一，网友S，把我的几篇文章朗读成音频版，挺感动，适合的时候，我会把录音整理发到公众号里。二，网友N说，帮我制作电子书中游记系列。三，罗大佑歌友会的朋友，表示想帮忙。很感动。四，我计划把已发布文章，分门别类，做个文档目录，然后放到自定义菜单中。现在系统的目录，一个栏目最多收录30篇文章，不够用。五，公众号里的明月文集，重新规划。然后花些时间做几个系列自选集。虽然写了很多文章，有些现在看来，已经不够我心中的标准。六，上午写文章，编辑推送，消耗太大，下午睡了几个小时。期间表弟来访，见我睡觉，没有打扰，在客厅跟沈君聊天。醒来后，跟表弟在小区里走了一圈。七，现在的我，心中没有羁绊。对于写作的人来说，能说自己想说的话，太重要了。李敖曾说，他不敢交太多朋友，不然没法写文章，因为总要考虑他人感受。羁绊太多，文章就没法写了。八，爱是问题的答案，之前只是我的一个理论，现在实践告诉我是对的。九，除了体重没有上涨，其他一切都在往好的方向发展，希望明天会更好。十，晚安，世界。
2015年的文章，解释为什么D-Wave量子计算机并没有超越经典计算机。核心原因：D-Wave的量子退火只是超过了模拟退火，但没有超过量子蒙特卡罗。真正坑人的是，量子蒙特卡罗是一种经典算法[笑cry]它是用来求量子体系基态的经典算法。D-Wave既然没有超过经典算法，那么它就没有太大价值，所以近年来很少听到它的消息了
https://t.cn/A6H6xcxI
计算速度提高1亿倍，炒作or货真价实？ | “D-Wave首席怀疑官”解读
Scott Aaronson 知识分子 2015-12-20 07:13
12月7日，谷歌D-Wave研究组在arXiv.org上传了一篇文章，声称其在2013年购买的D-Wave机器在解决某类特定问题的速度是经典计算机的10^8倍。
这究竟是炒作还是货真价实的大新闻？D-Wave是量子计算机吗？而所谓的“一亿倍”的加速又是怎么回事？
D-Wave是加拿大的一家公司。2010年，D-Wave宣布开始生产世界上第一台商用量子计算机。量子计算机被认为有希望比经典计算机更快解决地解决一些问题，对于一些问题，例如大整数的因子分解，它与已知的经典算法相比有指数级的速度提升。
事实上，D-Wave问世至今，针对它的讨论此起彼伏，从未停止过。一些意见认为，D-Wave机器是否真的利用量子现象实现计算还不确定，它是否比经典计算机更有优势也不确定。
Scott Aaronson，美国麻省理工学院电子工程与计算机科学副教授，曾一度担任“D-Wave首席怀疑官”（Chief D-Wave Skeptic）。两年前，他在其博客上发表了一篇《D-wave: 最终，真相开始浮出水面》（D-Wave: Truth finallystarts to emerge），对相关的讨论进行了总结，并号召人们用科学理性的态度认识D-Wave所达到的成就。
因此，在经历两年的“风平浪静”之后，关于D-Wave的新闻一经出现，很多业内人士的目光便都转向了Scott。让我们来看看这位曾经的“D-Wave首席怀疑官”对此会有怎样的反应吧。
撰文 | Scott Aaronson
翻译 | 张林峰
校译 | 林梅、刘丁、陈明城
图片
Google与NASA购买的D-Wave Two计算机。图片来源：nas.nasa.gov
编者注：由于文章本身的专业性，我们首先解释其中的核心概念和观点如下：
（1）模拟退火：模拟退火是一种通用的经典概率算法，用来在固定时间内在一个搜索空间内找到最优解。其原理与金属退火的原理类似，遂得此名。其解依概率收敛到全局最优解。
（2）量子退火：模拟退火的“量子”版本。不同的是，经典模拟退火依赖的是逻辑运算，量子退火需要依赖量子力学特有的“隧道效应”，更像是让“大自然”自己去运算。
（3）量子蒙特卡罗（QMC，Quantum Monte Carlo）：是一种用来寻求量子体系基态的经典算法。蒙特卡罗方法本身是指使用随机数（或者更常见的伪随机数）来解决很多计算问题的方法。
（4）时间复杂度：是指算法在编写成可执行程序后，运行时所需要的时间资源。时间复杂度在数学上有更为严格的定义。一般人们关心的时间复杂度是指运行时间随问题规模增加的渐近行为。因为“非渐近”的行为会随问题规模的增大而显得不重要。特别的，如果该渐进行为是多项式（Polynomial，P）的，那么人们认为这一算法是有效的。对于一些问题，经典算法尚未发现有多项式的，而有人提出了多项式的量子算法（例如针对大整数因子分解的Shor算法）。
（5）最新D-Wave文章中展示的两个1亿倍加速：第一个1亿倍是“量子退火”与“模拟退火”相比的1亿倍渐进的加速，对此，该文章同样也指出与“量子蒙特卡罗“这一经典算法相比，”量子加速“并不明显。第二个1亿倍是在D-Wave上运行“量子退火”算法与在单核经典计算机上运行“量子蒙特卡罗”算法相比的1亿倍常数的加速。这种常数加速可能会受问题规模和计算机性能本身的变化而改变，因此一般不是人们所关心的。
图片
回想起来，我一直很奇怪，一年多过去了，怎么就没有什么关于D-Wave的大新闻，也没有人让我迅速做出反应。这场辩论真的已经结束了吗？或者是还没有“结束”，不过就像一直以来本应该的样子，掌握在那些可能不是激烈反对，但至少在声称有多少加速时还蛮谨慎的科学家手中？反正至少能让我这位前D-Wave首席怀疑官腾出点手来干些更“来钱”的项目，就像在互联网上对社会正义无休止的辩论中画一条中间道路出来，对吗？
不，当然不是。
大家现在已经看到，这周一（编者注：2015年12月7日）谷歌的一个研究小组把一篇重要的研究论文挂在了网上【1】，展示了他们在D-Wave 2X上做的最新的实验结果。对此可以参见Hartmut Neven（编者注：Google 工程负责人，量子人工智能实验室主任）的博客【2】。意料之中的是，大众媒体对这一结果的解读【3】为，D-Wave 2X 在某些方面已经比标准经典芯片快1亿倍，因此剩下的问题就是这一设备是否为“真正的量子计算机”。
在这种情况下，我做的第一件事就是向Matthias Troyer（编者注：瑞士苏黎世联邦理工学院教授）求助。他可以算得上是世界上量子退火实验领域最为博学、公正而又值得信任的人了。令我高兴的是，Matthias简直是慷慨大方，他跟Ilia Zintchenko和Ethan Brown合作，针对新的结果写了一篇长达3页文章【4】，解释这一结果的来龙去脉，并允许我与大家分享。纯粹从科学的角度来讲，我的帖子到此已经可以结束了，只需要给出他们这篇文章的链接。
不过，依旧是从纯科学的角度来看，这个帖子可能应该更早地结束，把谷歌文章的链接放上来就是了，因为这篇文章并没有隐藏一些关键信息，让它的怀疑者仔细挖掘才能发现。相反，文章的作者中有这一领域中最为谨慎的人物，把人们可能问到的问题都解释清楚了。所以，在某种意义上，我或者Matthias可以做的，仅仅是告诉你，如果读这些文章，你会学到些什么。
那么，D-Wave 2X 是否加速1亿倍呢？这是我认为能做到不误导人、最为简短的答案：
是的，确实存有明显渐进行为的1亿倍加速，并且与量子蒙特卡罗（Quantum Monte Carlo, QMC）算法相比，也存在1亿倍的加速。但是，渐进的加速仅仅是在与模拟退火（simulated annealing）比较时得到的，而超过QMC的1亿倍加速则是一个常数因子，不是渐进的。而且，在一般情况下，如果与其他经典算法比较，两种加速都会消失。另外，常数因子的加速与其说和量子力学相关，倒不如说可能和D-Wave极度专业化的硬件本身更为相关，而后在模拟此专业化硬件这一问题上再与经典芯片做比较（即在D-Wave的Chimera graph架构上进行Ising自旋最小化）。因此，虽然确实是有货真价实而又有趣的进展，但是与已知最知名的经典算法相比，目前尚不清楚D-Wave的方法速度是否会提高，更别说那些还满足渐近的或者具有重要实际意义的最知名的经典算法。事实上，所有这些问题对于整个量子退火领域来说也都还是个谜。
展开来说，谷歌这篇文章实际上有三个独立的结果：
1. 作者通过Chimera graph中扮演核心角色的8量子比特“集群”，利用高而窄的能垒挡住了前往全局最小的路，从而构造了Chimera 实例。然后他们发现，正如2002年Farhi、Goldstone和Gutmann理论预言【5】的那样（这个预言我们此前经常在这个博客上讨论），对于这些特殊的实例，量子退火达到全局极小的速度要指数级快于经典模拟退火，而D-Wave利用了这一优势。就我而言，由此可以确定，在D-Wave中，或者至少在8量子比特集群中，发生了与计算有关的集体量子隧穿。另一方面，作者指出，还有其他经典算法，像Selby（在Hamze 以及 de Freitas的基础上）所构造的【6】，可以将这一8量子比特集群打包成可有256种取值的大变量，从而摆脱阻碍模拟退火的能垒。他们还通过经验得出，这些经典算法的表现要胜过D-Wave。作者利用量子蒙特卡罗方法也得到了与D-Wave相仿的渐近复杂度性能（虽然没有那个起主要作用的常数）。量子蒙特卡罗（尽管名字里有量子二字）是一种经典的算法，经常被用来寻找量子力学系统的基态。
2. 作者提出：可以隧穿高而窄能垒的这种能力——量子退火目前已经展现出来的相较于经典退火的核心优势——可能至少跟某些现实世界中的优化问题相关。他们试图通过研究一个经典的NP完全问题——数字划分（Number Partitioning），来说明这一点。在这个问题中，给定一个含N个正整数的集合，你的目标是把它们划分成2个子集，使得二者各自总和的差别尽可能小。通过在经典计算机上的数值研究，他们发现，对于随机的数字划分问题，量子退火（在理想情况下）和量子蒙特卡罗的速度应该都超过了模拟退火，超过的程度也差不多。请注意，本文的这一部分不涉及对D-Wave本身的任何实验，所以我们不知道误差校准、编码丢失等问题是否会抹杀其在理论上所具有的优势。不过即使没有抹杀，这仍然不能产生一个“真正的量子加速”，因为（再说一遍），量子蒙特卡罗是一种近乎完美的经典算法，其在这些问题上的渐近复杂度与量子退火相当。
3. 最后，对于这些能垒高而窄的特殊Chimera实例，作者发现，比起在单核计算机上运行的量子蒙特卡罗算法，D-Wave 2X达到全局最优的速度要快约1亿倍。但是，非常有趣的是，他们还发现，这种加速不会随问题规模的增长而增长，而是在大约1亿倍的时候就饱和了。换句话说，这是一个常数因子的加速，而不是渐进的。是的，显然，用“仅有”1亿倍加速（而不是渐进加速）的算法解决一个问题仍然具有实用价值！但重要的是，要知道，这个常数因子加速仅仅是在解决此类Chimera graph实例所对应的问题时才有的——或者本质上来讲，是在解决“模拟D-Wave本身”这一问题时才有的！如果你想解决实际的问题，你首先需要将它嵌入到Chimera graph，而目前还不清楚的是，这些常数因子的加速能力是否还存在。尽管这篇文章中没有明确说明，我依然相信，在任何情况下，当我们将其跟（比方说）Selby 算法相比时，常数因子加速会消失，更别说跟量子蒙特卡罗相比！
这篇新的谷歌文章给出了关于D-Wave能力到目前为止最为清晰的展示。但我要提醒的是，关于D-Wave的整个方案，量子计算研究者们从一开始便担心的问题是：纠错能力的缺失、有限温度量子退火的限制，我们缺乏明确的证据表明它能给出量子加速，以及急着搞出来更多的而不是更好的量子比特。我还会说，所有这些担忧不仅依然存在，而且还因为很多枝节问题也开始被人们处理，从而更加清楚明白地显现了出来。D-Wave 2X是一个伟大的工程。但是如果仍然不能在最广为人知的经典算法上展现出渐进加速的性能——这篇新的谷歌文章很清楚地表明它没有——那么这些担忧就不是无关痛痒的。更何况，这些原因似乎和十多年D-Wave 所做出的根本的设计选择是相关的。
现在明显的问题是：是否能通过改进D-Wave的设计，来得到一个渐进的加速，并且对所有的经典算法（包括QMC和Selby算法）都成立，还可以克服将“真实世界”的问题编码为Chimera graph所带来的时间代价？也许能，也许不能吧。谷歌这篇文章一遍又一遍地回到D-Wave的未来改进计划这一主题，并探讨它们可能如何清除那些障碍，达到“真正的”量子加速。粗略地说，如果我们排除推翻重来的办法，那么主要有四件事情可以试试看是否有效：
1. 更低的温度（因此有更长的量子比特生命期，以及在不发生跃迁到激发态的情况下获得更小的安全能隙）。
2. 对量子比特及其耦合更好的校准（因此能以更高的精度来编码感兴趣的问题，例如之前提到的数字划分问题）。
3. 能够运用“非量子随机”哈密顿量的能力。（D-Wave现有的机器都受限于量子随机的哈密顿量，后者被定义为所有非对角项均为非正实数的哈密顿量。从工程的角度来看量子随机的哈密顿量是更容易的，对于经典算法，例如QMC来说，它们也是最容易被模拟的——如此容易，以至于人们还在争论非量子随机量子退火是否在理论上可以有真正的量子加速）
4. 量子比特之间更好的连通性（从而减少将实际感兴趣的问题编码到Chimera graph中所付出的巨大代价）。
（注意，“更多的量子比特”不在这个名单上：如果利用D-Wave真能实现“真正的量子加速”，那么它们拥有的1000多个量子比特早够让人们看出个究竟了。）
不管怎样，这些当然都是D–Wave 的设计者们知道而且在不久的将来会做的事情。但是，即便D-Wave在这四个方面都做出了改进，我们仍然不知道是否会出现一个真实的、渐近的、胜过Selby算法的、克服编码代价的量子加速。我们只是不能肯定地说出那个否定的答案。
……
https://t.cn/A6H6xcxI
计算速度提高1亿倍，炒作or货真价实？ | “D-Wave首席怀疑官”解读
Scott Aaronson 知识分子 2015-12-20 07:13
12月7日，谷歌D-Wave研究组在arXiv.org上传了一篇文章，声称其在2013年购买的D-Wave机器在解决某类特定问题的速度是经典计算机的10^8倍。
这究竟是炒作还是货真价实的大新闻？D-Wave是量子计算机吗？而所谓的“一亿倍”的加速又是怎么回事？
D-Wave是加拿大的一家公司。2010年，D-Wave宣布开始生产世界上第一台商用量子计算机。量子计算机被认为有希望比经典计算机更快解决地解决一些问题，对于一些问题，例如大整数的因子分解，它与已知的经典算法相比有指数级的速度提升。
事实上，D-Wave问世至今，针对它的讨论此起彼伏，从未停止过。一些意见认为，D-Wave机器是否真的利用量子现象实现计算还不确定，它是否比经典计算机更有优势也不确定。
Scott Aaronson，美国麻省理工学院电子工程与计算机科学副教授，曾一度担任“D-Wave首席怀疑官”（Chief D-Wave Skeptic）。两年前，他在其博客上发表了一篇《D-wave: 最终，真相开始浮出水面》（D-Wave: Truth finallystarts to emerge），对相关的讨论进行了总结，并号召人们用科学理性的态度认识D-Wave所达到的成就。
因此，在经历两年的“风平浪静”之后，关于D-Wave的新闻一经出现，很多业内人士的目光便都转向了Scott。让我们来看看这位曾经的“D-Wave首席怀疑官”对此会有怎样的反应吧。
撰文 | Scott Aaronson
翻译 | 张林峰
校译 | 林梅、刘丁、陈明城
图片
Google与NASA购买的D-Wave Two计算机。图片来源：nas.nasa.gov
编者注：由于文章本身的专业性，我们首先解释其中的核心概念和观点如下：
（1）模拟退火：模拟退火是一种通用的经典概率算法，用来在固定时间内在一个搜索空间内找到最优解。其原理与金属退火的原理类似，遂得此名。其解依概率收敛到全局最优解。
（2）量子退火：模拟退火的“量子”版本。不同的是，经典模拟退火依赖的是逻辑运算，量子退火需要依赖量子力学特有的“隧道效应”，更像是让“大自然”自己去运算。
（3）量子蒙特卡罗（QMC，Quantum Monte Carlo）：是一种用来寻求量子体系基态的经典算法。蒙特卡罗方法本身是指使用随机数（或者更常见的伪随机数）来解决很多计算问题的方法。
（4）时间复杂度：是指算法在编写成可执行程序后，运行时所需要的时间资源。时间复杂度在数学上有更为严格的定义。一般人们关心的时间复杂度是指运行时间随问题规模增加的渐近行为。因为“非渐近”的行为会随问题规模的增大而显得不重要。特别的，如果该渐进行为是多项式（Polynomial，P）的，那么人们认为这一算法是有效的。对于一些问题，经典算法尚未发现有多项式的，而有人提出了多项式的量子算法（例如针对大整数因子分解的Shor算法）。
（5）最新D-Wave文章中展示的两个1亿倍加速：第一个1亿倍是“量子退火”与“模拟退火”相比的1亿倍渐进的加速，对此，该文章同样也指出与“量子蒙特卡罗“这一经典算法相比，”量子加速“并不明显。第二个1亿倍是在D-Wave上运行“量子退火”算法与在单核经典计算机上运行“量子蒙特卡罗”算法相比的1亿倍常数的加速。这种常数加速可能会受问题规模和计算机性能本身的变化而改变，因此一般不是人们所关心的。
图片
回想起来，我一直很奇怪，一年多过去了，怎么就没有什么关于D-Wave的大新闻，也没有人让我迅速做出反应。这场辩论真的已经结束了吗？或者是还没有“结束”，不过就像一直以来本应该的样子，掌握在那些可能不是激烈反对，但至少在声称有多少加速时还蛮谨慎的科学家手中？反正至少能让我这位前D-Wave首席怀疑官腾出点手来干些更“来钱”的项目，就像在互联网上对社会正义无休止的辩论中画一条中间道路出来，对吗？
不，当然不是。
大家现在已经看到，这周一（编者注：2015年12月7日）谷歌的一个研究小组把一篇重要的研究论文挂在了网上【1】，展示了他们在D-Wave 2X上做的最新的实验结果。对此可以参见Hartmut Neven（编者注：Google 工程负责人，量子人工智能实验室主任）的博客【2】。意料之中的是，大众媒体对这一结果的解读【3】为，D-Wave 2X 在某些方面已经比标准经典芯片快1亿倍，因此剩下的问题就是这一设备是否为“真正的量子计算机”。
在这种情况下，我做的第一件事就是向Matthias Troyer（编者注：瑞士苏黎世联邦理工学院教授）求助。他可以算得上是世界上量子退火实验领域最为博学、公正而又值得信任的人了。令我高兴的是，Matthias简直是慷慨大方，他跟Ilia Zintchenko和Ethan Brown合作，针对新的结果写了一篇长达3页文章【4】，解释这一结果的来龙去脉，并允许我与大家分享。纯粹从科学的角度来讲，我的帖子到此已经可以结束了，只需要给出他们这篇文章的链接。
不过，依旧是从纯科学的角度来看，这个帖子可能应该更早地结束，把谷歌文章的链接放上来就是了，因为这篇文章并没有隐藏一些关键信息，让它的怀疑者仔细挖掘才能发现。相反，文章的作者中有这一领域中最为谨慎的人物，把人们可能问到的问题都解释清楚了。所以，在某种意义上，我或者Matthias可以做的，仅仅是告诉你，如果读这些文章，你会学到些什么。
那么，D-Wave 2X 是否加速1亿倍呢？这是我认为能做到不误导人、最为简短的答案：
是的，确实存有明显渐进行为的1亿倍加速，并且与量子蒙特卡罗（Quantum Monte Carlo, QMC）算法相比，也存在1亿倍的加速。但是，渐进的加速仅仅是在与模拟退火（simulated annealing）比较时得到的，而超过QMC的1亿倍加速则是一个常数因子，不是渐进的。而且，在一般情况下，如果与其他经典算法比较，两种加速都会消失。另外，常数因子的加速与其说和量子力学相关，倒不如说可能和D-Wave极度专业化的硬件本身更为相关，而后在模拟此专业化硬件这一问题上再与经典芯片做比较（即在D-Wave的Chimera graph架构上进行Ising自旋最小化）。因此，虽然确实是有货真价实而又有趣的进展，但是与已知最知名的经典算法相比，目前尚不清楚D-Wave的方法速度是否会提高，更别说那些还满足渐近的或者具有重要实际意义的最知名的经典算法。事实上，所有这些问题对于整个量子退火领域来说也都还是个谜。
展开来说，谷歌这篇文章实际上有三个独立的结果：
1. 作者通过Chimera graph中扮演核心角色的8量子比特“集群”，利用高而窄的能垒挡住了前往全局最小的路，从而构造了Chimera 实例。然后他们发现，正如2002年Farhi、Goldstone和Gutmann理论预言【5】的那样（这个预言我们此前经常在这个博客上讨论），对于这些特殊的实例，量子退火达到全局极小的速度要指数级快于经典模拟退火，而D-Wave利用了这一优势。就我而言，由此可以确定，在D-Wave中，或者至少在8量子比特集群中，发生了与计算有关的集体量子隧穿。另一方面，作者指出，还有其他经典算法，像Selby（在Hamze 以及 de Freitas的基础上）所构造的【6】，可以将这一8量子比特集群打包成可有256种取值的大变量，从而摆脱阻碍模拟退火的能垒。他们还通过经验得出，这些经典算法的表现要胜过D-Wave。作者利用量子蒙特卡罗方法也得到了与D-Wave相仿的渐近复杂度性能（虽然没有那个起主要作用的常数）。量子蒙特卡罗（尽管名字里有量子二字）是一种经典的算法，经常被用来寻找量子力学系统的基态。
2. 作者提出：可以隧穿高而窄能垒的这种能力——量子退火目前已经展现出来的相较于经典退火的核心优势——可能至少跟某些现实世界中的优化问题相关。他们试图通过研究一个经典的NP完全问题——数字划分（Number Partitioning），来说明这一点。在这个问题中，给定一个含N个正整数的集合，你的目标是把它们划分成2个子集，使得二者各自总和的差别尽可能小。通过在经典计算机上的数值研究，他们发现，对于随机的数字划分问题，量子退火（在理想情况下）和量子蒙特卡罗的速度应该都超过了模拟退火，超过的程度也差不多。请注意，本文的这一部分不涉及对D-Wave本身的任何实验，所以我们不知道误差校准、编码丢失等问题是否会抹杀其在理论上所具有的优势。不过即使没有抹杀，这仍然不能产生一个“真正的量子加速”，因为（再说一遍），量子蒙特卡罗是一种近乎完美的经典算法，其在这些问题上的渐近复杂度与量子退火相当。
3. 最后，对于这些能垒高而窄的特殊Chimera实例，作者发现，比起在单核计算机上运行的量子蒙特卡罗算法，D-Wave 2X达到全局最优的速度要快约1亿倍。但是，非常有趣的是，他们还发现，这种加速不会随问题规模的增长而增长，而是在大约1亿倍的时候就饱和了。换句话说，这是一个常数因子的加速，而不是渐进的。是的，显然，用“仅有”1亿倍加速（而不是渐进加速）的算法解决一个问题仍然具有实用价值！但重要的是，要知道，这个常数因子加速仅仅是在解决此类Chimera graph实例所对应的问题时才有的——或者本质上来讲，是在解决“模拟D-Wave本身”这一问题时才有的！如果你想解决实际的问题，你首先需要将它嵌入到Chimera graph，而目前还不清楚的是，这些常数因子的加速能力是否还存在。尽管这篇文章中没有明确说明，我依然相信，在任何情况下，当我们将其跟（比方说）Selby 算法相比时，常数因子加速会消失，更别说跟量子蒙特卡罗相比！
这篇新的谷歌文章给出了关于D-Wave能力到目前为止最为清晰的展示。但我要提醒的是，关于D-Wave的整个方案，量子计算研究者们从一开始便担心的问题是：纠错能力的缺失、有限温度量子退火的限制，我们缺乏明确的证据表明它能给出量子加速，以及急着搞出来更多的而不是更好的量子比特。我还会说，所有这些担忧不仅依然存在，而且还因为很多枝节问题也开始被人们处理，从而更加清楚明白地显现了出来。D-Wave 2X是一个伟大的工程。但是如果仍然不能在最广为人知的经典算法上展现出渐进加速的性能——这篇新的谷歌文章很清楚地表明它没有——那么这些担忧就不是无关痛痒的。更何况，这些原因似乎和十多年D-Wave 所做出的根本的设计选择是相关的。
现在明显的问题是：是否能通过改进D-Wave的设计，来得到一个渐进的加速，并且对所有的经典算法（包括QMC和Selby算法）都成立，还可以克服将“真实世界”的问题编码为Chimera graph所带来的时间代价？也许能，也许不能吧。谷歌这篇文章一遍又一遍地回到D-Wave的未来改进计划这一主题，并探讨它们可能如何清除那些障碍，达到“真正的”量子加速。粗略地说，如果我们排除推翻重来的办法，那么主要有四件事情可以试试看是否有效：
1. 更低的温度（因此有更长的量子比特生命期，以及在不发生跃迁到激发态的情况下获得更小的安全能隙）。
2. 对量子比特及其耦合更好的校准（因此能以更高的精度来编码感兴趣的问题，例如之前提到的数字划分问题）。
3. 能够运用“非量子随机”哈密顿量的能力。（D-Wave现有的机器都受限于量子随机的哈密顿量，后者被定义为所有非对角项均为非正实数的哈密顿量。从工程的角度来看量子随机的哈密顿量是更容易的，对于经典算法，例如QMC来说，它们也是最容易被模拟的——如此容易，以至于人们还在争论非量子随机量子退火是否在理论上可以有真正的量子加速）
4. 量子比特之间更好的连通性（从而减少将实际感兴趣的问题编码到Chimera graph中所付出的巨大代价）。
（注意，“更多的量子比特”不在这个名单上：如果利用D-Wave真能实现“真正的量子加速”，那么它们拥有的1000多个量子比特早够让人们看出个究竟了。）
不管怎样，这些当然都是D–Wave 的设计者们知道而且在不久的将来会做的事情。但是，即便D-Wave在这四个方面都做出了改进，我们仍然不知道是否会出现一个真实的、渐近的、胜过Selby算法的、克服编码代价的量子加速。我们只是不能肯定地说出那个否定的答案。
……
异邦骑士
这么说吧 上一本看完之后气的心血翻涌的还是绫辻行人那本不知所云的最后的记忆
连带着对封面那个白面具都有ptsd [怒]
一时之间不知道该从哪里骂起
看完之后 非常怀疑的重新确认了作者是不是岛田老师以及是不是他的什么隐藏的处女作
嘿 查了一下 还真是 好吧 我原谅了 才怪！！！
不过如果是御石粉的话可以忽略这本书所有糟心的地方
读到最后才发现是石冈和己和御手洗洁的初见记录
以及 被剧透了两个人结局的我被迫想起来n对be oe我的cp
为什么侦探和华生就没一对完美结局的 不是难以接受的分开 就是各自有了归宿 又不是gd要过审 cp粉心好痛 不要求两个人真的确定关系什么的 反而俗了 就一直搭档着破案不好吗 我的福华 我的波洛和上尉 古畑和今泉小可爱
好像推理故事中自带一种紧张感和不确定性 你怎么能确定 下一个被伤害的 不是你所珍视的人呢
但这俩人的分别我还是不能理解 御手洗洁觉得只要两人在一起 石冈和己就会依赖他永远不可能独立 那有没有一种可能 石冈他就没有侦探的天赋 但华生天赋满满呢[笑cry]
“御手洗也好，良子也好，之于石冈都是异邦来的骑士，是一生一次触之后再也难得的幻梦。如果说失去良子，是因为生理上的逝去，那么失去御手洗，大概就是从精神上细腻而缓慢地剥离。异邦来的骑士，终究要回到异邦；本就错误的人，也应该回到人海。这种钝刀子割肉般的钝痛，远超过瞬时失去的痛苦，所以御石的故事才因此更加迷人。”
言归正传 异邦骑士既指至情至性 为保护爱人牺牲自己的石川良子 又指一腔孤勇的黑暗骑士益子秀司 更是德西彪音乐下骑巨大摩托车在夕阳下的 宛如异邦骑士的御手洗洁
故事从一个失忆男人的自述讲起 来到“异邦” 记忆空白 举目无亲 结交了投缘的朋友和纯真可爱的爱人 一份无聊但安稳的工作 偶尔去朋友那里一起听音乐聊天 下班会看见拿着蛋糕在检票处等待的爱人 这生活似乎让人羡艳
但随着丧失的记忆一一浮现 悲惨的过往 决绝的复仇 杀人的真相被逐一揭开
其实从剧情推进上来说 是正常的 除去大量的日常到甚至有点枯燥的描写 还是挺能钓起读者好奇心的 主角真的杀人了吗 杀了谁 为什么要杀 后续要怎么结尾 又有哪里需要我们的侦探出马？
其实很明显可以看出是岛田老师的早期作品 构思上和后期螺丝人有相似之处 还有很多说不出的其他老师的情节大纲相似
文笔和人设上 那种忧郁又癫狂 悲伤又绝望 混沌又梦幻 自言自语 自我矛盾 自我放逐 是一贯的日式笔触 川端康成 三岛由纪夫 芥川龙之介 太宰治 都可以感受到类似感觉
就是那种大杂烩的感觉 才怀疑是岛田老师的处女座[摊手]
毕竟大多数人的艺术创作都始于模仿
日式华生 好多都是这种敏感多思 恋爱脑又容易情绪崩溃的人设
关口巽 石冈和己 叶村让 甚至连侦探也有一点 想起来大山诚一郎老师的华生力设定 近些年看到最有意思的侦探设定[哇]
可能是看过太多类似的设定 而且还是有一定的青涩的 看到最后只觉得前后割裂 有很多对不上的线索和铺垫 反转过于巨大和刻意
记忆障碍分析那块我以为自己在看311
以及前面大部分篇幅 更偏社会派一点 对社会 爱情 婚姻有很特别的思考
“音乐 真是不可思议 它竟然创造出人类感性深处的东西 或许是觉得记忆正好与感性毗邻 经过音乐的刺激 记忆中的情景就像沉睡的婴儿般被摇醒”
“男女之间所谓的‘爱情’ 或许本来就是有无数个误会 误解碰撞组成的幻想”
“男人和女人的交往 要打个比方的话 不就像我们脚下的轨道吗 虽然两边看似触手可及 但却永远不会交叉在一起——出身不同 教育不同 两个好像来自不同国家的人突然生活在一起 并且要求他们相亲相爱超过与他们有血缘关系的人 这种不合情理的事注定会失败 这是男人和女人邂逅的宿命”
“大众总是喜欢将真相扭曲到自己可以接受的程度 这是一种充满惰性的思维方式 在这种思维方式下形成的道德标准 根本狗屁不如”
“一个人的死会受到重视 是因为他有亲朋好友替他难过惋惜”
“这世上很多看似美满的婚姻 婚姻中的女方被当做贤妻良母受到众人的称赞 但其实在我看来 她们不过是为了生存 为了虚荣心 才会去紧紧依附那个被她们称作‘老公’的男人”
篇幅量把握的也不好 感觉这个故事根本没必要写的那么长 大部分篇幅在男主纠结到让人厌烦的思量上 男主作为第一人称 这些心理描写是必须的 但真的不需要那么多 一定的留白和浓缩会让读者觉得更饱满
尤其是千贺子日记 让人读的生理和心理双重不适 尤其是作为女性
全程一目十行过去的 就在感叹 怎么能有人那么蠢 以及反诈是多么重要 果然 蠢到那个程度的太假了
而且男主是那种过于冲动的性格 说什么信什么 不会查证 不动脑子 不会三思 看得人血压上升 但是想了一下 就是这种人适合当替罪羊啊[微笑]
唯一的亮点应该就在解密篇了吧 益子秀司这个角色可以说是完全盖过御手洗洁风头的
“谜题这玩意儿 解答比创作要简单好几倍 创作谜题需要过人的天赋 而解答谜题只是偶然的产物 需要的是天启而不是智慧”
虽然出场次数不多 正经出场也就两次 但真的让人印象深刻 尤其是他缜密又随机应变的能力 实施前长时间的背调 把每一种可能都考虑到并计划相应的对策 他骄傲又自命不凡 但这种人其实很容易被打倒而且落入怨天尤人的深渊 最后极端的报复社会
“我啊 是个从头到脚都被厄运笼罩着的人 要比喻的话 就像只全身上下都爬满了跳蚤的狗 必须时不时地抬起后腿来清理一下 不然就会痒得难受 只有当跳蚤都死光的时候 我才会觉得自己是个人”
“那家伙明知自己有被抓的可能 但还是来这里送信 犹如单身闯入敌阵”
其实前面对良子这个角色挺厌烦的 又是一个颠婆 但最后读完她的遗言又眼眶湿润 这本应该是个快乐又幸福的姑娘 良子一家的选择让人理解“穷到无法活下去” 但牺牲一个无辜的人去达到自己目的是完全错误的 自以为没有比他们更惨的了 就心安理得的去伤害其他悲惨的人 无耻 恶毒 可怜良子 一个人承担了所有的不幸
良子一家正应对着封面推荐语“除了怀疑和仇恨 我们还能坚守什么”
人是理性和感性拉扯生存的生物 大多数普通人的生活都是荆棘丛生的 还有一些极端不幸的人生活在常人难以理解的地狱之中 但身处这番困境中人所做的选择才是决定未来的最大因素
借用御手洗洁的吐槽 “老兄 我也是孤家寡人啊 你不要说得全世界只有你一个人孤单好不好”
以及 唯一觉得欣慰的是 石冈和己是有成长的 不论是这本书 还是在整个御手洗洁系列里 逐渐自信 开朗 尝试着自己推理解谜 并且引导犬坊里美解决案件
“这个世界由无数根线纠结而成 我们要学会区分美好和丑陋 区分之后 将它们拆开重组 用以织出一张属于自己的人生锦缎”
“当奇克·柯里亚的琴声登场时 我一定会回想起二十岁的御手洗骑着破烂摩托车在夜晚的荒川河堤上狂飙的情景 他那英姿飒爽的形象 就像一位跨乘铁骑 来自异邦的骑士”
这么说吧 上一本看完之后气的心血翻涌的还是绫辻行人那本不知所云的最后的记忆
连带着对封面那个白面具都有ptsd [怒]
一时之间不知道该从哪里骂起
看完之后 非常怀疑的重新确认了作者是不是岛田老师以及是不是他的什么隐藏的处女作
嘿 查了一下 还真是 好吧 我原谅了 才怪！！！
不过如果是御石粉的话可以忽略这本书所有糟心的地方
读到最后才发现是石冈和己和御手洗洁的初见记录
以及 被剧透了两个人结局的我被迫想起来n对be oe我的cp
为什么侦探和华生就没一对完美结局的 不是难以接受的分开 就是各自有了归宿 又不是gd要过审 cp粉心好痛 不要求两个人真的确定关系什么的 反而俗了 就一直搭档着破案不好吗 我的福华 我的波洛和上尉 古畑和今泉小可爱
好像推理故事中自带一种紧张感和不确定性 你怎么能确定 下一个被伤害的 不是你所珍视的人呢
但这俩人的分别我还是不能理解 御手洗洁觉得只要两人在一起 石冈和己就会依赖他永远不可能独立 那有没有一种可能 石冈他就没有侦探的天赋 但华生天赋满满呢[笑cry]
“御手洗也好，良子也好，之于石冈都是异邦来的骑士，是一生一次触之后再也难得的幻梦。如果说失去良子，是因为生理上的逝去，那么失去御手洗，大概就是从精神上细腻而缓慢地剥离。异邦来的骑士，终究要回到异邦；本就错误的人，也应该回到人海。这种钝刀子割肉般的钝痛，远超过瞬时失去的痛苦，所以御石的故事才因此更加迷人。”
言归正传 异邦骑士既指至情至性 为保护爱人牺牲自己的石川良子 又指一腔孤勇的黑暗骑士益子秀司 更是德西彪音乐下骑巨大摩托车在夕阳下的 宛如异邦骑士的御手洗洁
故事从一个失忆男人的自述讲起 来到“异邦” 记忆空白 举目无亲 结交了投缘的朋友和纯真可爱的爱人 一份无聊但安稳的工作 偶尔去朋友那里一起听音乐聊天 下班会看见拿着蛋糕在检票处等待的爱人 这生活似乎让人羡艳
但随着丧失的记忆一一浮现 悲惨的过往 决绝的复仇 杀人的真相被逐一揭开
其实从剧情推进上来说 是正常的 除去大量的日常到甚至有点枯燥的描写 还是挺能钓起读者好奇心的 主角真的杀人了吗 杀了谁 为什么要杀 后续要怎么结尾 又有哪里需要我们的侦探出马？
其实很明显可以看出是岛田老师的早期作品 构思上和后期螺丝人有相似之处 还有很多说不出的其他老师的情节大纲相似
文笔和人设上 那种忧郁又癫狂 悲伤又绝望 混沌又梦幻 自言自语 自我矛盾 自我放逐 是一贯的日式笔触 川端康成 三岛由纪夫 芥川龙之介 太宰治 都可以感受到类似感觉
就是那种大杂烩的感觉 才怀疑是岛田老师的处女座[摊手]
毕竟大多数人的艺术创作都始于模仿
日式华生 好多都是这种敏感多思 恋爱脑又容易情绪崩溃的人设
关口巽 石冈和己 叶村让 甚至连侦探也有一点 想起来大山诚一郎老师的华生力设定 近些年看到最有意思的侦探设定[哇]
可能是看过太多类似的设定 而且还是有一定的青涩的 看到最后只觉得前后割裂 有很多对不上的线索和铺垫 反转过于巨大和刻意
记忆障碍分析那块我以为自己在看311
以及前面大部分篇幅 更偏社会派一点 对社会 爱情 婚姻有很特别的思考
“音乐 真是不可思议 它竟然创造出人类感性深处的东西 或许是觉得记忆正好与感性毗邻 经过音乐的刺激 记忆中的情景就像沉睡的婴儿般被摇醒”
“男女之间所谓的‘爱情’ 或许本来就是有无数个误会 误解碰撞组成的幻想”
“男人和女人的交往 要打个比方的话 不就像我们脚下的轨道吗 虽然两边看似触手可及 但却永远不会交叉在一起——出身不同 教育不同 两个好像来自不同国家的人突然生活在一起 并且要求他们相亲相爱超过与他们有血缘关系的人 这种不合情理的事注定会失败 这是男人和女人邂逅的宿命”
“大众总是喜欢将真相扭曲到自己可以接受的程度 这是一种充满惰性的思维方式 在这种思维方式下形成的道德标准 根本狗屁不如”
“一个人的死会受到重视 是因为他有亲朋好友替他难过惋惜”
“这世上很多看似美满的婚姻 婚姻中的女方被当做贤妻良母受到众人的称赞 但其实在我看来 她们不过是为了生存 为了虚荣心 才会去紧紧依附那个被她们称作‘老公’的男人”
篇幅量把握的也不好 感觉这个故事根本没必要写的那么长 大部分篇幅在男主纠结到让人厌烦的思量上 男主作为第一人称 这些心理描写是必须的 但真的不需要那么多 一定的留白和浓缩会让读者觉得更饱满
尤其是千贺子日记 让人读的生理和心理双重不适 尤其是作为女性
全程一目十行过去的 就在感叹 怎么能有人那么蠢 以及反诈是多么重要 果然 蠢到那个程度的太假了
而且男主是那种过于冲动的性格 说什么信什么 不会查证 不动脑子 不会三思 看得人血压上升 但是想了一下 就是这种人适合当替罪羊啊[微笑]
唯一的亮点应该就在解密篇了吧 益子秀司这个角色可以说是完全盖过御手洗洁风头的
“谜题这玩意儿 解答比创作要简单好几倍 创作谜题需要过人的天赋 而解答谜题只是偶然的产物 需要的是天启而不是智慧”
虽然出场次数不多 正经出场也就两次 但真的让人印象深刻 尤其是他缜密又随机应变的能力 实施前长时间的背调 把每一种可能都考虑到并计划相应的对策 他骄傲又自命不凡 但这种人其实很容易被打倒而且落入怨天尤人的深渊 最后极端的报复社会
“我啊 是个从头到脚都被厄运笼罩着的人 要比喻的话 就像只全身上下都爬满了跳蚤的狗 必须时不时地抬起后腿来清理一下 不然就会痒得难受 只有当跳蚤都死光的时候 我才会觉得自己是个人”
“那家伙明知自己有被抓的可能 但还是来这里送信 犹如单身闯入敌阵”
其实前面对良子这个角色挺厌烦的 又是一个颠婆 但最后读完她的遗言又眼眶湿润 这本应该是个快乐又幸福的姑娘 良子一家的选择让人理解“穷到无法活下去” 但牺牲一个无辜的人去达到自己目的是完全错误的 自以为没有比他们更惨的了 就心安理得的去伤害其他悲惨的人 无耻 恶毒 可怜良子 一个人承担了所有的不幸
良子一家正应对着封面推荐语“除了怀疑和仇恨 我们还能坚守什么”
人是理性和感性拉扯生存的生物 大多数普通人的生活都是荆棘丛生的 还有一些极端不幸的人生活在常人难以理解的地狱之中 但身处这番困境中人所做的选择才是决定未来的最大因素
借用御手洗洁的吐槽 “老兄 我也是孤家寡人啊 你不要说得全世界只有你一个人孤单好不好”
以及 唯一觉得欣慰的是 石冈和己是有成长的 不论是这本书 还是在整个御手洗洁系列里 逐渐自信 开朗 尝试着自己推理解谜 并且引导犬坊里美解决案件
“这个世界由无数根线纠结而成 我们要学会区分美好和丑陋 区分之后 将它们拆开重组 用以织出一张属于自己的人生锦缎”
“当奇克·柯里亚的琴声登场时 我一定会回想起二十岁的御手洗骑着破烂摩托车在夜晚的荒川河堤上狂飙的情景 他那英姿飒爽的形象 就像一位跨乘铁骑 来自异邦的骑士”
✋热门推荐