潜伏在追求真实的背景量子至高无上悬挂尴尬的可能性 - 基于量子欺骗的超习惯数字处理任务可能只是炒作。
现在，一对来自瑞士莱桑（EPFL）的物理学家和美国哥伦比亚大学的一对物理学家提出了一种更好的方法来判断近期量子设备的潜力 - 通过模拟量子力学，他们依靠更多传统的硬件。
他们的研究利用神经网络EPFL的Giuseppe Carleo和他的同事Matthias Troyer于2016年使用机器学习要提出一个量子系统的近似值，该系统的任务是运行特定过程。
被称为量子近似优化算法（QAOA），该过程从可能性列表中确定了能量状态问题的最佳解决方案，这些解决方案在应用时会产生最少错误的解决方案。
“有很大的兴趣了解一个可以有效地解决哪些问题计算机的数量，Qaoa是最杰出的候选人之一，”说卡利。
来自哥伦比亚大学的研究生Carleo和MatijaMedvidović开发的QAOA模拟，模仿了54个Qubit设备 - 很大，但与量子技术的最新成就。
尽管这是算法如何在实际量子计算机上运行的近似值，但它做得很好，可以作为真正的交易。
时间将证明未来的物理学家是在善良机器上的QAOA计算下的下午迅速将基础状态抛弃，还是使用久经考验的二进制代码拿时间。
工程师仍然取得令人难以置信的进展在利用被困在量子盒中的概率的旋转轮。当前的创新是否足以克服这一代量子技术尝试中最大的障碍，这是一个紧迫的问题。
每个量子处理器的核心是称为Qubits的计算单元。每个代表概率波，一个没有单个定义状态，但被相对直率的方程式捕获。
将足够的量子位链接在一起 - 所谓的纠缠- 该方程变得越来越复杂。
随着链接量子位的数字增加，从数十个成千上万的成绩，其波可以代表的计算类型将留下我们可以使用灰尘中的二进制代码的经典钻头来管理的一切。
但是，整个过程就像从蜘蛛网上编织了一条蕾丝地毯：每一波都远离与环境纠缠的呼吸，导致灾难性的错误。虽然我们可以减少此类错误的风险，现在没有简单的方法可以完全消除它们。
但是，如果有一种简单的方法来补偿它们，我们也许可以遇到错误。就目前而言，预期的量子加速风险是标志物理学家拼命追逐。
“但是'量子加速'的障碍几乎是僵化的，而且由于新研究的发展，它正在不断地重塑，这也要归功于更有效的古典算法的发展，”说卡利。
使用模拟作为争论古典计算的一种方式，卡莱奥和梅德维多维奇坚持认为，近似的最终好处是建立基准，以建立在可以实现的方面的基准当前时代新出现的，不完美的量子技术。
除此之外，谁知道？量子技术已经足够了。到目前为止，这似乎是很好的回报。
这项研究发表在自然量子信息。
