林晉毅 | 特約編輯 (臺灣大學物理系)
5G 無線網路帶來了更高更快的資料傳輸效率,也為自駕車與IoT實作帶來了更高的可能性。暴漲的通訊需求也使加快資料傳輸效率與降低傳輸系統成本變得更迫切
資料傳輸的最佳化問題需要訴諸十分複雜的計算,求解十分困難。而資料傳輸時最有效的壓縮傳輸方法為Index Modulation (IM),是透過傳輸系統硬體(天線,LED燈與光感接收器等等)本身的啟動與關閉來夾帶額外訊息,進而壓縮傳輸訊息量,提升效率。這個是一個神來一筆的資料壓縮方法,但伴隨而來的是一些數學計算上的困難。IM 帶來的挑戰是我們需要最佳化開關這些實體模組的方式(可以化約成01字串),而且這種最佳化是會很困難的問題,稱這個數學上的挑戰被稱為指標選擇問題(Index selection problem)。來自日本橫濱大學(Yokohama National University)的計算科學家第一次表示量子搜索演算法能在這個困難問題上比古典電腦更有優勢。
為了處理這個問題,團隊應用了量子電腦上的Grover Adaptive Search (GAS)演算法。相較於現行電腦的計算方式,GAS算法提供額外的quadratic speed-up(計算複雜度從N2變成N),大大提升可解這個指標選擇問題的可行性。即使如此,利用GAS來解決指標選擇問題之前仍然有許多待克服的障礙,如擁有大數量級量子位元的電腦尚未問世、目前量子位元的錯誤率太高等,同時GAS可以提供演算法上的(根號加速) 但對於指數複雜度的問題的研究還有待進行。
王雅文|特約編輯
自2019年起,IBM陸續推出27、53、65量子位元(qubits)的量子電腦。近日IBM宣布重大進展,新研發的Eagle處理器,具有127個量子位元…
孫欣 | 特約編輯
20世紀末期,物理學家Peter Shor提出量子質因數分解演算法後,量子電腦對資訊安全領域的重要性便備受矚目。而隨著量子電腦的蓬勃發展,其對網路安全帶來的威脅性也更加不可忽視…
毛威凱 | 特約編輯
量子機器學習(quantum machine learning)被期待能夠以指數級的優勢取代一部分的機器學習工作…
孫欣|特約編輯
梯度消失(Barren Plateaus)是在人工類神經網路的應用中的一個非常大的難題,此問題的出現會讓一個人工類神經網路無法調校出準確的結果,進而使機器學習失敗…
黃俊銓|特約編輯
傳統的發光裝置若想得到寬頻的糾纏光的話,必須得將一個完整的晶體分成許多的小段,利用每一個小段將光形成有些微頻率差…