科学家们制造出了两台尚处实验阶段的量子计算机，用以破解迄今最为复杂的问题，这似乎预示着“量子计算优越性是否可以实现”这一争论，即将划上句号——当量子计算优越性实现时，量子计算机的性能可以击败一切经典计算机。
撰文 "巴里·C。桑德斯（Barry C。 Sanders）
翻译 |李诗源
审校 | 白德凡
在两项单独的研究中，中国科学技术大学潘建伟领导的研究团队报道了他们的最新力作，在展示量子计算优越性上取得了重大进展。量子计算优越性指的是，可编程的量子计算机可以解决当今的非量子计算机（即“经典”计算机）无法解决的计算问题。此前，已有一些实验宣称实现了这一点，在引起广泛关注的同时也引发了争议。而人们争议的焦点在于，这些实验所展示的量子计算性能是否真的超过了现有的经典计算机。例如，有研究指出，这些实验并没有与最优的经典算法和实现方式进行比较。而在此次潘建伟团队的2项成果中，他们使用量子计算挑战了复杂度比以往实验高得多的问题，而经典算法和经典计算机很难在这些问题上与量子计算机匹敌。这些结果让我们更加坚信，我们已经迎来了量子计算优越性的时代。
在实践中，科学家会通过“取样问题”来展示量子优越性。取样问题是一类计算问题，它们的解是一种给定概率分布的随机事例（即样本）。如果经典计算机无法生成这些事例，而量子计算机能完成，那么我们就称实现了量子优越性。每当有实验宣称实现了量子优越性时，学界内总会产生一些合理的争议，讨论实验中所使用的经典算法是否是最优的。例如，当谷歌声称实现量子优越性时，IBM就针对这一点提出了质疑。
两套系统皆获成功
潘建伟和同事在光学和超导这两种独立的系统中展示了量子优越性，这一实验结果是非常令人信服的。在每一套系统中，他们都希望能够增加粒子（如干涉仪中的光子或超导线路中的量子比特）的数目，同时增加线路深度，即计算机在输入和输出之间能进行的顺序运算次数的最大值，以使经典算法无法模拟出结果。这些方法使对量子优越性的否定更加难以成立。他们还提供了进行更大规模的量子取样实验的思路，这可能彻底终结“经典”和“量子”之争。
光量子计算实验解决的是玻色取样问题。这一问题的原始形式包含严格的公式运算，需要搭建一个多通道的干涉仪，并向每一个输入端口发射一个或不发射光子。输入光子在穿过多通道干涉仪时会产生随机信号转换，然后研究者就可以在输出端口进行多光子符合（multiphoton coincidence）测量，以对信号进行表征。原始形式的玻色取样分析表明，在明确、似真（plausible）的假设和条件下，经典计算机难以解决对线路输出进行取样的问题，而量子光学干涉测量则可以高效地处理这一问题。
不幸的是，这种理想的数学表达式在实验上难以实现，所以科学家对原始的玻色取样问题进行了概括，转变成了“漫无目的”的玻色取样问题，并进一步得到了“高斯”玻色取样问题。高斯玻色取样问题正是新研究的实验对象，虽然它在实验上是可行的，但要证明量子优越性则更为困难。很多时候，学界关注的是相反的方向——“取笑”量子实验的结果，即修改经典算法，使之能够成功模拟出量子实验的结果，从而否定量子优越性的说法。
有一种办法能让量子取样实验逃脱被经典算法“泼冷水”的结局：显著地增大量子取样问题的规模。在潘建伟和同事最新的高斯玻色取样实验中，他们使用了受激压缩光源和相位控制设备，以确保不同的叠加态是彼此相干的，并最终在144模式的干涉仪输出端最多探测到了113个光子。他们运用组合学理论，分析了光子可以以多少种不同的路径通过干涉仪模式，从而在输出端产生多光子符合。结果表明，他们在1043维的希尔伯特空间内实现了取样。他们对非量子计算机进行这些运算的耗时和所使用的算法进行了合理的假设，计算出量子计算的速度比经典计算机快1024倍。这些新的实验结果是对已有成果的重大突破，也让人们越来越相信，几乎不可能有高效的经典算法可以处理这种取样问题。
在研究团队的另一项实验中，他们使用超导量子处理器进行了随机线路取样。这种线路相当于对输入的量子比特进行了幺正变换（unitary transformation），将这些量子比特全都设定为逻辑上的零态。在取样问题中，线路是随机选取的，系统需要随机生成对所有输出的量子比特进行测量的事例。研究团队相信，与光量子系统相似，对随机线路输出的量子比特取值的概率分布进行模拟，是很难用经典计算机完成的，而量子计算机则可以做到这一点。与光量子实验相同，这一实验的目标也是处理大规模的取样问题，系统具有大量的量子比特和较大的线路深度，这意味着从输入到输出要经过很多次量子逻辑循环。
研究团队使用66个功能传输门量子比特和110个可调谐耦合比特，实现了随机线路取样。随后，他们用其中的56个超导量子比特和最多20个量子逻辑循环，检验了量子优越性。使用规模缩减的系统进行实验，依然能够确保规模足够大、取得突破，而且不至于让任务变得过于复杂。尽管相比谷歌的53比特量子优越性实验，这一使用56量子比特的实验看起来增幅不大，但用经典算法来模拟新实验所需要消耗的经典计算机资源，比模拟谷歌的实验高要出数个量级，因为随着量子比特数线性增长，需要的计算资源会呈指数增长。
这两项实验表明，实验量子取样正在飞速进展，经典计算机和经典算法越来越难以否定量子优越性，也让我们更加笃信，我们已经来到了实现量子计算优越性的时代。既然量子计算机可以解决如此大规模的取样问题，而且效率远超经典计算机，那我们能不能用这些量子取样器来解决更有实际价值的计算问题？已有研究人员表示，这些取样器可以处理一些有意义的问题，尤其是在量子化学领域，但目前还没有有说服力的、用实验来展示这一点的报道。而新实验的成功，会进一步激发研究人员探索如何将量子取样技术投入实际应用。
原文链接：
https：//physics.aps.org/articles/v14/147
论文链接：
https：//journals.aps.org/prl/abstract/10.1103/PhysRevLett.127.180501
https：//journals.aps.org/prl/abstract/10.1103/PhysRevLett.127.180502
本文转自环球科学
