量子技术公司Terra Quantum昨日宣布，它已经对一些公开可用的模拟和原生量子计算平台进行了综合基准测试。该工作的目的是研究如何通过使用混合量子经典计算方法来提高量子神经网络的预测准确性和训练速度。

该基准测试研究发现，模拟量子处理器和经典高性能计算机的结合提供了具有最佳性能、最具成本效益和鲁棒性的方法。他们的首个基准测试于2022年11月25日完成，涵盖了IonQ、Rigetti、OQC、IBM、QMware和Amazon Braket的模拟和原生量子计算设备。随着技术的成熟，Terra还计划相应地不断进行基准测试并扩大研究。

Terra Quantum首席执行官兼创始人Markus Pflitsch表示：“我们的基准测试为评估量子计算实施情况的人提供了可靠的见解，能帮助他们有效利用当今的量子技术优势并为量子未来做好准备。我们的目标是不断为相关行业的领导者和行业专家提供最新的技术应用见解。”

QMWare的首席技术官兼联合创始人Georg Gesek表示：“我们发现，与使用当今技术的纯经典方法相比，只有模拟或量子计算机与经典高性能计算能力的结合才能提供具有竞争力的运行时间结果。该基准进一步强调，使用模拟量子比特的训练算法被证明是当今唯一具有商业可行性的选择，因为与使用原生量子处理器相比，它们仍然更便宜且更准确。”

Gesek继续说道：“对于需求少于30个量子比特的算法，模拟量子比特训练算法提供的结果要比原生算法更快。QMware的模拟量子处理器是迄今为止最快的公开可用选项，它适用于需求低于27个量子比特的算法。在基准测试中，QMware的软硬件平台处理数据的速度要比第二名快78%。”

Terra量子机器学习负责人Alexey Melnikov博士说：“在优化多线程和RAM利用率的专用硬件和软件组合上运行时，量子算法是表现最好的。这凸显了对像QMware这样可以执行多达40个量子比特算法的云平台的基本需求。至于物理QPU，一旦具有30个量子比特的物理设备有足够的质量，我们预计量子机器学习将具有实际优势。”（编译:Qtech）