诸如城市交通流量或大脑神经放电等系统的计算机模型往往会消耗大量内存。但是一种使用量子模拟器的新方法可以通过对时间采用量子方法来显著减少内存的使用。唯一的代价是过去记录的减少。

这一建议来自新加坡的研究人员Mile Gu和Thomas Elliott，他们在3月1日发表的一篇论文中描述了他们的提议npj量子信息．顾在新加坡南洋理工大学量子技术中心工作，艾略特也在南洋理工大学。

为了进行模拟，传统计算机必须将时间分割成离散的步骤。顾长卫用一种古老的计时方法来做类比:沙漏。“把沙漏放大，你可以看到沙粒一个接一个地落下来。这是一种颗粒流。”

就像沙漏需要更细的沙子来更精确地测量时间一样，计算机需要更细的时间步来进行更精确的模拟。事实上，最理想的情况是连续地模拟时间，因为根据我们最好的观察，时间似乎是连续的。但这意味着一个真正精确的经典模拟需要无限的内存来运行这样的程序。

虽然这在经典计算机中是不可能的，但量子效应提供了一种变通方法。Elliott解释说:“使用量子模拟器，你可以避免传统设备必须承受的精度与存储之间的权衡。”

为了解释它是如何工作的，假设你需要赶一辆公共汽车。如果你到达车站时正好看到一辆公共汽车离开，那么你现在预计下一辆公共汽车到达的时间将比你刚刚没有看到一辆公共汽车离开的时候要长。这是因为一辆公共汽车到达的概率并不总是恒定的，而是取决于距离最后一辆公共汽车到达的时间。

为了模拟概率随时间变化的类似过程，一台普通计算机按设定的时间间隔计算结果。例如，它可以将公共汽车到达时间的概率分成30秒的间隔，在每个间隔后根据公共汽车是否到达(或未到达)更新这些概率。为了更精确地知道公交车什么时候来，或者精确地模拟更大、更复杂的交通网络，需要更小的时间步长，因此需要更多的内存。

在这种经典的方法中，人们通过计算从上一个总线经过的时间来进行预测。这看起来很符合逻辑，它是最好的经典方法。然而，量子物理学允许一种完全不同的方法。

一个量子模拟器可以同时处于多种不同的状态，每种状态都有其实现的可能性。这就是所谓的量子叠加现象。Gu和Elliott的建议是将他们想要模拟的事件的时间概率分布编码为不同状态的概率权重。如果叠加是在粒子的位置等属性中产生的，粒子本身可以连续进化，那么时间也可以连续跟踪。因此，丢弃一些关于运行时间的信息是有可能的——在不牺牲预测准确性的情况下，获得更高的内存效率。

这种收获是以失去对过去的了解为代价的。过去的时间——换句话说，是过去的记录——不能完全从叠加中恢复，但所有的预测能力都保留了下来。

“最终，在做出预测时，我们并不关心我们已经看到了什么。相反，我们只关心这些观察结果告诉我们下一步我们会看到什么。量子物理学允许我们有效地分离这些信息。”艾略特说道。

---

了下:快速原型

---