如果你閱讀並關注人們關於量子計算的文章和言論，你會很快意識到，在量子計算能夠實現的幾乎不可想象的規模和當今量子計算機實際能夠做的事情之間存在相當大的差距。因此，當我們在 Dynex 的朋友和商業夥伴報告說，他們的量子仿真平臺提供了相當於數千個量子比特的計算能力——與其他公開可用的量子仿真平臺提供的數十個量子比特相比，我們既興奮又懷疑。
如果 Dynex 的斷言是真的，那麼可以想象他們的平臺可以在實驗室之外用於解決現實世界的問題。但是，Dynex 真的有可能提供遠遠超出其他方式的能力水平嗎？在我們看來，我們能夠回答這個問題的唯一方法是對自己進行一次控制測試。
Dynex 聲稱他們的量子仿真平臺能夠以遠超其他公開量子計算平臺的規模和性能執行量子算法。我們現已完成這項研究，我可以確認，在所有六個測試用例中，我們都成功複製了 Dynex 報告的結果。
話雖如此，我誠摯地邀請您不要輕信我的話。在 30 多年的新興技術工作經驗中，我對技術“突破”持謹慎態度。因此，我們願意向任何希望驗證自己能否重現類似結果的人提供完整的測試套件（包括實際的測試腳本）。
我們還與 Dynex 達成協議，允許他們訪問其平臺進行此類驗證。
正如關注 FSE 的各位所知，我們的核心原則是，只有當新興技術能夠幫助企業實現以前無法實現的目標時，它們才會創造價值。這對 Dynex 來說是一個更高的要求；他們不僅要證明其性能優於其他量子平臺，還要證明其平臺在解決同樣的現實問題時，其能力能夠與傳統計算解決方案相媲美，甚至超越傳統計算解決方案。
即使以這個更高的標準來看，Dynex 也在多個值得深入研究的高價值用例中展現出了有希望且意義非凡的結果。
因為報告共26頁，所以，篇幅所限，僅摘錄部分內容：
0.行動綱要
2025 年初，Dynex 公司將其量子仿真平臺用於一般用途。該平臺運行在基於 CPU 和 GPU 的經典編譯基礎設施上，為用戶提供建模和執行基於門和退火量子算法的能力。由於不同的建模方法，Dynex 斷言其平臺可以運行真正的量子算法，其能力和性能水平遠遠超過使用其他公開可用的量子計算平臺所能實現的水平。
Dynex 提出的另一個關鍵主張涉及性能和複雜性之間的關係。對於大多數量子算法來說，每當你增加一個因子，你的計算複雜度就成指數增長，Dynex 就斷言它們的平臺性能成次指數增長。換句話說，添加因子所增加的運行時間要少於添加這些因子所增加的複雜性。
為了提供這些斷言的證據和獨立驗證，Dynex 要求其集成合作夥伴 Finserv Experts (FSE)對其平臺的能力進行獨立評估。FSE 同意進行這項評估，條件是它要公開測試工具(包括測試本身的源代碼)，以便任何有興趣的人都可以完全複製測試結果。
FSE 公司和 Dynex 公司共同商定了六種情景，其中每一種都代表了表達量子能力的通用參考案例，
並且每一種都具有潛在的現實世界價值，以此作為此次評估的基礎。
（1） n 位加法器
（2） 旅行推銷員問題
（3） 反向電路執行
（4） 肖爾算法
（5） 蛋白質摺疊
（6） 使用 Grover 算法的反向散列
對於每個測試場景，FSE 試圖回答兩個問題:
【1】 有可能獨立驗證 Dynex 的結果嗎？
【2】 是否有潛在的真實使用案例，其中 Dynex 平臺的功能可用於交付具有可衡量價值的解決方案？
完成評估後，FSE 可以確認其能夠獨立實現 Dynex 聲稱的所有六種情況下的相同性能水平。FSE還可以證實，Dynex 關於亞指數標度的斷言似乎是正確的，至少在本次評估中測量的範圍內是如此。
明確回答第二個問題需要的不僅僅是評估 Dynex 性能指標的可重複性。這些指標可能明顯優於其他公開可用的量子平臺，但要具有真實世界的價值，它們還必須證明比實現類似目標的經典計算解決方案更具優勢。這種優勢的完全確認需要進一步的研究來驗證，但是有足夠的證據證明一些用例需要進一步的研究。
1.機會成本和動機
任何時間投資都有機會成本；對於像我們這樣的服務公司來說更是如此，
因為我們的時間就是我們的產品。Finserv 專家選擇投入時間有兩個原因:
（1） Dynex 已經選擇 Finserv 專家作為他們的集成合作夥伴。為了向我們的客戶提供基於 Dynex 平臺的解決方案，我們需要滿懷信心地參與進來，相信我們能夠複製Dynex 所宣稱的性能和功能水平。
（2） 我們公司的核心使命是幫助企業從新興技術中獲得可衡量的價值。量子計算是我們選擇發展能力的新興技術之一，但在很大程度上，量子技術尚未成熟到可以開始提供現實世界商業價值的地步。如果 Dynex 的說法是真的，那麼現在就有可能提供具有現實世界價值的解決方案，儘管目前 Dynex 提供的是一個量子仿真平臺。
2.Dynex簡介
Dynex 平臺通過使用常微分方程(ODEs)來模擬物理系統的動力學，引入了一種新的量子計算方法。這種方法允許 Dynex 創建它所謂的“算法量子位”。其目的是提供一種可擴展的和有效的方法來模擬經典硬件上的量子行為。
大多數現有的仿真器傾向於依賴於求解諸如薛定諤方程的偏微分方程(PDEs );由於複雜性呈指數級增長，他們很快就會碰壁。Dynex 設計了基於 ODE 的方法，旨在亞指數級擴展複雜性，從而釋放現有仿真器難以企及的性能。
作為比較:大多數領先的量子模擬器，如 IBM 的 Aer 模擬器或谷歌的量子張量網絡模擬器，在耗盡實際計算資源之前，都難以處理超過 30-40 個量子位。在硬件方面，今天最大的物理量子計算機，如 IBM 的 Osprey，目前運行著大約 433 個量子位。
Dynex 聲稱——本白皮書試圖驗證——他們的平臺可以在經典 GPU 基礎設施上處理相當於數千個量子位的數據，從而有可能提供複雜性高出幾個數量級的解決方案。
3.測試案例 1: n 位加法器電路
我們審查了 Dynex 提供的公共基準，其中團隊在 IBM AerSimulator 和 IBM 的量子平臺(127 量子位鷹 r3 QPU，~30K CLOPS)上計算了完全相同的量子電路。這些結果可以在 Dynex SDK 資源庫(https://github . com/Dynexcoin/Dynex SDK/tree/main/circuit _ scaling _ benchmark)中公開訪問，顯示了這兩種方法的實際侷限性。
在 IBM AerSimulator 上，限制是在資源需求呈指數增長之前可以模擬的量子位的數量，防止擴展超過幾十個量子位。
在 IBM Quantum 平臺上，瓶頸是糾錯:儘管 Eagle r3 設備上的物理量子位計數為 127，但噪聲和退相干限制了電路深度和保真度，使得將相同的計算擴展到小問題規模之外不切實際。
為了進一步澄清，Dynex 還發布了一個並排的對比視頻來說明這些發現
(https://github . com/dynexcoin/DynexSDK/tree/main/circuit _
scaling _ benchmark)。
總之，這些控制研究強調了領先仿真器和可用量子硬件的當前限制，並提供了一個透明的基準，可用於評估替代方法，如 Dynex 基於 ODE 的架構。
結果如下圖所示，Dynex quantum 仿真平臺能夠在不到 13 秒的時間內成功處理多達 100位的數字。
分析
Dynex 斷言可以獨立驗證嗎？
是的。我們能夠成功且獨立地複製 Dynex 報告的結果。
當前的業務能力水平可以用來交付現實世界的業務價值嗎？
對某些使用案例來說是。
測量的是什麼？
公共平臺上的量子加法器只能處理高達 26 或 64 的數字。Dynex 平臺證明它可以處理多達 2100 個數字，即 1，267，650，600，228，229，401，496，703，205，375。
觀察運行時間。
在整個測試範圍內，執行時間保持實用，僅從 6 位的約 6 秒增加到 100 位的約 13秒。如上文第 3 節所述，Dynex 的一個關鍵主張是，其方法支持相對於複雜性的亞指數級性能擴展。至少在測試的範圍內，證據似乎證實了這種說法。
背景和適用性
對一個 100 比特的數字來說，13 秒的處理時間遠遠超出了其他量子平臺報道的結果，但它仍然是不平凡的。這意味著現實世界的解決方案必須有針對性地利用這種能力，而不是蠻力計算能力。
就其本身而言，量子加法器的 100 位閾值可能足夠大，可以有針對性地用於投資組合分析、欺詐檢測或供應鏈規劃，但仍略低於藥物評估、網絡安全或氣候建模的要求。
4.測試案例 2:旅行推銷員問題
結論：Dynex 平臺能夠處理遠遠大於 IBM 和 IonQ 平臺所能處理的 TSP 問題。
測量的是什麼
這個評估集中在旅行推銷員問題(TSP)作為一個退火問題。目前的量子退火器，如 DWave 的 Advantage 系統，被限制在 5000 個物理量子位左右。實際上，由於嵌入開銷和噪聲，這將可解決的 TSP 實例的大小限制為相對適中的城市計數。相比之下，Dynex 成功執行了一個映射到 6400 量子位的 80 城市 TSP，大大超過了領先的商業 annealer 的有效硬件上限。
背景和適用性
這項研究將 Dynex 與量子退火平臺進行了比較，而不是與最先進的經典 TSP 解算器進行比較。經典系統已經取得了令人矚目的成就——例如，協和求解器成功地解決了一個 89，000 個城市的 TSP，但只是在 CPU 峰值負載下運行了一年多之後。
因此，懸而未決的問題是，在現實世界中，是否存在 TSP 複雜性的有用範圍，在該範圍內，Dynex 可以匹配或優於經典計算機，這些經典計算機不需要實驗室條件、專用硬件或運行時間，這些條件或時間會使它們無法用於日常實際目的。鑑於成功的TSP 優化在大量高影響行業中的潛在影響，我們認為這值得進一步探索。
- 反向電路執行
結論：Dynex 能夠對高達 1，028，171 的數字成功執行反向電路執行，大大超過了基於門或退火平臺獲得的結果。
當前的業務能力水平可以用來交付現實世界的業務價值嗎？
對某些用例來說可能是，但是需要進一步的研究來確定這一點。
在經典計算機上執行反向電路執行在理論上是可能的，但實際上無法大規模實現。這是因為只有經典邏輯門的子集是可逆的(例如，NOT 和 XOR)，而作為現代計算基礎的大多數門(and、OR、NAND)本質上是不可逆的。建造一臺只使用可逆門的經典機器是不切實際和低效的。
測量的是什麼
基準測試證實，Dynex 可以分解高達 20 位的數字(≈1，028，171)，擴展到 400 量子位。相比之下，目前可用的量子系統僅限於非常小的因素:IBM 和 IonQ 在 N=21時展示了結果，在 N=35 時展示了 D-Wave。
背景和適用性
在這種情況下，Dynex 平臺展示了反向執行量子電路的實際能力，使用整數因式分解作為參考工作負載。與其他測試相比，在所測量的範圍內，執行時間的增加更接近比例縮放，而不是指數縮放。相對於 RSA-2048 (617 位)等加密標準，分解一個 20 位的數字仍然很小，但它比目前在公開可用的量子硬件上實現的任何東西都要大幾個數量級。
就現實世界的適用性而言，很難對 Dynex 平臺上許多上述現實世界用例的可用性反向電路執行進行評論，因為沒有參考點與之進行比較，因為反向電路執行很少在經典計算硬件上實現。
有必要進行進一步的研究和原型製作，以確定使用 Dynex 平臺是否會對軟件開發、硬件設計或提高容錯能力產生有意義的影響。另一方面，Dynex 上的反向電路工程是否可以成為 quantum 軟件開發的有效調試和錯誤檢查工具，這可能是值得探索的，因為它可能有助於更嚴格的錯誤檢查，否則目前是可能的。
6.肖爾算法
結論：Dynex 能夠在不到一秒的時間內成功地對一個 40 位的數字(一個 13 位數的數字，具體來說就是 N=1，099，510，308，317)進行因式分解。有趣的是，計算一個更短的 20 位數字需要 2 秒多的時間。
測試用例描述
由麻省理工學院教授 Peter Shor 於 1996 年首次提出的 Shor 算法是一種用於尋找任何整數的質因數的簡潔而優雅的算法，即使是非常大的整數。
Shor 的算法簡單易懂，易於實現。該算法只有六個步驟；擁有數學學士學位並對Python 有基本瞭解的人可以在不到一個小時的時間內編寫代碼。
整數分解的問題不在於編寫這樣的腳本，而在於運行它。如果你能夠將地球上所有的計算能力整合到一個超級星系團中，並讓這個超級星系團去尋找一個 617 位數(RSA2048 私鑰的大小)的因子，那麼它的運行時間將比當前宇宙的年齡還要長。
由於它能夠同時處理多種可能性，量子計算有可能使 Shor 的算法變得微不足道。
這就是為什麼它是關於量子計算如何提供經典計算永遠無法完成的能力的唯一被引用最多的參考案例。
真實世界的使用案例
雖然 Shor 的算法有許多潛在的用例，但最令人感興趣和擔憂的是它對網絡安全的影響。如果 Shor 的算法可以使破解 RSA-2048 變得微不足道，它將使幾乎所有現代加密變得毫無用處，這意味著幾乎所有現有的軟件應用程序都將對誤用、盜竊和惡意攻擊敞開大門。
該行業非常重視這一威脅，並投入數十億美元開發和採用新的加密方法(通常稱為後量子加密，或 PQE)，一旦量子計算變得可行，這些方法仍然是安全的。
控制基線
在撰寫本文時，量子計算機使用 Shor 算法成功分解的最大數是 N=21。在這個表示中，N 代表被分解的實際數字，所以 N=21 的解是 3 和 7。
光子系統(2011 年):
Politi，a .等人(2011 年)。"光子芯片上的肖爾量子因子分解算法."科
學，325(5945)，1221–1224。DOI:10.1126/科學. 1173731。
o 細節:演示了使用 2-4 個量子位的光子量子芯片的因式分解。該實現使用了
Shor 算法的編譯版本，其中模冪運算被預先簡化，從而減少了電路深度。
的成功概率約為 90%,略低於。該實驗依賴於經典的預先計算來確定週期發
現步驟。
o 相關性:確認為光子系統的里程碑，但可擴展性受到光子損失和門保真度的限制。
離子阱系統(2012 年):
馬丁-洛佩茲等人(2012 年)。" Shor 量子因子分解算法的核磁共振實驗實現."自然，486，195-199.DOI: 10.1038/nature11111。
o 細節:使用離子阱激發的 7 量子位核磁共振量子系統進行分解。該電路通
過模冪運算進行了大量優化針對特定情況進行了簡化(，第 2 期)。經典預處理將量子操作減少到幾個受控門。
o 相關性:作為離子阱類系統的最大因子得到驗證，但由於依賴於特定
的數字屬性，該方法不可推廣。
超導量子比特系統(2012–2016):
Lucero 等人(2012 年)。"用約瑟夫森相位量子位處理器計算質因數."自然物理學，8719–723。DOI: 10.1038/nphys2385。
o 細節:使用 4 量子位超導處理器進行分解(谷歌/UCSB 團隊)。後來的一個實
驗(沒有完全發表，但在 talks 中提到了)擴展到了一個類似的平臺上，具
有 5-6 個量子位，使用編譯的 Shor 算法和預先計算的模運算。
o 相關性:顯示超導量子位實現，但與限制一般性的簡化。
全面審查(2020 年至 2023 年):
Amico，m .等人(2020 年)。"整數因式分解的量子計算的狀況."量子科學
與技術，5(3)，033001。DOI: 10.1088/2058-9565/ab8b6d。
o 細節:回顧實驗進展，指出跨平臺(光子、離子阱、超導)的物理硬件是最
大數量的因素。強調所有演示都使用定製的電路，並針對具體情況硬編
碼了模冪運算。更大的數字(例如)在模擬或經典量子混合中被考慮，而
不是純粹的量子硬件。
o 相關性:由於 NISQ 約束(量子位計數約 5–10，門誤差約 1%)，確認為實際極限。
最近的教程和社區見解(2024–2025):
Qiskit 教程:《肖爾算法》。在 IBM 的量子模擬器和小規模硬件(如
ibmq_nairobi 等 7 量子位系統)上實現和。請注意，由於電路深度(約
20–30 個門)和噪聲的原因，是硬件上演示的最大值。
量子計算棧交換(2023):“肖爾算法在實際硬件上因子分解的最大數是多
少？”。共識指出，引用光子和超導實驗，由於相干性限制，除此之外沒
有可靠的演示。
當前的業務能力水平可以用來交付現實世界的業務價值嗎？
沒有達到測量的水平。雖然 Dynex 量子仿真平臺明顯優於其他公開可用的量子平臺的公開結果，但這與在經典計算機上運行其他因式分解方法所能實現的結果相差甚遠。
測量的是什麼
該評估使用了 Shor 算法，該算法被實現為用於整數因式分解的量子門電路。目前的量子硬件仍然侷限於非常小的數量:IBM 和 IonQ 已經報告了 N=21 左右的結果，而 DWave 已經顯示了 N=35 的結果。相比之下，Dynex 成功執行了N=1，099，510，308，317 的短路電路，運行時間不到 1 秒。
背景和適用性
Dynex 已經表明，它可以在不到一秒的時間內分解一個 13 位數字，當你考慮到其他量子平臺最多隻能分解 2 位數字時，這是非常令人印象深刻的。這個結果還沒有達到在專門的經典硬件上可以達到的程度；Pollard 的 Rho 等算法已經可以在單個 CPU 上在相似的時間範圍內分解 100 到 130 位的數字。
即便如此，Dynex 獲得的結果仍然值得進一步探索和實驗。沿著測量範圍的縮放曲線與我們在其他量子平臺上看到的完全不同，低到足以讓我們想知道當前的 Dynex 平臺可能是什麼最大限度地。
7.蛋白質摺疊
結論：Dynex 能夠成功地採用基於 2D 晶格的優化方法，在 26 秒內預測 77個氨基酸鏈蛋白質的最終形狀。
測量的是什麼
這個問題的數學複雜度從 3 個氨基酸的少量運算到 77 個氨基酸的大約 1.5×10。
儘管理論上的複雜性呈指數級增長，但 Dynex 的運行時間增長有限:從非常小的系統的 0.02 秒到 Swiss-Prot 的 25 秒。這顯示了在測量範圍內的亞指數標度曲線。
背景和適用性
雖然有參考研究集中於在經典計算平臺上使用這種數學技術進行蛋白質最終狀態預測，但這些實驗中沒有兩個是以相同的方式建立的；需要進一步的控制實驗來評估。
Dynex 方法似乎確實優於或至少匹配 alpha 摺疊的性能(取決於硬件的選擇)，但是斷言 Dynex 是潛在的現實世界選擇還需要在一致的實驗條件下將其與純粹在經典計算平臺上實現的其他基於 2D 晶格的優化實現(即，沒有量子仿真)進行比較。
- 使用 Grover 算法的反向散列
結果：Dynex 平臺已經能夠成功實現高達 128 位的反向散列。
測試用例描述
格羅弗的算法解釋
格羅弗算法是一種搜索方式，它利用了量子計算機同時執行同一操作的多個版本的能力。
想象一下，必須從大量的可能性中選擇一個特定的可能性，我們將稱之為 N。這些可能性沒有任何順序，所以我們必須逐個測試它們，這意味著平均來說，我們必須評估大約一半的可能性，或 N/2，才能找到我們正在尋找的可能性。
格羅弗算法是一種提高概率的方法，每次我們從 N 個可能性中選擇一個進行評估時，我們都選擇了正確的一個。這被稱為二次加速；我們要檢查的可能性的平均數從 N/2 到 N(N 的平方根)。
因此，舉例來說，如果我們必須使用常規搜索從一百萬種可能性中挑選正確的選擇，平均來說，我們必須在找到正確的選擇之前查看 50 萬種可能性；如果我們能夠使用 Grover 的搜索，我們平均只需檢查 1000 種可能性，就能找到正確的一種。
反向散列解釋
散列是將一組數字或字符數據轉換成另一組數據的操作。哈希的獨特和有用之處在於它們是不可逆的；如果你只有轉換後的數據，那就沒辦法計算了原始數據是什麼；您必須逐個檢查輸入數據的每個可能值，並對其應用哈希函數，以查看它是否是正確的值。
反向散列正是這個過程:在散列之前試圖找出原始值。對於任何大型數據集來說，反向散列實際上是不可能的，因為有太多的可能性，但 Grover 的算法(至少在理論上)可以通過增加您選擇正確選項的概率，大幅減少您必須檢查的選項數量，從而使反向散列變得更容易。
真實世界的使用案例
與 Shor 算法一樣，Grover 算法最重要的用例是在網絡安全領域。
哈希是用於存儲密碼的主要方法。當用戶在網站或軟件產品上創建帳戶時，他們創建的密碼將在存儲之前進行哈希處理。稍後，當用戶嘗試使用該密碼登錄時，用戶的輸入將再次被哈希，哈希後的輸入將與存儲的哈希進行比較，以查看用戶是否輸入了正確的密碼。
哈希無法重建原始密碼；你必須反覆猜測，直到猜對為止。對於非常長的密碼，猜對的可能性幾乎為零，但 Grover 的算法可以大大減少您為獲得正確答案而必須進行的猜測次數。
哈希也是用於類似地保護區塊鏈或分佈式分類帳中的數字簽名和條目的方法。
控制基線
在現有的公開可用的量子平臺上測試反向散列函數還沒有被證明。格羅弗的算法迄今為止只被實施為非常小的概念驗證實驗——通常在 2 到 8 個量子位的範圍內——這不足以在實踐中測試甚至最簡單的哈希函數。
迄今為止，還沒有一家量子計算公司發佈過一個有用的 Grover 實現，它可以在與現實世界應用相關的規模上運行。IBM、IonQ、Rigetti 和其他人的公開演示僅限於用來證實理論原理的玩具電路，而不是用來解決有意義的反向散列問題。
因此，沒有來自現有量子硬件的既定基線，可以直接與 Dynex 的結果進行比較。
因此，Dynex 基準測試代表了首次嘗試以足夠大的規模(高達 128 位)運行 Grover式電路，以測試它們與實際問題的潛在相關性。
當前的業務能力水平可以用來交付現實世界的業務價值嗎？
可能是；需要進一步研究。
測量的是什麼
該基準測試評估了 Grover 的反向散列算法。雖然當前的量子硬件僅限於非常小的測試案例，但 Dynex 執行的 Grover 電路高達 128 位(128 量子位)，大大超過了公開可用的量子平臺的能力。
在所測量的範圍內，潛在問題的複雜性呈指數增長，從 4 位的約 10 次運算增加到128 位的約 10 次 。⁸ 儘管如此，Dynex 的運行時間在整個測試範圍內保持平穩:4-64 位時約 15 秒，128 位時僅約 18 秒，這進一步支持了 Dynex 的斷言，即他們的平臺提供了更接近比例而非指數的性能/複雜性擴展。
背景和適用性
像 SHA-256 這樣的現代哈希算法，結合 8 個或更多字符的密碼，即使在全功能量子中也能保持安全電腦；即使有 Grover 的二次加速，仍然有太多的可能性需要測試。然而，有許多傳統軟件和過時哈希方法的實例，原則上，Dynex 展示的能力可用於暴露漏洞。
本研究的目的不是支持攻擊，而是確定何時可以訪問此類能力，以便企業可以在暴露之前主動保護系統。
也就是說，有許多潛在的用例不是網絡安全攻擊，其中 Grover 風格的方法可以在當前 Dynex 平臺所展示的能力水平上增加現實世界的價值。值得進一步探索的幾個用例可能包括:
（1） 數據恢復:在使用早期較小散列方法的受損或降級存儲設備上定位信
息。
（2） 蛋白質設計:將所需的蛋白質屬性編碼為散列值，並使用反向散列法在巨大
的蛋白質空間中有效地搜索，以識別與這些屬性相匹配的候選者。
（3）後量子加密研究:針對 Grover 式的量子搜索對新的加密方法進行壓力測試，以驗證它們在大規模部署前的彈性。
（4）數據庫搜索和優化:應用類似 Grover 的搜索技術來加速大型數據庫中結構化和非結構化數據的查詢。
（5） 人工智能和機器學習:探索基於 Grover 的原語，用於加速模型搜索、超參數調整或模式匹配。
（6）錯誤糾正和驗證:在經典檢查方法變得低效的大規模分佈式系統中，使用反向散列作為錯誤檢測的工具。
9.摘要
Dynex 對他們的量子仿真平臺的能力做出了一些值得注意的聲明，聲稱它可以明顯優於大多數公開可用的量子計算平臺。如果他們的說法是真的，那麼至少 Dynex 平臺將使量子計算軟件開發技術的更廣泛的測試和原型化成為可能，而不是在公開可用的量子計算平臺上。但除此之外，他們的一些說法如果屬實，則提高了即使作為量子仿真器，Dynex 平臺也可以用於提供具有現實價值的解決方案的可能性。
我們這項研究的目的是回答兩個問題:
【1】 有可能獨立驗證 Dynex 的結果嗎？
回答是絕對肯定的。
我們詳細地回顧了測試用例的實現，獨立地執行了腳本，並根據已知的參考驗證了結果。在每種情況下，我們收到的結果都與 Dynex 報告的結果相似。
【2】是否有潛在的真實使用案例，其中 Dynex 平臺的功能可用於交付具有可衡量價值的解決方案？
答案也是肯定的，但這是一個更有限定性的肯定。
在我們的研究中，Dynex 似乎在所有六個文本案例中都優於公開可用的量子平臺，但是這些測試案例必須參考量子算法；在其中一些情況下，傳統的經典技術仍然產生好得多的結果(例如 TSP)。
然而，在一些目標使用案例中，當前的 Dynex 平臺有潛力提供超過傳統計算技術的結果或與之競爭的結果。這些用例可能包括但不限於投資組合分析、供應鏈優化或蛋白質的最終形狀預測。
10.後續步驟
- 這項研究的下一步
任何此類研究的最終驗證是其結果的可重複性。在此基礎上，我們與 Dynex 達成一致，將這項研究的源代碼提供給任何希望自己運行腳本並驗證自己能夠重現相同結果的人。我們附加的唯一條件是，任何進行這些測試的人事後都要與我們分享他們的發現。如果您想親自驗證這些結果，請發送電子郵件至
dynex_study@finservexperts.com 。
如上所述，在許多使用案例中，這些初步結果表明，Dynex quantum 仿真平臺的當前功能已經足夠強大，可以在實驗室之外的真實場景中增加可展示的價值。因為我們正在討論量子計算在能力上可能有所突破的一類問題，所以毫不奇怪，所有這些場景都代表著高度複雜的問題，不能掉以輕心。下一步將是更有力地驗證Dynex 平臺在這些場景中的實用性，最好是與已經在相關解決方案領域擁有深厚專業知識的公共、私營或學術企業合作。
- Dynex 的下一步
Dynex 平臺的當前版本是基於軟件的；它運行在基於 CPU 的硬件上。但是，即使這項研究已經證實它明顯優於其他公開可用的量子平臺的公佈結果，Dynex 認為基於硬件的解決方案將帶來更大的進步。
為此，Dynex 正致力於在一種名為 Apollo 的專用硅芯片上實現這一方法，Dynex表示，該芯片將在室溫下運行的神經形態架構中運行 1000 個物理量子位。他們超越阿波羅的路線圖設想了一系列進一步的版本，將這種能力提高多個數量級，長期目標是到 2034 年達到 100 萬物理量子位。
- Finserv 專家的下一步行動
我們在 FSE 的使命是幫助我們的客戶設計、開發和部署新的商業模式，如果沒有新興技術帶來的新能力，這是不可能的。
我們不是量子科學家，也沒有資格對 Dynex 方法是否構成量子計算的“真正”模擬，或者他們計劃的硬件發佈是否構成“真正”的量子位發表意見。
我們可以評論什麼，我們有資格評估什麼，最終我們真正關心的是證據確鑿的結果。這項研究令我們滿意地表明，Dynex 完全有能力提供他們聲稱可以提供的結果。此外，有理由相信 Dynex 已經展示的能力水平會對某些目標用例產生影響。
我們的下一步是開始與我們的客戶合作，探索如何部署這些新功能，以提供以前不可能實現的新功能。————————————————版權聲明：本文為CSDN博主「愛比特」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明。原文鏈接：https://blog.csdn.net/u010876122/article/details/151117714
