有时，计算机预测未来是件易如反掌的小事。一些常见的现象，例如树液如何沿着树干流动，可以用线性微分方程的几行代码来进行预测。但在非线性系统中，相互作用对其自身也会产生影响。就像当气流经过喷气机的机翼时，气流改变了分子间的相互作用，从而改变了气流本身。如上的这种现象会造成混乱，初始条件产生的微小变化会导致后来行为大相径庭。这种情况下，无论计算机的功能有多强大，都几乎不可能对未来进行预测。马里兰大学量子信息研究人员Andrew Childs[2]表示，这就是为什么人们难以预测天气或复杂流体的流动行为。如果能弄懂非线性动力学，那么一些棘手的计算问题将得到解决，而这可能很快就能实现。
图1｜Andrew Childs（来源：马里兰大学）2020年11月，一个由Andrew Childs领导的马里兰大学研究团队[3]，和另一个位于麻省理工学院的研究团队[4]，两组人员发明了一些强大的工具，这些工具能够让量子计算机更好地模拟非线性动力学。量子计算机利用量子现象，比经典计算机更有效地执行某些计算，目前能够以比经典计算机快数倍的速度，推导出复杂的线性微分方程。而研究人员长期以来一直希望用量子算法，来求解非线性问题。新方法将非线性系统加以伪装，使其更像是一个相对容易解开的线性近似集，尽管解开它们的方法其实存在很大的差异。结果就是，研究人员目前拥有两种使用量子计算机来解决非线性问题的方法。悉尼科技大学的量子计算研究员Mária Kieferová[5]表示，这两篇论文的有趣之处在于，他们找到了一种机制，在某些假设下，他们的机制会带来高效的算法。其次令人振奋的是，两组研究都运用了非常好的技术。十多年来，量子信息研究人员一直在尝试用线性方程来解开非线性微分方程。而他们曾在2010年有过突破，现在位于麦考瑞大学的Dominic Berry，在当时建立了首个求解线性微分方程的算法，且比起经典计算机来，该算法在量子计算机上能以指数级速度进行求解。因此，Berry的研究重心很快地转移到了非线性微分方程上。Berry本人表示，的确开展过在非线性微分方程上的研究工作，但是效率十分低下。其中问题在于，量子计算机本身的物理基础就是线性的。麻省理工学院研究团队的论文合著者Bobak Kiani类比道，用量子计算机解决非线性问题，就像教汽车飞行一样。因此，关键在于以数学方式将非线性系统转化为线性系统，从而解决问题。于是，由Andrew Childs领导的团队使用了Carleman线性化方法（Carleman linearization），将非线性问题转化为线性方程组。遗憾的是，该线性方程组中包含无数个方程式。此时，研究人员需要弄明白为了能够得到一个足够准确的近似值，他们可以从哪个部分对方程式进行删减。麻省理工学院的等离子体物理学家，同时也是马里兰大学研究团队的论文合著者Nuno Loureiro表示，根本不确定应该从哪里删减，从10号方程还是20号？谁也说不准。而马里兰大学的研究团队最终证明，对于一个特定范围内的非线性问题，他们使用的方法可以做到截短方程式的同时，解开方程。同时，麻省理工学院的研究团队采取了一种截然不同的方法，可以将任意非线性问题建模为玻色-爱因斯坦凝聚（Bose-Einstein condensate）。这是一种物质状态，在这种状态下，超冷粒子群中的相互作用，使得每个单独粒子的行为完全一致。
而由于粒子都是互连的，所以每个粒子的行为都影响着其余的粒子，最终再以非线性的环路特征反馈回该粒子。麻省理工学院的研究团队利用玻色-爱因斯坦的数学方法，在量子计算机上模拟了这种非线性现象，将线性和非线性联系起来。因此，通过为每个非线性问题量身定制的伪玻色-爱因斯坦凝聚，此算法得出了一个可靠的线性近似值。一些没有参与到研究中的其他学者表示，用玻色-爱因斯坦凝聚来模拟非线性微分方程的想法令人十分振奋。而尽管这两篇论文不尽相同，但它们都很重要。虽然两项研究都至关重要，但它们仍是破解非线性系统的第一步，而越来越多的研究人员们也会参与分析和改善这两种方法。上文提到的量子计算研究员Mária Kieferová表示，有了这两种算法，人类才真的是在展望未来。可用它们来解决实际的非线性问题，还需要拥有一台极小误差和噪音的数千量子比特的量子计算机，以现在的条件来看还为时过早，且这两种算法只能处理一些较为简单的非线性问题。马里兰大学的研究用一个新的参数R准确地量化了这种非线性的程度，即一个问题的非线性与线性的比率，也可以说是这个问题的混沌趋势与保持系统正常运行的比率。团队领导者Andrew Childs在数学方面十分严谨，他非常清楚地表明，团队的方法什么时候可以用，什么时候不可以用。而这一点，就是其对团队研究的核心贡献。与此同时，麻省理工学院的研究并没有严格地约束其算法的使用范围。但团队计划通过在量子计算机上进行小规模测试，来进一步了解其算法的局限性，然后再转向更具挑战性的问题。人们应当从这两种新技术中意识到，量子解决方案从根本上不同于经典解决方案。量子状态对应的是概率，而不是绝对值。这就意味着，之后仍然需要做大量的工作来分析这种状态。但在未来的5到10年内，研究者们势必会在一些实际问题上，测试诸多类似于文中的量子算法。可如果先将局限性摆在他们面前，那他们的创造力也会受到限制。
[1]https://www.quantamagazine.org/new-quantum-algorithms-finally-crack-nonlinear-equations-20210105/[2]http://www.cs.umd.edu/~amchilds/[3]https://arxiv.org/abs/2011.03185[4]https://arxiv.org/abs/2011.06571[5]https://www.mariakieferova.com/- E-mail：support@qtumist.com
声明：此文出于传递更多信息之目的。若有来源标注错误或侵权，请作者持权属证明与我们联系，我们及时更正、删除
