這家加拿大的公司表示將在明年初推出一款能夠處理大約 2000 個量子比特（qubit）的新型量子芯片，這一數量差不多是現有的 D-Wave 2X 系統的處理器中量子比特數量的兩倍，而且其將實現的計算速度也將達到前一代的 1000 倍以上。

D-Wava 的計算機造價數百萬美元，其使用一種所謂的「量子晶體管（quantum transistor）」來進行計算——這種晶體管是一種利用液氦冷卻至近乎絕對零度的微型鈮線路。

目前還僅有幾家企業或組織在使用 D-Wave 的量子計算機，其中包括谷歌和大學空間研究協會（Universities Space Research Association）、洛克希德·馬丁公司和洛斯阿拉莫斯國家實驗室。不過，D-Wave 也在通過云服務來提供其量子計算機的使用權限。

量子計算仍然很大程度上是一個理論研究的領域，這個領域研究的是如何利用物質在原子尺度上的怪誕和反直覺的行為來開發強大的機器。對于某些特定任務，量子計算機的速度有望指數級地超越現有的計算系統，而且同時其能效也將遠遠更高。目前還不存在通用型的量子計算機，而 D-Wave 的量子計算機是通過利用原子的多種行為（如糾纏和態疊加）來幫助解決一系列困難的計算問題。

「我們已經進入了一個發展軌道，差不多每隔一年就能實現量子比特的數量的倍增。」D-Wave 業務發展和戰略合作伙伴關系負責人 Colin Williams 說。

D-Wave 處理器中量子比特數量的迅速增長讓該系統可以進一步挑戰傳統計算機，而他們新的處理器還將支持一些能帶來更高效計算的額外特性。

「在內部測試中，這么做的效果看起來真的非常不錯。通過利用這些能力所帶來的 1000 倍提升，我們已經加快了解決某些問題的速度。」Williams 在劍橋的 CW TEC 會議上如是說道。

D-Wave 系統并非如同今日的 PC 一樣的通用型計算機。D-Wave 機器沒有能力執行所有類型的計算任務，其只能解決一種被稱為無約束二元優化（unconstrained binary optimization）的特定類型的任務及其相關的采樣問題。這種類型的優化問題的一個非常簡單的案例是：在你的預算范圍內，擬定盡可能接近你的夢想規格的房屋規劃。

據 D-Wave 稱，D-Wave 處理器處理的這些特定的任務可以在一些特定領域發揮巨大的作用，尤其是在訓練機器學習模型上。

但是，要實現通用量子計算機還存在更大的難題，另外還有一些尚未解決的工程難題。倫敦大學學院納米電子學和光子學教授 John Morton 根據過去的芯片發展趨勢預測說第一個通用型量子處理器會在 2030 年代問世。

Morton 說就好像計算器不是計算機一樣，D-Wave 系統也不是通用量子計算機。

「計算器可以解決一些非常具體的問題。很多人使用它，而且你可以跨許多行業使用計算器。」他說，「所以當 D-Wave 向你表示有許多行業都可以使用 D-Wave 機器時，也許確實有很多可以應用它的領域，但它仍然是一種專用設備。」

盡管谷歌目前尚未使用 D-Wave 機器來增強其在機器學習方面的工作，但這家科技巨頭在去年年底通過一次測試運行證實了 D-Wave 的處理器的可行性（其不斷受到一些學者的質疑）。

該實驗發現在執行一個類似的運算時，D-Wave 2X 處理器的速度可以比傳統處理器快 1 億多倍，但 Williams 說，更重要的是這項實驗展現了 D-Wave 的芯片的未來潛力。

「其所帶來的主要收獲并不是在加速上的效果，因為還有一些其它算法可以做到更好。」他說，「這個實驗表明 D-Wave 芯片中確實發生著量子隧穿（quantum tunnelling）。它表明即使隧穿的范圍是有限的，它也仍是一種有用的計算工具。谷歌和我們一樣理解這一點，隨著我們對我們的芯片設計的改進，并實現更密集的連接，那么在這個問題上目前效果良好的傳統算法就將完全落后。」

D-Wave 已經從多個投資者那里拿到了數百萬美元的融資，其中包括投資銀行高盛、In-Q-Tel（美國中央情報局的投資機構）、Bezos Expeditions（亞馬遜創始人 Jeff Bezos 的投資機構）、BDC Capital、Harris & Harris Group、和 DFJ。

像人類一樣說話的機器

對 D-Wave 芯片的另一個批評是其專用性限制其用途，Williams 反對這種說法。

他說：「人們認為 D-Wave 芯片只能做一件事，我想說這是不對的，事實已經證明它所能做的一件事可以被用在許多不同的領域中。」

盡管他并沒有指明這樣使用過 D-Wave 芯片的組織，但他說這種處理器已經在金融領域被用來進行交易軌跡優化、在生物科學領域被用來研究蛋白質折疊、被用來創造永遠不會錯過潛在匹配的列表過濾器——這可以用于檢查恐怖分子監控列表的安全服務、人工智能二元分類器的開發和計算機視覺。

但這是無監督機器學習——訓練數據被送入一個神經網絡，機器通過識別模式進行學習；Williams 相信 D-Wave 處理器將在這一領域帶來最大的影響，這也許還能夠解釋谷歌對這一技術的興趣。

「我們認為機器學習和人工智能從根本上來說是這種機器的最好的應用案例，尤其是它有望徹底變革無監督生成學習。」他說，「使用量子芯片，我們有望回到并解決機器學習的最初的也是最大的挑戰——『我們怎么實現效果和人類一樣好的無監督的生成式的機器學習？』如果你能做到這一點，你就可以使用機器學習做到很多驚人的事情。你可以讓受過訓練的機器生成新的、且與訓練數據無法進行統計區分的新數據。」

Williams 預測未來幾代的 D-Wave 芯片可以訓練機器生成類似于其接受訓練的大師畫作那樣的新的讓人信服的藝術作品，或有能力進行和人類一樣的語音對話。

D-Wave 已經開始在這種芯片上實驗機器學習了，他們制作了一種隨機循環神經網絡——玻爾茲曼機，即「量子玻爾茲曼機（Quantum Boltzmann machine）」——Williams 稱其「與之前的機器學習模型存在根本上的不同」。

Williams 認為 D-Wave 芯片或其它量子處理器并不會取代傳統計算機芯片，而是會一起協作。

「我們認識到量子計算并不會取代傳統機器。量子計算改變世界的方式是增強傳統系統。」他說，「比如說哦，你可以將量子計算的輸出作為啟發式搜索算法的輸入。其中的思想是：量子算法可以讓你接近很好的解決方案，而傳統算法可以幫助你完成它。我們也可以看看預處理技術，對于一個非常大的問題，我們可以將其放進量子芯片中，然后將其分解成一個問題序列。」

除了 2000 量子比特處理器之外，Williams 說 D-Wave 還有一種「下一代芯片」的新設計，其「基于我們所學到的經驗教訓，具有完全新式的拓撲結構」。

關于 D-Wave 新型芯片的更多細節

對細節感興趣的人來說，Williams 對 2000 量子比特芯片的能力也做了更深入的介紹。

每個 D-Wave 處理器被設計進行量子退火，使用量子物理發現最小的能態，這對解決優化和相關采樣問題而言很有用。Williams 解釋了新的芯片將如何提供對退火過程的更強大的控制。

他說，「不只是有了更多的量子比特，我們也改變了其他許多特征。在先前的 D-Wave 芯片上，我們只有觀察一條退火路徑的能力。我們也有一種單行道依次關閉初始哈密頓量以及打開最終哈密頓量。」他解釋說，哈密頓量能夠在給定系統狀態的情況下輸出系統內的能量。

「這不久之后將會改變，有了 2000 量子比特芯片，我們將對參數有更強的控制，我們也打算對退火路徑添加更多的控制。從內部的測試來看，做這些改變真的很好。通過利用這些能力，我們在一些問題上已經加速了 1000 倍。我們也有了終止退火的特征，然后加速將退火過程推向終點，你不需要再等速退火了。這很有趣，因為這使得你能在退火中探測量子態，從量子玻爾茲曼機的角度來說這是很重要的特征。我們也有一個更快速的退火過程，前一代系統的退火速度只能降低到 20 微秒，而新系統的速度可降到 5 微秒。」