谷歌AI研究推出颠覆性的量子算法，高效模拟耦合振荡器

谷歌AI研究推出具颠覆性的量子算法：高效模拟耦合振荡器

经典力学处理物体的运动、作用在它们上面的力以及与它们的活动相关的能量。量子力学是物理学中的一个基本理论，描述了物质和能量在原子尺度和亚原子级别的行为。

量子计算机承诺以指数级速度比经典计算机解决一些问题。但是，只有少数几个例子具有如此惊人的速度提升，例如乔尔的因式分解算法和量子模拟。

经典力学的问题在于它存在计算障碍，特别是在模拟耦合谐振子方面。由弹簧连接的一组物体是这类振子的常见示例，其中一个组的位移会导致整个系统中发生一系列振动。随着质量数量的增加，模拟这些相互关联的运动的复杂性也增加。长期以来，复杂性的挑战一直在持续阻碍着经典力学模拟的发展。

因此，研究人员提出了一种映射技术，将所有质量和弹簧的位置和速度编码到量子比特系统的量子波函数中。利用量子系统中参数对比特数量的指数增长，研究人员发现只需要大约对数(N)比特来高效编码N个质量信息。这是因为描述比特系统波函数的参数数量随比特数量的增加呈指数增长。

这种参数指数增长的利用使得波函数演化能够在后期确定球和弹簧的坐标，相较于用朴素经典方法模拟这类系统时，需要更少的资源。

研究人员证明了任何可以通过量子算法高效解决的问题都可以转化为涉及耦合振子网络的情况。这一发现为量子计算机的使用方式创造了新的可能性。它还通过思考经典系统引入了一种开发量子算法的新方式。

研究人员强调，除了证明经典和量子动力学是等价的，这项工作为开发可提供指数加速的进一步量子算法铺平了道路。这展示了新量子算法解决计算需求高的问题的革命能力。他们说通过理解经典波在量子环境中的传播，科学家可以为有效解决具有挑战性问题打开新的可能性。

总之，这项研究在结合经典力学和量子计算方面迈出了重要的一步。这个发现的量子算法提供了一个高效模拟耦合经典谐振子的强大工具。随着这一革命性发现的可行用途增加，量子计算的边界也在不断扩大。