量子退火机市场上的高性能计算机用户或者正在从已拥有的机器中寻找获得最大收益方法的用户，这些人将受益于一种新的开源软件工具，该软件可用于在单个量子比特水平上评估这些新兴平台。

美国洛斯阿拉莫斯国家实验室的计算机科学家、人工智能专家Carleton Coffrin说：“我们的目的是要确认与校验量子退火。就像目前一些组织在购买一台新的经典超级计算机后所做的那样，他们会在大量基准上进行验收测试。由于在量子退火计算机上还没有很好的类似操作。因此，我们推出了新的量子退火单量子比特评估(QASA)协议，它为我们提供了一个验收测试的工具。”

Coffrin是“使用噪声模拟硬件加速组合优化”项目的主要研究人员，该项目团队近期发表了一篇题为“量子退火硬件的单量子比特保真度评估”的论文。

QASA对量子退火设备上的所有量子比特能并行执行，通过提供有关单个量子比特的主要指标（如它们的有效温度、噪声和偏置）对退火设备进行详细的表征。这项工作取得的关键突破是，量子退火硬件设备中的每个量子比特都能并行执行单量子比特模型。

Coffrin说：“QASA协议终将会有广泛的用途，例如用于跟踪和改进量子退火计算机的性能，并帮助硬件开发人员发现他们设备中的不同之处。”他还表示，通过该协议，量子退火机的用户还可以将他们的算法校准到特定的计算机上。

他指出:“描述系统中的噪声可能是其最具有影响力的能力，因为噪声是硬件中最不为人所知的一个方面。我们可以测量它，并了解它是如何在整个硬件中分布的。”

该协议阐明了整个计算机中量子比特属性的可变性。通过对每个量子比特的属性进行详细分析，量子退火机用户可以使用QASA快速验证其硬件的量子比特的一致性水平，并避免或补偿非理想的量子比特。用户还使用此信息来校准在特定硬件设备上运行的理想化量子模拟。

此分析还产生了几个关键指标，例如量子比特噪声，这些指标支持在开发量子退火硬件时跟踪并改进技术。

该论文中还指出。随着基于门的量子计算机和量子退火计算机已从科学研究转移成现实世界的任务。测量和跟踪量子硬件平台保真度的变化，对于理解这些设备的局限性和量化这些平台不断改进的进展是至关重要的。

Coffrin表示，在一个由数据驱动的发现过程中，洛斯阿拉莫斯团队使用机器学习和来自实验室D-Wave 2000Q计算机的数据开发了QASA协议，这种协议可以在任何量子退火机上运行。

“我们用D-Wave做了很多实验，为一个参数输入不同的值，然后观察会发生什么变化”。他说，结果是在图表上形成了一条令人惊讶的曲线。因此，我们必须开发一个新的理论模型来应对正在发生的事情。然后，该团队设计了一种将理论模型与数据相匹配的机器学习方法。

量子退火计算机的工作原理与基于门的量子计算机不同，后者使用的门类似于经典二进制计算机上的逻辑门。量子退火机是利用平稳的量子演化和基本的量子原理来寻找高质量的解决方案。

它能解决磁性材料、机器学习和优化等领域中具有挑战性的计算问题，所有这些问题都依赖于优化或在所有似是而非的答案中寻找最佳答案。例如，寻找运输车在多个地点投递包裹的最短路线，就是一个经典的优化问题。（编译:Julien）