最新的《自然》（Nature）封面是剛獲得諾貝爾物理獎的 Google 量子團隊。
團隊提出“量子回聲”（Quantum Echoes）算法：在 Google Willow 量子芯片上，針對一類量子多體動力學信號的測量與模擬，比經典超算 Frontier 實現約 13000 倍提速。
更關鍵的是，結果可在同等級量子硬件上重復驗證，被谷歌稱作“首個在硬件上實現、可驗證的量子優勢”。
總計 200 位作者參與了這次研究。其中包括新晉諾獎得主、現任谷歌量子AI實驗室硬件首席科學家 Michel Devoret，還有來自普林斯頓大學、加州大學伯克利分校、MIT等頂尖院校的研究人員。
解決了什么難題？
研究量子多體系統時，信息會在快速糾纏產生的動力學中被擾亂，導致測量對長時間內底層動力學的細節不敏感。
谷歌的解決辦法，是在超導量子處理器上實驗測量了“二階非時間序相關器”（OTOC）。
該方案顯著改變了 OTOC 的測量值，觀測到的干涉機制也賦予 OTOC 較高的經典模擬復雜度。
計算可觀測量可以表示為對不同軌跡的總和。在這個概念框架中，每次時間反轉都對應于兩個干擾臂的增加以及其他有助于實驗可觀測量的交叉項。
研究人員利用數字量子處理器獨特的可編程性來改變干涉臂的數量，并在每個臂中插入噪聲或相關移相器。
結果顯示，與沒有時間反轉的可觀測量相比，OTOC 對這些擾動更敏感。而且這種敏感性會隨著干涉臂數量的增加而增強，這在低階可觀測量中是不可見的。
實用性更強
OTOC 可以在目前經典超級計算機難以解決的領域中得到精確求解。
實驗結果表明，OTOC 項目每個電路的數據收集時間長為 2.1 小時，而超級計算機 Frontier 的市場為 3.2 年，足足長了 13000 倍！
為了證實 OTOC 的實用性，研究團隊對其進行了“哈密頓學習”的測試。哈密頓系統帶有一組未知參數的哈密頓量，將一組 OTOC 數據其與相同哈密頓量的量子模擬進行比較。結果顯示，OTOC 的信號大小和靈敏度緩慢衰減，使其成為完成這項任務的特別合適的候選者。
結論
在論文中，Google 量子團隊證明了 OTOC 具有量子干涉效應，這使其對量子動力學細節具有高度的敏感性。
OTOC 是實現實用量子優勢的可行候選者，而實用量子優勢是當前物理界所共同追求的目標。
量子優勢需要滿足三個標準條件：
可觀測量屬于有界誤差量子多項式時間 (BQP) 類別
可觀測量超出了精確的經典模擬和啟發式方法的范圍
可觀測量應該產生與量子系統相關的實際信息
研究人員表示，團隊已在滿足條件 (1) 和 (2) 方面取得了進展。動態學習問題也證明了 (3) 的原理。雖然動態學習演示中使用的隨機電路仍然是漢密爾頓量的玩具模型，但該方案很容易應用于真實的物理系統。
團隊表示，如果能將此類系統的實驗數據與量子模擬結果進行比較，可以更準確地估計這些耦合。這些研究將會在今后更多實驗中展現。
參考資料：
https://www.nature.com/articles/s41586-025-09526-6?utm_source=chatgpt.com
分享
