量子能源，节能减排还是另有“端倪”？

光子盒研究院

前言：如今，量子技术早已走出实验室、广泛赋能电力、化学、医学等各个领域；创新赛道上，加速奔跑的量子产业，将带来无限可能。现在，光子盒特开启「量子+」专栏，解读量子技术将为下游应用带来的改变与机遇。

量子的支持者们经常将它吹捧为一种比经典计算方法更节能的替代品。然而，它能在多大程度上减少能源使用量仍不清楚：因为专家们还没有就确定其能源消耗的指标达成一致。

我们生活在一个计算能力空前强大的时代。

2016年，一个人工智能程序AlphaGo在围棋比赛中击败了一个专业的人类选手；2020年，人工智能（AI）软件AlphaFold表明，它可以通过氨基酸序列预测蛋白质的三维结构——这是生物学领域50年来的一个巨大挑战；2021年，加州大学圣地亚哥分校的研究人员利用超级计算机与人工智能配合，对SARS-CoV-2病毒中的10亿个原子进行了建模；2022年，OpenAI发布了ChatGPT——这是一个大型语言模型，具有模仿人类对话者的能力......这样的例子不胜枚举。

然而，上述技术的能源成本都很高。为了达到目前的准确性和效率水平，这些计算方法需要耗费惊人的能源，这也会导致大量的碳排放。

具体来说，世界上最快的超级计算机Frontier在空转时要消耗8兆瓦的能源——这个数量可以同时为成千上万的家庭供电；而训练一次大语言模型所产生的碳排放量大约相当于一名乘客从美国纽约市到旧金山的航班排放量。

如果继续延续当前的发展趋势，计算的能源使用会持续增加。从2012年到2018年，尖端的大型人工智能模型所需的计算能力每3.4个月翻一番，相当于增加了30多万倍。另外还有估计发现，为了将错误率减少一半，一个人工智能模型将需要超过500倍的计算成本。

计算技术使用了美国所有能源消耗的5%，而更高的计算成本将推动能源使用。计算的增加将导致全世界的二氧化碳排放激增：因为世界上82%的一次能源消耗来自于化石燃料。按照这个速度，我们的计算野心可能会威胁到地球的可持续未来。现在，联合国政府间气候变化专门委员会(IPCC)已经敦促世界各国在2030年前将碳排放减半，以将全球变暖限制在1.5摄氏度以内。

专家们也正在寻找新的策略，以控制能源的使用、同时继续提高计算性能——一个提议的解决方案是：量子计算。

它们可用于优化太阳能电池、风力涡轮机和其他可再生能源技术的设计，使其更加高效且更具成本效益。量子计算机还可以帮助提高我们对复杂分子过程（例如光合作用）的理解，这可能会导致开发新的、更有效的能源生产和储存方法。

“量子具有真正的能源优势潜力。”在IBM领导量子计算硬件开发的Jerry Chow一直坚定地这样认为；更多支持者们也已经开始使用量子计算原型机来证明，他们可以用更少的能源解决新型问题。例如，2020年的一次演示表明，量子计算机可以用比当时世界上最强大的超级计算机少50,000倍的能量来完成一道数学难题。

在NASA Electra、ORNL Summit和超导NISQ设备（QPU）上对106个振幅进行保真度接近0.5%的采样，估计运行时间和能源成本。与最先进的经典超级计算机相比，QPU在求解时间和能源消耗方面的巨大改进并不能推及到其他应用。

量子计算机是一种使用量子力学数学操纵信息的设备，它与二进制的逻辑相反。

例如，量子计算机不以1和0来表示信息。相反，它的基本信息单位（量子比特），对应于1或0的概率。量子比特的状态就像一枚在空中翻转的硬币：在落地之前，硬币的状态既不是头也不是尾，而是两者的某种概率。用量子术语来说，这枚硬币处于头和尾的叠加状态。同样地，一个量子比特代表1和0的叠加。

薛定谔（Erwin Schrödinger）曾在一个思想实验中说明了叠加的概念，该实验中，一只猫在一个装有毒药瓶和放射性物质的盒子里。当放射性物质衰变时，它会释放出一个粒子、触发毒药的释放，最终杀死了猫。根据量子力学，在任何人打开盒子之前，这只猫在技术上处于一种同时死亡和活着的叠加状态。

通过利用叠加和其他量子特性（如纠缠），量子计算机能够进行与经典计算根本不同的数学运算。潜在的应用已经吸引了数十亿美元的公共和私人投资。例如，银行热衷于研究量子计算机的优化问题，而制药公司正在研究其模拟复杂分子和加速药物发现的能力。

现代汽车公司与美国初创公司IonQ合作、三菱公司与IBM合作——他们正使用量子计算机模拟电池化学，而这可能将导致电动汽车每次充电的里程数更高。

也有成果表示，量子计算机可用于挖掘现有的加密货币（如比特币或未来更节能的加密货币），从而大幅削减其用电量。

现在，初创公司QC Ware的物理学家Iordanis Kerenidis也正为量子计算机开发算法。在最近的一篇预印本文章中，他和他的同事使用IBM的两台量子计算机证明了如何能使机器学习更加节能。

在这项研究中，量子计算机被用来训练一个流行的机器学习架构——transformer模型。实验团队使用一种同时需要经典计算机和量子计算机的算法，训练了一个机器学习模型来对医疗图像进行准确分类。最终，该模型学会了根据病人的视网膜图像来诊断其糖尿病的严重程度；该模型还学会了根据胸部X射线来诊断病人是否患有肺炎。它的准确性与几种最先进的经典机器学习算法（如ResNet）相比具有竞争力。

该模型的潜在能源节约来自于量子计算机编码信息的独特方式。在训练期间，当将图像模式映射到矢量时，经典的机器学习算法会低效地创建矢量空间，因为它倾向于提取类似的像素模式——对应于空间中彼此接近的矢量。相比之下，量子计算机本质上是提取不相似的像素模式，对应于正交的向量。Kerenidis说：“量子计算机提取的每个结构都能提供全新的信息。这意味着在训练期间，量子计算机需要提取比经典计算机更少的像素模式来建立相同的向量空间。”

在每个测试数据集上使用AUC和ACC进行性能分析后，量子架构与经典基准的对比。

上述模拟的资源分析。所需的量子比特数量、固定参数的参数化门的总数，以及每个量子网络的可训练参数。

原文链接：

https://arxiv.org/abs/2209.08167

因此，量子计算机可以更有效地训练transformer模型。机器学习。“我们希望量子计算机可以使用少得多的参数（从业者以其参数数量来描述模型的复杂性），从而产生具有类似性能的、更小的模型；更小的模型更容易训练，在能源和时间方面的成本也会更低。”

虽然结果是有希望的，但Kerenidis的团队还没有对他们的算法和经典机器学习算法的能量耗用进行正式比较。事实上，他们根本没有统计其能源使用情况：因为研究人员还没有就描述量子计算机的资源需求的指标达成一致。

在能源使用指标上缺乏一致意见，部分原因是量子领域是一个新兴领域：研究人员在过去十年内才设法建造出了第一批引人注目的量子计算机。到目前为止，许多研究都集中在证明量子计算机提供了比经典计算机更高的速度，而不是了解它们的能源使用。

然而，现有的量子计算机仍然没有最终证明它们在任何具体任务上都比经典计算机快。

当时在谷歌工作的物理学家John M. Martinis和同事在2019年提出了这一说法，但专家们对其成就的意义存在争议。在那次演示中，谷歌团队展示了他们的量子计算机可以在200秒内从一个特定的统计分布中随机抽取数字，他们声称这项任务需要耗费最先进的超级计算机1万年。从那时起，研究人员们也为这项任务开发了更好的经典算法，其中更有小组声称，超级计算机应该能够在几十秒内完成这项任务，击败了谷歌的“量子计算优越性”。

谷歌展示“量子计算优越性”。

中国科学院理论物理研究所张潘教授领导的团队显示“不需要这么长时间，如果可以使用E级超算，只需要几十秒钟就可以解决这样一个随机量子线路的采样问题”。

尽管如此，这些实验确定了研究人员对其量子计算机的控制已经达到了一个阈值水平：可以完成一个相对复杂的任务。在2019年的研究中，谷歌研究人员还暗示，他们认为量子计算机比超级计算机提供了能源节约。“我们估计，执行同样的任务[......]将花费50万亿个核心小时，并消耗1 petawatt hour的能源。从这个角度来看，[......]净量子处理器的时间只有大约30秒”。

——数据显示，他们的机器以26千瓦的功率运行，比最先进的超级计算机少三个数量级。

尽管如此，一些研究人员说，该领域还没有足够的证据能证实其能源节约功能。新加坡国立大学的Alexia Auffèves认为，如果量子计算机工作正常，它涉及的物理操作比经典计算机少，因此将花费更少的能源。Auffèves正在努力提出一个更严格的框架来评估量子计算的能源使用。一些研究人员认为，更长的计算时间对应着相应的更多的能源使用。然而，Auffèves和她的同事发现，量子计算机的能耗和计算时间之间的关系比传统智慧更复杂：时间和能量之间不存在比例关系。

这其中涉及更多连续操作。华沙大学的Marco Fellous-Asiani说：“算法越长、需要保存量子信息的时间就越长，因此科学家们必须冷却量子比特。这意味着，随着计算时间的推移，功率（消耗）会越来越大。”

现在的共识是，量子社区需要共同为量子计算机的能源效率定义一个指标，例如描述性能的指标和资源成本之间的比率。

对于经典计算，性能指标通常以每秒浮点运算（FLOPs）来衡量，而资源则以瓦为单位。因此，超级计算机的能源使用通常以“每瓦特千兆浮点运算”来表示。然而，量子计算界还没有决定如何定义这个指标的分子和分母。

他们对分子有一些选择：IBM使用了“量子体积”的性能指标，它描述了机器可以运行的算法的复杂性；初创公司IonQ定义了一个被称为“算法量子比特”的指标，它对量子计算机执行一组基准算法的能力进行评级。这些数值都取决于量子计算机的基本规格，如量子比特的数量或机器的错误率。

现在还没有关于什么应该是评估量子计算机性能的最佳方式的一致意见。

为解决这一问题，2022年8月，Auffèves和同事们共同创立了一个名为“量子能源倡议”的团体，他们宣布研究量子计算的环境足迹的重要性。

他们的宣言概述了该领域的重大问题：“虽然[......]观察结果似乎指向了量子性质的能量优势，但对其背后的物理机制却几乎不了解：能量消耗是如何随处理器大小而变化的？它与计算性能或量子比特技术有什么关系？它与经典处理器相比如何？”

他们计划于2023年11月在新加坡组织一次围绕量子计算和能源利用的研讨会。

虽然目前的量子计算研究主要集中在获得计算速度上，但科学家们认为，在量子计算机的设计中，必须以能源使用为中心、迈向一个更可持续的未来。

为了开发新技术，研究人员将需要更明确地思考环境成本问题。

现在，量子技术正在不断发展。研究人员正在与其他几种量子比特类型作斗争：包括由捕获离子、中性原子和光子制成的量子比特。这些量子比特类型具有根本不同的工程要求；例如，中性原子量子计算机比超导量子计算机需要更少的低温设备。

这也意味着，研究量子的能源节约是一件非常复杂的事情，因为它真的取决于硬件。

目前还不清楚量子计算机将在多大程度上节约超级计算机的能源消耗，因为量子计算机不会取代经典计算。相反，专家们认为，更有可能的是，量子计算芯片将“驻扎”在超级计算机内、超级计算机可以访问它以解决具体问题。它们在未来计算中的预期作用还在变化之中，这意味着很难估计它们的总体能源节约——即使它们被证明是节能的。

除了这些技术进步之外，量子计算行业还必须注重在其运营中整合节能实践。这包括采用能源管理系统、优化资源的使用以及投资可再生能源来为量子计算设施提供动力。通过采用这些实践，量子计算行业可以显着减少其碳足迹，并为更加绿色的未来做出贡献。

这些早期研究显示了前景，但将量子计算视为任何种类的环保灵丹妙药还为时过早。研究人员仍然需要证明，量子计算机确实可以做一些有用的事情。

务实地说，“未来三到五年的一个大挑战是弄清楚如何使用量子硬件来改善实践中的任务。”

参考链接：

[1]https://www.nature.com/articles/s43588-023-00459-6

[2]https://blogs.scientificamerican.com/observations/why-do-computers-use-so-much-energy/

[3]https://iopscience.iop.org/article/10.1088/2058-9565/ab7eeb/pdf?pdf=reference

[4]https://www.hyundai.news/eu/articles/press-releases/ionq-and-hyundai-expand-partnership-quantum-computing-object-detection.html

[5]https://www.ibm.com/case-studies/mitsubishi-chemical

[6]https://arxiv.org/abs/2209.08167

[7]https://www.nature.com/articles/s41586-019-1666-5

[8]https://quantum-energy-initiative.org/