谷歌公司在量子计算相变研究取得新进展!

【研究背景】

量子计算是一种新兴的计算模式，因其在处理复杂问题上的潜力而受到广泛关注。量子计算的基础是量子比特（qubit），它能够同时处于多个状态，从而实现并行计算。然而，与传统的经典计算相比，量子计算的实际应用受限于环境噪声和量子比特间的非理想耦合，这些因素会破坏量子态的相干性，影响计算结果的准确性。因此，克服噪声问题和实现量子态的稳定演化成为量子计算领域的一大挑战。

近日，来自谷歌的研究科学家科斯特安廷剀切吉（Kostyantyn Kechedzhi）和谷歌高级研究科学家团队在随机电路采样（RCS）领域取得了新进展。他们设计并实施了一种用于交叉熵基准测试的随机电路采样算法，成功观察到了两个相变。这项研究揭示了量子动态与噪声之间的相互作用如何驱动系统进入不同的相位，具有重要的理论意义和应用前景。

通过构建弱连接模型，该团队能够调节噪声强度与相干演化之间的关系，分析量子相变的行为。他们的实验结果显示，在低噪声阶段进行的随机电路采样实验中，67个量子比特在32个循环下的计算成本超出了现有经典超级计算机的能力。利用交叉熵基准测试方法，研究人员显著提高了系统的保真度，成功实现了高复杂度的量子计算。这一发现为进一步探索量子计算的极限奠定了基础，也为噪声管理和量子算法设计提供了新的思路。

【表征解读】

本文通过67量子比特的Sycamore芯片进行实验，应用随机电路采样（RCS）的方法，揭示了量子动态如何与噪声相互作用。具体而言，使用了二维的ABCD-CDAB随机电路模式，随机选择的单量子比特门来自离散集ZpX1/2Z−p（p∈{−1, −3/4, −1/2, …, 3/4}）。作者通过这些随机电路的实验数据，获得了量子操作的保真度，包括1.3(0.5)×10−2的读出错误率和5.5(1.3)×10−3的修饰二量子比特保利错误率，进一步分解为1.0(0.5)×10−3的单量子比特保利错误率和3.5(1.4)×10−3的固有二量子比特同时错误。这些结果显示，固有保利错误率为3.5×10−3对应的平均保真度达到了99.72%，为后续研究提供了重要基础。

针对RCS现象，通过修补的随机电路对其微观机制进行表征，得到了更深入的理解。实验中，作者验证了数字错误模型，通过剔除部分二量子比特门生成修补电路，每个补丁的扩展熵比（XEB）能够在相对较低的计算成本下进行验证。这使得作者可以在较高深度下进行保真度估计，从而在32个循环后得到了0.1%的保真度。这种深度的提高得益于与之前处理器相比显著降低的错误率，且作者在单个电路中收集了超过7000万条样本比特串，为进一步分析提供了强有力的数据支撑。

在此基础上，通过对张量网络收缩方法的应用，作者估算了RCS的经典计算成本。这一方法在2019年中，通过512个GPU在15小时内模拟了RCS实验。此外，参考文献中也进行了类似的计算，进一步确认了RCS实验的难度和预测。作者对张量网络收缩技术的改进，使得模拟RCS所需的计算资源得到了显著降低，尤其在浮点运算数量（FLOPs）与量子比特数量和循环次数之间的关系上表现出更高的效率。

综上所述，通过深入分析量子动态与噪声的相互作用，本文不仅揭示了在弱噪声相位下，全球关联如何主导XEB，从而有效抵御“欺骗”攻击，同时也推动了RCS方法在量子计算领域的应用。基于这些表征手段，作者成功制备出新型量子材料，并推动了量子计算技术的进步，为未来的实际应用奠定了基础。经过各类表征，本文为理解量子系统中的噪声问题提供了重要的实验依据，并在此基础上，为近代噪声量子处理器的实际应用提供了新的思路和方向。

【图文解读】

图 1：随机电路采样中的相变。

图 2：线性交叉熵中的相变。

图 3：噪声引起的相变。

图 4：经典不可解计算的演示。

【结论展望】

本文的研究为量子计算领域提供了重要的科学启迪，特别是在如何利用随机电路采样（RCS）方法理解量子动态与噪声的关系方面。首先，实验中通过67量子比特的Sycamore芯片成功揭示了量子计算在弱噪声环境下的潜力，表明全球关联在此环境中能够有效保护RCS免受“欺骗”攻击。这一发现不仅为量子设备的鲁棒性提供了理论支持，也为后续研究探索如何优化量子算法与硬件设计奠定了基础。

其次，借助改进的张量网络收缩技术，本文展示了如何在经典计算中降低模拟量子电路所需的资源，这一方法的有效性表明在面对大规模量子计算时，经典算法仍然具有重要的参考价值。最后，研究强调了量子系统与噪声之间的复杂互动，为未来开发高效、低噪声的量子处理器提供了新的视角，特别是在认证随机性生成等实际应用中，展现了量子技术的巨大潜力。

文献信息：Morvan, A., Villalonga, B., Mi, X. et al. Phase transitions in random circuit sampling. Nature 634, 328–333 (2024). https://doi.org/10.1038/s41586-024-07998-6