量子霸权的新基准:能耗

谷歌2019年实现量子优势,其量子计算机Sycamore在特定问题上的速度远超超级计算机。然而,科学家提出用能源消耗来评估量子计算机效率。NASA和橡树岭国家实验室的研究人员通过qFlex量子模拟器与超级计算机比较,发现量子计算机在执行相同任务时,能源效率是超级计算机的230000到50000倍。该研究强调了量子计算机在能耗方面的显著优势。

谷歌在2019年9月宣布实现了量子优势,表示,其量子计算机Sycamore 可以在200秒内解决的特定问题,使用超级计算机将花费10000年的时间才能完成。

科学家认为,对于量子计算机的效率而言,仅仅通过考虑量子计算机解决问题所需的时间是不完善的。那么,除了通过时间来定义量子计算机的效率,还能够从哪个方面来展示它的量子优势呢?
在这里插入图片描述
位于美国加利福尼亚州NASA艾姆斯研究中心,谷歌和橡树岭国家实验室的研究人员为量子优势创建了一个新的评判基准,该基准是建立在能量的基础上的,通过能量的消耗,来证明在执行特定任务时,量子计算机与世界上功能最强大的超级计算机相比,哪个的更具优势。

为了验证该基准,研究人员设计了一个名为qFlex的量子模拟器,他们认为该模拟器可能是当下最高效的量子模拟器,那么,将当下最高效的量子模拟器与当下最强大的超级计算机结合在一起,他们的能耗如何呢?

实验证明,在执行相同的问题时,在Electra超级计算机上运行qFlex,消耗了97 MWh。在Summit超级计算机上运行qFlex,消耗了21 MWh。而通过量子计算机来执行,仅需4.2×1/10000 MWh 。即,量子计算机所节约的能量大约是Electra超级计算机的230000倍,Summit超级计算机的50000倍。

由此可见,即便是最强大的量子模拟器,通过在超级计算机上运行“量子模拟器”程序来解决同一问题时,量子计算机比最强大的量子模拟器更有效地解决了同一问题。该研究已于近期发表在《量子科学与技术》[1]期刊上。

参考链接:

[1] https://iopscience.iop.org/article/10.1088/2058-9565/ab7eeb

声明:此文出于传递高质量信息之目的,若来源标注错误或侵权,请作者持权属证明与我们联系,我们将及时更正、删除,所有图片的版权归属所引用组织机构,此处仅引用,原创文章转载需授权。

基于数据驱动的 Koopman 子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计开销大的问题,并在Matlab平台上实现了完整的法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供思路;③结合深度学习与经典控制理论,推动智能控制法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值