30 秒看懂
IBM 物理学家 Olivia Lanes 展示了大型稀释制冷机内的小型超导芯片，并解释微波信号如何控制和测量量子比特。视频探讨量子系统为什么可能适合特定的分子模拟，以及纠错为何仍是扩大规模的障碍。视频也介绍了量子处理器与传统超级计算机结合的研究：一项涉及 12,635 个原子的演示同时使用了两者，尚未超过最好的经典方法。
- 1量子芯片位于冷却设备的底部视频介绍了稀释制冷机中的 156 量子比特 IBM Heron 芯片；可见结构的大部分用于冷却、布线和屏蔽。
- 2量子模拟是一种潜在的专门用途主持人解释了为什么追踪相互作用的量子系统对经典机器而言可能很困难，并讨论材料和分子研究的可能应用。
- 3单次测量给出一个结果，重复运行才能显示规律Lanes 介绍读取信号如何随测得的量子比特状态变化。研究人员通过重复实验估计有用的性质。
- 4大型分子示例使用了混合计算IBM 报告的 12,635 原子研究结合了量子处理器和经典超级计算机，尚未超过最好的经典方法。
- 5IBM 的数据中心设计把模块化冷却与经典机器结合视频将 System Two 介绍为扩大量子硬件规模并将其与超级计算整合的一种模块化方式。
要点建议
- 量子处理器是一种不同的计算工具，并非对所有任务都更快的经典计算机替代品。
- IBM 的超导量子比特需要稀释制冷和屏蔽，才能在极低温下工作。
- 重复测量可以估计系统性质；增加量子比特和运算也会使错误控制更加重要。
- 混合工作流将计算分配给经典和量子机器；目前的研究演示并未证明普遍的速度优势。
按章节阅读整理后的全文
量子计算机不是更快的笔记本电脑
主持人到 IBM 探访这台专用机器。Lanes 区分了小型处理器和围绕它的冷却系统。
主持人走进 IBM 量子计算实验室，检验一个常见误解：量子计算机并不只是速度更快的笔记本电脑。它是一种不同类型的机器，其潜力集中在特定问题上，包括量子系统的建模。
团队来到 IBM 实验室，物理学家 Olivia Lanes 展示了一台稀释制冷机。悬挂的吊灯状结构容纳电子设备和冷却系统；量子处理器本身是底部的一块小芯片，并受到保护以免受外部干扰。
经典计算机用取值为零或一的比特表示信息。IBM 的设备则使用超导电路作为量子比特。主持人介绍了叠加态：测量之前，量子比特可以处于结合不同可能测量结果的量子态。
超导量子比特为什么需要极低温
处理器使用由微波信号控制的超导电路。稀释制冷机和屏蔽有助于维持所需条件。
视频将芯片标识为具有 156 个量子比特的 IBM Heron。其超导电路包含铝层之间的一层薄绝缘层。通过布线传送的微波信号控制量子比特，制冷机则让它们保持在远低于深空温度的环境中。
Lanes 说，最低一级的温度约为 10 毫开尔文。即使把机器放在南极或月球，也不能免去冷却：所需温度远低于那些地方的环境温度。
用量子和经典计算机模拟分子
嘉宾介绍分子和材料研究的潜在应用。测量处理器需要重复运行，以估计结果。
主持人对比了预测苹果下落和模拟相互作用的分子。经典计算机擅长许多物理计算，但对于足够复杂的系统，表示其完整量子行为会变得困难。量子处理器未来可能有助于解决部分分子和材料问题。
作为例子，嘉宾讨论了研究更高效电池材料。研究人员将系统的能量和相互作用模型编码为量子比特上的操作。Lanes 介绍了微波信号如何将这些指令送入处理器。
测量会给出一个确定结果，而不是直接显示整个量子态。Lanes 解释说，量子比特的状态会改变读取信号的频率。研究人员重复测量，以估计所研究系统的性质。
错误和规模仍是挑战
视频讨论了一项量子—经典混合研究演示。更大规模的容错机器仍是未来目标。
视频以一项涉及 12,635 个原子的模拟作为当前研究示例。IBM、克利夫兰诊所和理化学研究所的这项工作结合了量子处理器与经典超级计算机；IBM 表示，该方法尚未超过最好的经典方法。这是一项研究演示，并非对整个人体进行通用模拟。
错误仍是扩大规模的主要挑战。随着运算和量子比特增加，错误可能掩盖结果，因此有用的大型机器需要可靠的纠错。视频把 IBM 到 2029 年制造容错机器的计划作为目标介绍，而非已经实现的成果。
模块化量子数据中心
Lanes 解释如何将多个低温单元与经典计算机结合。混合工作负载旨在让每种处理器承担最擅长的工作。
Lanes 介绍了 IBM Quantum System Two，称其采用模块化方式扩大规模。多个低温系统可以组合到更大的设施中，使数据中心能够将量子硬件与传统超级计算机结合。
主持人介绍了一项针对癌症相关蛋白的研究流程：经典计算和生成式 AI 完成了大部分工作，量子处理器参与了部分计算。Lanes 说，混合系统旨在把算法的各个部分交给最适合的处理器，再合并结果。
探访最后提出了以量子为中心的超级计算理念：将不同机器结合，而不是完全取代经典计算机。主持人看好材料和药物研究中的潜在应用，同时强调硬件规模化仍需继续努力。
