰,且硬件实验未使用错误纠正技术。随着连接数量的增加,测量需求也会急剧上升。研究指出,未来的硬件测试有望显著减少重建错误,这将有助于产生最大影响的量子应用,特别是那些与人工智能密切合作的应用。





