DAOrayaki DAO研究奖金池：
资助地址: DAOrayaki.eth
投票进展：DAO Reviewer 1/0 通 过
赏金总量：45 USD
研究种类：Quantum Computing, D-wave Quantum Annealers, Random Numbers Generating
原文作者: Aniruddha Biswas
创作者：skyh@DAOrayaki.org
审核者：Tan Zhi Xuan@DAOrayaki.org
原文: QRNG: Generating Random Numbers from D-wave Quantum Annealers
引言
随机数通常是遵循两个基本条件的数字:
- 这些数在一个区间或集合上均匀分布。
- 基于过去或现在的价值观是很难预测的。
随机数在计算机科学、应用数学、物理学、化学和生物学等学科中占有非常重要地位。这为随机数的实际应用创造了大量空间。包括：
- 模拟金融中的科学计算，天气或生物系统和复杂的抽样问题都需要使用随机数。
- 在身份验证、 OTP 验证和安全密码构造等加密任务中，都需要用到随机数。
为什么使用量子随机数生成器？
我们目前使用的随机数生成器大多是基于一些算法。这并不能保证真正的随机性，因此它们被称为伪随机数生成器。
由于量子系统固有的概率性，真正的随机性可以很容易地在任何量子力学过程或事件中被观察到。这也是研究人员利用量子系统(又称量子随机数生成器)的威力提取真随机数的唯一原因。
提供 QRNG 服务
一个非常常见的基于量子电路的 QRNG 协议是在 | 0 > 或 | 1 > 状态的量子比特上使用 Hadamard 门。下左图展示了一个实验性的线性光学硬件实现，右边是一个等效电路表示。
在 | 0 > 态或 | 1 > 态上的 Hadamard 门可以产生 | 0 > 和 | 1 > ，即 | + > 和 |-> 的等价叠加，测量这种状态可以得到一个纯随机位(0或1)。现在有很多基于量子电路的 QRNG 服务，它们基本上遵循了同样的原则。
一些可用的量子随机数生成器如下：
- ANU QRNG服务: 这个产品可以在 AWS 交易市场得到
(https://aws.amazon.com/marketplace/pp/prodview-246kyrfjo3bag)
主页链接:https://qrng.anu.edu.au/. - IBM Qiskit QRNG 服务(与 CQC 提取器一起) : https://qiskit.org/documentation/stable/0.24/apidoc/ibmq_random.html
- http://qrng.physik.hu-berlin.de/download
- 人们可以使用任何可用的量子计算框架，如 IBM Qiskit, Google Cirq, Microsoft Q#, Rigetti PyQuil 等，来轻松地创建自己的 QRNG 服务。关注:
- https://shadab-hussain.medium.com/quantum-random-number-generators-qrngs-using-streamlit-7ca8f043b4c3
基于 d 波量子退火器的 QRNG
D 波退火系统的工作原理是非常独特的。它们从哈密顿的 h1开始(它的基态可以很容易地制备)。D 波认为 h1为初始哈密顿量，目标哈密顿量(H2)为伊辛型。问题的哈密尔顿函数被编码成 H2。
在基于门的电路模型量子计算机中，我们已经看到阿达玛门在 | 0 > 或 | 1 > 态上的应用产生了一个叠加态，而对这个等价叠加态(| + > 或 |->)的测量产生了一个随机位。现在如果我们回顾一下量子信息理论我们会发现。
Hadamard 门在 | 0 > 或 | 1 > 上的应用和从 Pauli z 到泡利 x 的哈密顿演化是等价的，因为这 两种运算把基从计算基改为对角基。图示可以是,
* |0>/|1> — —— — Hadamard Gate — — — — |+>/|->
* Pauli Z Basis — —— Hadamard Gate— — — —Pauli X Basis
在基于门的 QPUs 中，我们从计算基(| 0 > 或 | 1 >)开始，因此我们需要 Hadamard 门将基改为对角基或 Pauli x 基(| + > 或 |->)来产生一个随机位。
由于 d 波退火是从 H1(泡利 x 的叠加)开始的，我们可以将其演化限制到 H2，并通过测量得到随机位。
单 d 波退火量子比特实验
为了比较我们提到的技术与行动的Hadamard门的等效性，我们测试了它在一维波退火与1000测量镜头的量子比特。我们得到的结果非常接近于基于门电路的 Hadamard 概率分布。这证实了我们的协议。
如何得到随机数？
让我们设定随机位数组的长度是10。为了完成这个实验，我们将使用 d 波海洋(一个基于 python 的用于量子计算的 SDK)。
当 d 波本质上处理 h1时，我们只需要考虑 H2，它是伊辛哈密顿函数。因为我们想要阻止从 h1到 h2的演化，所以我们把 h2看作是一个10x10的 QUBO 矩阵，所有项都是0。采用 h2的全零点 QUBO 矩阵将有助于我们的退火系统在较长时间内保持在 H1(Pauli x)哈密顿量下，并且进行测量将保证位的随机性。
在这里，我们使用的是名为 D-wave Ocean、 Dimod、 Numpy 和 Pandas 的开放源码库，其中包含 IBM Qiskit 的可视化功能。
我们希望生成10个不同的随机数(每个都有10位长度) ，为此我们认为 h2是一个10x10的方阵(QUBO) ，所有元素都为零。最终将量子作业发送到 d 波量子处理器。
在接收到 d 波退火装置的输出后，我们还需要进行小的后处理来安排Pandas数据模型中的输出。随机数被从位字符串中提取了出来，并被添加到名为“ Numbers”的 Dataframe 列中。
实验结果及观察
这是完整实验的结果，我们得到了10个随机数，分别是118,664,108,662,,56,233,534,346,562 和775。右边的图片也显示了概率分布，它们看起来是统一的。
在较低的量子比特数(n = 4ー7)下，对于较高的采样数(镜头数 = 1000或更多) ，我们得到了较少的非均匀分布。但对于非常大的位字符串(10 < n < 20) ，对于较小/较大的采样率，我们得到了相当均匀的分布。
结论
虽然上述协议能够从 d 波退火设备中生成随机数，但是其输出的真随机性并没有得到市场上任何随机测试套件的验证。
如果您正在考虑基于此协议启动 TQRNG 服务，请在继续前执行“ NIST 随机性测试”。
参考资料：
- https://aws.amazon.com/blogs/quantum-computing/generating-quantum-randomness-with-amazon-braket/
- https://journals.aps.org/rmp/abstract/10.1103/RevModPhys.89.015004
- https://shadab-hussain.medium.com/quantum-random-number-generators-qrngs-using-streamlit-7ca8f043b4c3
- https://arxiv.org/abs/2001.10625
- https://quantumcomputinguk.org/tutorials/16-qubit-random-number-generator
- https://www.sciencedirect.com/science/article/pii/S1319157822000283
- https://qiskit.org/documentation/stable/0.24/apidoc/ibmq_random.html
通过 DAO，研究组织和媒体可以打破地域的限制，以社区的方式资助和生产内容。DAOrayaki将会通过DAO的形式，构建一个代表社区意志并由社区控制的功能齐全的去中心化媒体。欢迎通过文末方式提交与DAO、量子计算、星际移民、DA相关的内容，瓜分10000USDC赏金池！欢迎加入DAOrayaki社区，了解去中心化自治组织（DAO），探讨最新话题！
Media：https://media.daorayaki.org
Discord server: https://discord.gg/wNUPmsGsa4
Medium: https://medium.com/@daorayaki
Email: daorayaki@dorafactory.org
Twitter: @daorayaki_
微信助手：DAOrayaki-Media
小宇宙：DAOrayaki
详情请参考：
Dora Factory支持去中心化DAO研究组织DAOrayaki
DAOrayaki ｜DAOrayaki 开启去中心化治理2.0时代
DAOrayaki ｜风险投资的范式转移：无限主义基金和无限游戏
DAOrayaki ｜DAOrayaki dGov 模型：基于Futarchy的正和游戏
更多关于DAO的文章，关注Dorafactory，查看往期文章。
