编辑：桃子 好困

【新智元导读】量子计算机和经典计算机之间的较量，是永恒的。谷歌最新Nature研究中，证明了随机电路采样可以容忍多大噪声，依旧实现了量子霸权。

5年前，谷歌高调宣布实现「量子霸权」，创下量子计算新纪录。

然而，当今量子计算机进展迟缓，一大悬而未决的问题是——错误率频出。

尽管22年5名计算机科学家似乎攻克了这一难题，但至今我们仍无法get，量子计算机可以容忍多大误差。

恰好，谷歌团队最新Nature论文，精准描绘在随机电路采样（Random Circuit Sampling，RCS）实验中，如何实现量子霸权。

论文地址：https://www.nature.com/articles/s41586-024-07998-6

他们使用了名为Sycamore的量子计算机，来运行简单算法RCS，本质上是生成一个随机值序列。

通过分析Sycamore输出的结果，当其在运行RCS时并在高噪声干扰模式下，能够被经典超算「模拟」、超越。

然而，当噪声降低至某个阈值以下时，Sycamore计算变得非常复杂，以至于模拟无法实现。

谷歌表示，即使是世界上最快的经典超算，预估也需要10000年才能完成。

RCS这种全新方法，使得量子计算机性能，大幅超越经典超级计算机。与2019年相比，在相同保真度下，电路体积增加了一倍。

量子计算的关键基准：随机电路采样（RCS）

量子计算机概念首次被构想出来，可以追溯到上个世纪80年代了。

当时，科学家们对此寄予厚望，希望其能够解决经典计算机的难题。

过去5年来，不论是谷歌、微软，还是IBM等大厂，都在研发量子计算机，以解决饱受诟病的噪声问题。

2019年，谷歌宣称其量子计算机可以运行RCS，并取得量子霸权。

论文地址：https://www.nature.com/articles/s41586-019-1666-5

但没过多久，谷歌这一说法就被推翻了。因为研究者们发现，经典超算也能够比预估更快地运行该算法。

而如今，在噪声中等规模量子（Noisy Intermediate-Scale Quantum）时代下，量子处理器展示出显著的潜力。

但它们容易受到随时间累积，并限制其有效处理量子比特数量的错误（即噪声）的影响。

由此，这引发了一个基本问题——

尽管量子计算中存在噪声限制，这些AI系统能否继续在特定应用中，提供实际价值并超越经典超算？

最新研究中，谷歌团队通过研究随机电路采样（RCS），将其作为评估量子计算机伴随噪声情况下，性能如何来回答这个问题。

他们揭示了两种不同的相变，它们支配着量子计算机随噪声强度、处理量子比特数量变化的行为。

即使是量子比特噪声微小差异，比如99.4%的无错误率提高到99.7%，也会导致Sycamore像是处在一种全新状态。

更形象的比喻，就像是物质突然从固态，转化成液态。

谷歌研究人员Boixo解释道，「噪声的作用是将系统变得更加经典化」。

研究表明，一旦运行67个量子比特的升级版Sycamore超过某个噪声阈值，其RCS输出无法通过经典计算机模拟。

令人兴奋的是，研究证明了RCS在大规模实验中可靠性。同时，意味着它可以成为，有效衡量量子计算机性能的一个指标。

如前所述，Nature研究显示，在相同保真度下，电路体积比2019年的结果增加了一倍。

这意味着，谷歌量子计算机能够处理更复杂的计算任务，同时保持相同的准确度。

结果表明，即使在当前噪声水平下，嘈杂量子计算机也具备超越经典超级计算机的潜力。

正如谷歌所言，这是朝着开发量子计算机实际应用迈出重要的一步，为未来量子计算在各个领域应用，奠定了基础。

Quantinuum量子计算研究员Michael Foss-Feig表示，这项研究揭示了，量子计算机可以承受多大噪声，并仍超越了经典超算的性能。

中科大物理系教授陆朝阳指出，经典计算机和量子计算机之间的持续竞争，一直是该领域的驱动力。这种竞争激励研究人员构建更大、更高质量的量子计算机。

尽管如此，谷歌研究最新结果，并不代表了量子计算机将取代经典超算。

比如，Sycamore仍无法执行普通计算机的典型操作，比如存储照片、发电子邮件。

RCS基准测试提出了一个被认为对经典超级计算机来说难以处理的计算任务，这对于展示量子霸权（quantum advantage）或「超越经典」能力至关重要。

对经典计算机来说，挑战在于信息的指数级增长——随着量子电路规模的扩大，描述其状态所需的信息量会呈指数级增加。

这意味着，即使完全了解电路的设计（每个门及其操作），试图完全模拟电路或从其输出分布中采样的经典计算机也将难以跟上计算需求。

RCS提供了对设备量子电路体积（quantum circuit volume）的全面评估，这是一种考虑电路结构并反映模拟它所需的最小经典资源的度量，更高的值表示计算机更强大。

研究小组利用这个基准测试来确定量子计算机可能在哪些方面超越经典超级计算机，即使在存在噪声的情况下。

谷歌展示了使用最好的超级计算机获得与量子计算机类似结果所需的时间，包括两种情况：无限内存（三角形）和适合GPU内存的可并行化计算（圆点）。

RCS基准测试的具体输出是保真度（fidelity）的估计（一个介于0和1之间的数字），用于表征含噪声的量子处理器的状态与实现相同电路的理想无噪声量子计算机的状态有多接近。

保真度的值通过一种称为片段交叉熵基准测试（patch cross-entropy benchmarking, XEB）的技术进行验证。对于大型电路，这涉及将整个量子处理器分成更小的「patches」，并计算每个片段的XEB保真度。

通过将这些片段保真度相乘，可以得到整个电路的总体保真度估计。

谷歌最新的结果显示，电路体积（circuit volume）不仅成功地翻了一番，而且保真度也与2019年的演示相当。

这意味着，我们朝着容错量子计算（更复杂、更实用的量子计算任务）迈出了重要一步，并证实了使用当前含噪声的量子设备访问计算复杂区域的可行性。

实线表示基于数字误差模型的估计XEB保真度

噪声会破坏量子相关性，有效地缩小了可用的量子电路体积（quantum circuit volume）。

谷歌试图了解是否可能在噪声影响下充分利用处理器的全部量子电路体积。换言之，是否可能在更小尺寸的量子处理器上实现等效计算。

参数空间中随机电路采样（RCS）基准表现出质的不同的区域，由相变分隔。

纵轴和横轴分别对应电路深度（周期数）和每周期错误率。在噪声足够弱的区域（绿色），量子相关性延伸到整个系统，表明量子计算机发挥了全部计算能力。

而在强噪声区域（橙色），系统可以近似表示为多个不相关子系统的乘积，因此，较小的量子计算机可以执行等效计算。在这种情况下，通过分别模拟系统的各个部分，可以显著降低经典计算的成本。

仿真算法关键依赖于强噪声区域的低量子相关性特性。因此，弱噪声和强噪声区域之间存在明显的相变意味着仿真算法在弱噪声区域无法成功。

谷歌采用了三管齐下的方法来研究相图（phase diagram）：

1. 开发了一个分析模型，证明了在大系统尺寸极限下相变的存在

2. 进行了大量数值模拟，精确绘制了我们特定量子硬件的相边界

3. 通过在量子电路中引入不同程度的噪声，实验观察相变边界来进行验证

通过数值模拟，可以证明Sycamore处理器的参数完全处于低噪声区域。换句话说就是，处理器牢固地处于超越经典（beyondical）的区域，超出了当前超级计算机的能力。

量子计算争霸赛

从外观上看，谷歌Sycamore处理器与PC硅芯片相似，但它经过特殊制造，能够以量子精度控制流经其中的电子。

为了减少可能破坏的电子微妙状态，并引入噪声的温度波动，芯片被维持在接近绝对零度的超低温环境中。

与普通计算机使用经典比特（始终为0或1）不同，量子芯片依赖于量子比特（qubit），利用电子处于混合状态的能力。

相较之下，量子计算机优势在于，可以使用指数级更少的qubit完成某些任务。

举例来说，要运行RCS算法，经典计算机需要1,024个比特，而量子计算机只需要10个量子比特。

2019年那次研究，谷歌Nature论文表明，经典超算是需要1万年，才能完成53量子比特计算机，仅在200秒内就运行了RCS算法。

然而，这一说法受到业界质疑，有的科学家表示，1万年也极其夸张。

随后，IBM研究人员在网上发布了一篇预印本，表明超算实际上在几天内，便可以完成这项任务。

更令人惊讶，今年6月，陆朝阳团队使用强大的经典计算机，在仅仅一分钟内就完成了这个结果的仿真。

值得注意的是，谷歌19年论文结果，并不是唯一一个声称量子计算超越经典超算。

2023年6月，IBM等机构研究人员同样证明，127量子比特计算机可以解决，超出经典计算机暴力计算能力（beyond brute-forceical computation）的潜在有用数学问题。

然而，在短短几周内，多项研究就表明，经典计算机仍可以在这些问题上，与量子计算机竞争。

这恰恰凸显，量子计算机和经典计算机之间，是一个永无休止的竞争过程。

谷歌研究人员希望，在未来量子计算机将变得足够大、足够无错误，以彻底超越量子-经典之争（quantum–classical war）。

然而目前，他们仍在继续这场激烈的竞争。

Boixo总结道，「如果你无法在RCS这个最简单的应用中获得优势，我认为你在任何其他应用中都无法取得胜利」。

这一观点凸显了，RCS在量子计算研究中的重要地位，以及当前量子计算面临的挑战。

参考资料：

https://www.nature.com/articles/s41586-024-07998-6

https://research.google/blog/validating-random-circuit-sampling-as-a-benchmark-for-measuring-quantum-progress/