量子 · 把一只像素猫写进 120 比特芯片再读回来:经典数据装载纪录从 128 跳到 1568
量子 · 把一只像素猫写进 120 比特芯片再读回来:经典数据装载纪录从 128 跳到 1568
口径自查:1568 值是双基模式的芯片实测(IBM Nighthawk r2,ibm_phoenix),784 值与 1568 值均为无误差缓解的裸机结果;此前硬件纪录 128 值出自 QCrank 方案;读出精度 MAE 与恢复率全部来自论文实测表;采样开销按数据比特局部度指数增长是论文自述局限。以下逐条标注。
量子计算机有个长期尴尬:机器造得再大,往里面喂数据的传送带一直很窄。要在比特上摆好一个任意量子态,传统做法要一层层旋转门摞上去,电路深度随数据量疯长。十一月十三日挂上 arXiv 的一篇论文,把这个窄口的实测纪录往前推了一大截:一家叫 Moth 的伦敦小公司,在 IBM 一百二十比特的真机上,把一千五百六十八个实数值编码进芯片、再带着可控噪声读回来,全程没用一套纠错或误差缓解。此前在硬件上跑出过的纪录是 128 个值,来自 QCrank 方案。这次直接翻了十二倍。
论文的标题起得老实:Tessa,把经典数据编码进整颗量子处理器。想法说破了不复杂,但得换个视角看芯片。以前大家把量子处理器当成一串珠子,数据挨个往珠子上摆;Tessa 把它当成一张棋盘——对处理器的耦合图做个二着色,黑白格交错铺满全芯片,黑格当「地址寄存器」,白格当「数据寄存器」。每个数据比特只听邻居地址比特的话,编码这件事从全局操作变成了纯粹的邻里交往。
这么换视角的好处藏在电路深度里。传统全连接方案在只有近邻连接的芯片上,数据要一路 SWAP 搬运,深度跟着芯片规模涨;棋盘方案里,深度只取决于每个比特有几个邻居——方形格子上,七百二十八个 CZ 门摞出来深度只有 23。一千五百六十八个值的双基模式,一千四百五十六个 CZ 门、深度 43,在一百二十比特的 Phoenix 芯片上跑完,读出的平均绝对误差 0.154。单基模式更干净:784 个值、728 个门,误差 0.075,相关系数 0.96。换到 156 比特的 Heron r2 芯片,同一套编码最多装下 882 个值。
纪录只是外壳,演示的样本更直观。团队把一张小尺寸的像素猫图整个写进去再读出来,一只猫占据了一千五百多个实数值——新闻稿连标题都拿这只猫做文章。更实用的一组:用 Bloch 球星座编码把 DNA 序列装进去,784 个核苷酸的线粒体基因 MT-CO3,92.3% 完整恢复;393 个氨基酸的 p53 蛋白序列,恢复率 71.5%。蛋白质序列比基因长串更难读回来,噪声对更长更复杂的序列下手更重,这个梯度本身就是一条有用的实测曲线。
冷静的边界也得划出来。论文自己承认,读出所需的采样次数随数据比特的局部连接度按 2 的幂指数增长,所以这套方法的定位是量子机器学习里的特征装载——把数据高效搬进量子态的那一步——而不是通用量子内存。翻译一下:它解决的是「进门」的问题,不是「存放」的问题。量子机器学习圈有个数据装载瓶颈的老话题,电路深度吃不起大规模编码,多数演示只能塞几个参数;这回 784 到 1568 的量级,头一回让「把一张真实图片或一段真实序列整个搬进去」从幻灯片变成了实测数据。
背景也交代一下。Moth 是 2022 年成立的伦敦公司,主打量子加创意产业,体量不大,公开口径的融资累计数百万美元级,算力靠 IBM 量子初创计划的真实机时。论文唯一作者是该公司的 Daniel Bultrini,方案建立在开源的 QPIXL 与 QCrank 编码之上,把它们从「需要特殊连接结构」改造成「任何二部耦合图都能跑」。大厂的新闻稿讲的是平台与融资,这条路线的进展反而常常从小团队手里冒出来——十六日通稿发出后,算力资源清单里那台一百二十比特的机器,又多了一种被点名的用法。
信源:arXiv 论文 2611.18440(十一月十三日提交)、Moth 新闻稿(PR Newswire,十一月十六日)、Quantum Computing Report 报道(十一月十七日)。