亚马逊研究员最近成功地使用两台量子计算机创建了一个真正“随机”的数字序列。这种完美的随机数序列可以作为密码加密来保护不可破解的数据。
1.量子计算机如何提供随机性
经典和量子随机数生成之间的主要概念差异是：
（1）对于 QRNG 的第一步，原始随机性收集不像基于环形振荡器的 HRNG 那样基于经典物理学，而是基于量子物理学。因此，独特的量子特征允许创建新生成的随机性，而这些随机性可以证明是其他人无法提前知道的。
（2）在 QRNG 的第二步中，原始随机性不是放入 PRNG 中，而是放入随机性提取器(RE) 中。这些是经典算法，将多个潜在弱随机位源组合成一个输出字符串，该字符串变得（几乎）完全随机。重要的是，没有引入计算假设，因为使用 RE 进行后处理浓缩了来自不同来源的所有物理随机性。
简而言之，基于量子硬件和经典后处理的简单协议允许在不依赖计算假设的情况下创建（几乎）完美的物理随机性。
2.使用两个 QPU 生成随机性
下面随机数的生成是基于当今可用 QPU 的简单 QRNG 实现，而不是基于专为随机性生成而构建的特定量子硬件的 QRNG 实现。
首先，中等规模带噪声量子 (NISQ) QPU 是完全可操作的量子计算机，由于设备的固有噪声，可以对其进行编程以运行任意线路达到一定深度和量子比特限制。
其基本思想是利用量子力学中的叠加原理来产生n 个处于相等叠加态的量子比特：
然后在标准基中测量每个量子比特， 根据量子力学的数学规则，每个量子比特状态将以 50% 的概率坍塌为0或1。这导致n位串，如果所有操作都完美执行，结果本质上是随机的。
这意味着，即使从关于量子态的完整信息开始，原则上也不可能事先知道每个量子比特在测量时会坍塌到哪个值。
需要注意的是，这与依赖于受经典物理学控制的复杂系统的经典随机性生成器形成对比，其中的随机性来自缺乏有关系统底层状态的信息。
然而，这种方法存在的问题是，你不能完全依赖今天的 QPU，因为它们存在噪声。此外，由于量子物理学中的信息永远不会被破坏，因此有关噪声的信息实际上会泄漏到环境中。这为潜在攻击者提供了有关在 QPU 中获得的测量结果的量子信息。
可以通过以下方式克服这些问题：
(i) 使用两个独立的 QPU；
(ii) 为每个 QPU 中的噪声设置上限，从而确保总体上量子效应支配了单元中出现的噪声；
(iii) 执行经典的对通过双源随机性提取器 (RE) 获得的两个n位弱随机性串进行后处理，生成一个更短的 m
至此，便实现了真正的随机数。
图1｜使用两个 NISQ QPU 和经典后处理来生成随机性（来源：AWS）
简而言之，为了创建极其安全的随机性，AWS的研究人员使用了两个独立的量子计算机，通过应用“叠加”的量子特性，即量子比特保持 0 和 1 的线性组合叠加状态，量子比特状态如何到 1 或 0 完全是随机的。因此，无法预先估计量子比特在测量时会呈现什么状态。一串量子比特可以由相同的量子比特或完全任意的值组成，这产生了无法预先估计的“随机性”。
每台计算机都会创建自己独立的比特串，并将其标记为 "弱"。通过将这两个独立的字符串通过一个经典的算法，即随机性提取器（RE），这两个 "弱 "字符串可以被组合成一个几乎完美的 "随机 "量子比特字符串。
使用量子随机数生成器 (QRNG)，可以将这种近乎随机的量子比特串转换为完全随机的数字序列，然后可以再次使用此编号序列进行极强的密码加密。加密密钥的随机性越大，破解就越困难。
超随机加密具有巨大的潜力，例如，应用于超安全通信、加密政府文件以及保护区块链分类账等。但距离基于量子计算的超级随机数序列能够真正用于解决方案之前，还需要进行大量的研究。
引用：
https://aws.amazon.com/blogs/quantum-computing/generating-quantum-randomness-with-amazon-paket/
声明：此文出于传递更多信息。若有错误或侵权，请联系
