跳到正文
Google Research·· 8 小时前AI 评分58

Google 在 Willow 量子处理器上实测量子上下文性,最多涉及 105 个量子比特

A game you cannot win unless you have a quantum computer

AI 导读

Google Quantum AI 团队在 Science 发表论文,在 Willow 超导量子处理器上演示并测量了量子上下文性。在 magic square 游戏中,量子比特以 98.30% 的胜率超过 88.89% 的经典上限;在 Bell-Kochen-Specker 不等式测试中测得 χ = 5.590 ± 0.008,超过经典界限 4,距量子极限 6 仅差 7%。

正文 · AI 翻译

这里有一个你现在就可以尝试的周日报纸风格的谜题。画一个 3×3 的网格。在每个格子里填入 +1 或 −1,需满足两条规则:每一行的乘积必须为 +1,每一列的乘积必须为 −1。

来吧。我们等着……

你没做到,对吧?这背后有一个优雅的原因。一行要乘积为 +1,就需要偶数个 −1。一列要乘积为 −1,就需要奇数个。把所有行加起来,你会得知网格中 −1 的个数是偶数。把所有列加起来,你会得知它是奇数。嗯……这不可能!

这个网格必须同时是两件相互矛盾的事。这样的表格不存在;它是一个悖论。

现在把这个谜题变成一个游戏:每一轮,Alice 拿到一行,Bob 拿到一列。两人不能交谈,Alice 按行规则填她那一行,Bob 按列规则填他那一列。如果他们在各自行与列相交的格子里填入相同的数字,他们就赢了。任何事先制定的计划都只是一张预先写好的表格,这意味着他们最多只能赢 9 轮中的 8 轮。如果他们使用量子计算机,情况就会改变。它不会填出那个不可能的网格,但原则上,它能让他们每一轮都赢。

原因是一种被称为量子语境性的性质,可以说是量子力学最奇特的特征。爱因斯坦曾有一句名言:当没人看的时候,月亮是否还在那里?这是他坚持物理性质应当独立于是否被测量而存在的方式。对于量子系统而言,语境性是一个精确的、可实验检验的陈述,即答案可以是否定的:你无法为你可能测量的所有东西都赋予固定的、预先存在的值。

一次测量的结果可能取决于你同时进行的其他哪些兼容测量(即取决于它的语境)。这不仅是一个深刻的哲学陈述,更是前沿科学和一项新技术的基础。而在上面的游戏中,Alice 和 Bob 可以利用它来设计出一个解决方案。他们的答案不是从一张事先写好的隐藏表格中查出来的;那张表格并不存在。他们的答案在测量时产生,而量子关联把它们缝合在一起,其紧密程度超过任何经典规则手册所允许的。

纠缠通常被当作量子计算“魔法成分”的头号主角。但越来越多的理论表明,语境性是更深层的资源,是真正让某些量子算法超越其经典对应物的东西。问题在于,直到最近,语境性几乎只在少数粒子的小系统中被演示过。它能否在真实量子计算机所由构成的多体系统中存活并保持有用,一直是一个悬而未决的问题。

这就是我们着手回答的问题。在发表于Science的“Quantum-classical separation in bounded-resource tasks arising from measurement contextuality”一文中,我们在自己的超导量子处理器上演示并测量了语境性。我们的量子比特以 98.3% 的概率赢得魔法方块游戏,在一项语境性测试中超越经典极限,并在涉及多达 105 个量子比特的任务中优于经典策略。在此过程中,这些任务被证明是一种灵敏的量子硬件新基准,能够捕捉到随机电路测试所遗漏的细微错误。

超越经典界限

我们在 Willow 量子处理器上运行了通常被称为幻方游戏的实验。Alice 和 Bob 各自持有两个量子比特,共享两对纠缠的贝尔对,而不是预先写好的表格,并使用为其分配的行或列的预设设置对它们进行测量,以得到各自的 ±1 条目。

可想象的最佳经典策略至少会在九轮中输掉一轮,最多只能赢得 88.89% 的时间。当我们把全部九个版本的游戏各玩 100,000 次时,我们的量子比特大约每六十次输掉一次,赢得了其中 98.30%(0.9830 ± 0.0001)。

这一差距是有意义且统计显著的:我们的量子比特协调得比任何预先写好的表格所允许的都要好。这是因为没有任何单元格的值是预先固定的。每个答案只有在与它所在行或列的其余部分(其上下文)一起被测量时才成形,而共享纠缠使 Alice 和 Bob 对共享单元格的答案一致。

为上下文性赋予数值

幻方游戏展示了上下文性的潜在威力,因此接下来我们着手测量一台机器有多强的上下文性。我们使用了一个Bell–Kochen–Specker 不等式,它与著名的贝尔测试密切相关,后者表明像上述贝尔对这样的纠缠粒子不可能携带预先固定的答案。我们的不等式将一组关联打包成一个单一数值 χ。用上面游戏中的行和列来表示,它读作 χ = R1 + R2 + R3 − C1 − C2 − C3,其中 R 和 C 代表 Alice 和 Bob 之前必须计算的行和列的乘积:

+1 +1 +1 R1 = (+1)*(+1)*(+1) = +1
+1 −1 −1 R2 = (+1)*(−1)*(−1) = +1
−1 +1 −1 R3 = (−1)*(+1)*(−1) = +1
C1 = (+1)*(+1)*(−1) = −1 C2 = (+1)*(−1)*(+1) = −1 C3 = (+1)*(−1)*(−1) = +1 χ = 4

任何测量结果预先确定的宇宙都必须遵守 χ ≤ 4(试几个表格你就会发现 χ 只能取 -4、0 和 4)。量子力学允许取值高达 6,这只有在所有 R 均为 +1 且所有 C 均为 -1 时才能发生。而且与大多数此类测试不同,这个测试是与状态无关的:你如何制备量子比特并不重要,这使它成为机器本身的属性,而不是精心选择的输入的属性。

测量 χ 要求很高:每一行和每一列都必须在同样的两个量子比特上依次测量,且不干扰它们。我们用一个额外的辅助量子比特(“ancilla”)来完成这一点,它拾取每个结果并被测量,从而使两个主量子比特保持完好。我们连续进行了 540 次测量,重复 1,000 次。

我们测得 χ = 5.590 ± 0.008。

轻松超过经典界限 4,且仅距量子极限 7%。这个数字说明:上下文性就在这台机器的这个量中。

它能在规模上存活吗?

两个量子比特是一回事,但量子效应很脆弱,每增加一个量子比特都会带来可能将其冲掉的噪声。有用的量子计算需要许多量子比特协同工作,所以问题是上下文性能否在规模上存活。

在GHZ 宇称游戏中,N 名玩家共享一个纠缠的 GHZ 态(所有量子比特为 0 与所有量子比特为 1 的叠加态)。每名玩家收到一个单比特问题,并在不通信的情况下用一个比特作答。若所有答案的宇称(偶数或奇数)与问题设定的规则相符,则他们获胜。随机猜测有一半概率获胜,而最佳的经典策略也只是略好一些:三名玩家时为 75%,随着玩家增加逐渐趋近 50%。共享 GHZ 态则每次都能获胜。我们最多用 71 名玩家进行了实验,每个量子比特对应一名玩家。噪声使我们无法达到 100%,且每增加一个量子比特噪声就会增大,因此我们的领先优势收窄,但始终高于经典界限。我们还验证了跨越 45 个量子比特的真正纠缠,这超过了许多早期 GHZ 实验的完整规模。

除了多人游戏之外,同样的物理原理也将浅层量子电路与经典电路区分开来。2018 年,一项里程碑式的定理证明,一个特定问题——寻找隐藏线性函数——可以由常数深度的量子电路解决,而任何常数深度的经典电路都无法做到。这种量子优势的来源可追溯到上下文性。

在这个证明中,常数深度至关重要。它意味着电路不会随着问题变大而变深。由于每个输出比特都在固定步数内计算完成,信息只有时间传播很短的距离。因此每个经典输出只能“看到”输入的一小片邻域,就像一条必须在三分钟内穿越整座城市的传言。而量子电路由于纠缠已经预先建立,则不受此限制。

该算法此前从未在真实硬件上大规模运行过。我们运行了它,在多达105 个量子比特的网格上求解隐藏线性函数实例,成功概率超过二分之一,且严格采用了理论所规定的浅层电路方案。

意外的收获:一把更好的标尺

在运行这些实验的过程中,一些有用的东西随之出现。这些任务要求许多量子比特同时且精确地达成一致。运行它们暴露了我们系统中微妙的相干错误——那种会使量子态略微偏离目标的错误,而传统的随机电路基准测试往往将其平均掉而使其不可见。

这表明上下文性还有第二种用途:不仅是计算资源,还可以作为标尺。

大多数基准测试问的是处理器能否越过某个经典门槛。而这些任务则给硬件设定了一个由物理本身决定的上限:χ = 6、获胜概率为 1、完美的上下文分数。机器所达到的水平与自然所允许的水平之间的距离,成为一个客观且有意义的评分。而且与那些越来越容易越过的经典门槛不同,这个上限永不移动。我们的量子处理器越好,这种基准测试的区分度就越高。这对于实际应用尤其相关,例如化学和材料科学中的分子模拟,因为它衡量的是处理器运行结构化算法的能力,而在这些算法中微妙的错误无处藏身。

接下来是什么

一个关于物理系统在无人观察时是否始终存在的近百年争论,如今有了可测量的检验方法。对于我们的量子比特,结论很明确:我们测量的一切并非都拥有预先存在、等待被观测的值。理论将上下文性与纠错量子计算机运行完整算法所需的“魔法态”联系起来,我们团队最近利用魔法态培育制备了这些态。

在多个量子比特上测量上下文性,让我们能在真实硬件上探究物理学和计算机科学中的一个开放问题:是什么赋予了量子计算机优势。

致谢

这项工作由 Google Quantum AI 团队与我们的学术合作者共同完成。我们感谢所有构建和维护硬件、控制电子设备、低温系统及软件的人,正是他们使这些实验成为可能。

来源:Google Research · research.google