划重点
01谷歌研究员Hrant Ghairbyan和Hayk Tepanyan共同创立了BlueQubit，致力于开发量子软件即服务(QSaaS)平台。
02该公司已完成1000万美元种子轮融资，由Nyca Partners领投，多家风险投资公司共同参与。
03BlueQubit的平台利用大规模经典计算资源开发和测试量子算法，然后部署到实际的量子处理器上。
04此外，BlueQubit在量子机器学习方面取得了重要突破，实现了具有27个量子比特、1000个参数的量子电路模型训练。
05由于此，BlueQubit的技术有望在金融、制药和材料科学等领域突破计算瓶颈，提供新的可能性。
以上内容由腾讯混元大模型生成，仅供参考
AI 要“落地”，量子计算也要“落地”。
2022 年，两位谷歌的研究员相遇在在加利福尼亚州圣莫尼卡的海滩上，他们坐在冲浪板上，听到了 IBM 量子团队关于超导量子比特进展的新公告，于是意识到量子计算领域正在以令人难以置信的速度发展，这一领域或许大有可为。就这样，BlueQubit 诞生了。
就在几天前，全世界再次领教了量子计算的强大能力，Google 发布的最新量子芯片 Willow 展现出惊人的计算潜力——在特定计算任务上，它能在不到五分钟内完成需要当今最快超级计算机耗时 10^25 年的运算。然而，如何将这种理论上的优势转化为实际应用中的价值，依然是一个难题。
而 BlueQubit 就致力于解决这一问题，当地时间 12 月 19 日，该公司宣布完成 1000 万美元种子轮融资。由 Nyca Partners 领投，Restive、Chaac Ventures、NKM Capital、Presto Tech Horizons、BigStory、Untapped Ventures、Formula VC 和 Granatus 共同参与。
BlueQubit 给出的解决方案是开发量子软件即服务（QSaaS）平台，为用户提供量子处理单元（QPU）和量子计算模拟器的访问服务。公司联合创始人兼 CEO Hrant Ghairbyan 在接受 TechCrunch 采访时表示：“我们利用大规模经典计算资源——特别是 GPU 集群——来开发和测试量子算法，然后再部署到实际的量子处理器上。这种方法使我们能够有效扩展，并在量子机器学习和量子优化领域开发新算法。”
图丨 BlueQubit 的平台（来源：BlueQubit）
Hrant 与另一名合伙人 Hayk Tepanyan 都曾有量子计算相关的学术背景。Hrant 这位 MIT 毕业生曾提出一种名为“虫洞传送”算法，该算法后来被 Google 量子人工智能团队在其超导处理器上实现。
图丨 Ghairbyan 提出的“虫洞传送”算法（来源：PRX Quantum）
在二人联手后，他们又着手在量子计算模拟器、量子数据加载技术等多方面开始进行创新，并取得了技术优势。
就其量子计算模拟器而言，通过采用 NVIDIA 的 cuQuantum 库和 Google 的开源 qsim 模拟器，他们的 GPU 加速版本在运行 34 量子比特的随机电路时，比 AWS Braket 的模拟器快 230 倍。在处理更深层电路（34x200）时，这一优势进一步扩大到 560 倍。即便是其免费提供的 CPU 版本模拟器，也保持着 12.7 倍的性能优势。
图丨这些平台 32x32 电路仿真运行时间的比较（来源：BlueQubit）
而在实现量子计算实际应用的过程中，数据加载一直是一个关键挑战。传统的量子数据加载方法通常需要指数级数量的量子门，这严重限制了其实用性。针对这一问题，BlueQubit 开发出了一种突破性的分层学习方法。
这一方法通过从较小的量子比特子集开始训练，专注于分布的粗粒度特征，然后逐步扩展规模，成功解决了传统方法中需要指数级量子门的问题。在实际应用中，这种方法在处理 MNIST 数据集时，仅用 10 个量子比特就实现了比现有技术高出两倍的准确率。
图丨网格上 6 个量子比特的分层结构电路示意图（来源：arXiv）
BlueQubit 的另一个主要创新在于量子机器学习（Quantum Machine Learning, QML）方面。
量子机器学习将量子计算与机器学习相结合，利用量子态的叠加特性，有望在处理复杂优化问题和模式识别任务时实现远超传统计算机的性能。这种新型计算范式在金融建模、药物研发等领域具有广阔应用前景。
然而，量子机器学习的实际应用一直面临着量子电路训练效率低下的挑战。在这方面，BlueQubit 开发出的新型伴随微分技术实现了重要突破。这项技术只需两次电路通过就能计算出变分量子电路中所有参数的梯度，成功实现了具有 27 个量子比特、1000 个参数的量子电路模型训练，显著降低了大规模量子电路训练的计算开销。
此外，他们还提出一种称为张量网络模拟器的量子编程的新方法。该技术能突破传统 36-40 量子比特的内存限制，在低纠缠度电路中可以模拟超过 100 个量子比特的系统。通过支持多节点 GPU 并行计算，BlueQubit 的模拟器的可扩展性主要受限于可用 GPU 的数量，为大规模量子系统的研究提供了强有力的工具支持。它代表着向使量子计算更加易于获取和适用于更广泛应用领域迈出的又一步。
BlueQubit 的技术可以在多个领域展现其实际应用价值。在金融领域，其高性能量子模拟器可用于投资组合优化、风险分析和衍生品定价等复杂计算任务。制药研发方面，量子计算技术可以加速分子动力学模拟、药物发现流程和蛋白质折叠预测等关键过程。在材料科学领域，这些技术能够助力新材料性质预测、材料结构优化和催化剂设计等研究工作。
Nyca Partners 合伙人 Tom Brown 表示：“我们一直在寻找能够帮助金融服务公司在量子计算时代来临时迅速适应的团队。Hrant 和他的团队拥有将理论付诸实践所需的背景、技能和动力。”
这轮融资将用于进一步开发量子软件平台，扩展研发团队规模，同时加强与各行业合作伙伴的合作关系。随着金融、制药和材料科学等领域已经开始触及经典计算的极限。BlueQubit 和其他团队的量子计算技术，或许能为各行业突破计算瓶颈提供了新的可能性。
参考资料：
1.https://www.bluequbit.io/quantum-data-loading
2.https://www.bluequbit.io/quantum-computing-simulators
3.https://arxiv.org/abs/2311.12929
排版：刘雅坤