剛獲得諾貝爾物理獎(jiǎng)的谷歌量子團(tuán)隊(duì)，再登Nature封面：

提出“Quantum Echoes”（量子回聲）新算法，算出來的結(jié)果還能重復(fù)驗(yàn)證，解決了之前量子計(jì)算結(jié)果難確認(rèn)的問題。

經(jīng)典超級(jí)計(jì)算機(jī)Frontier需要3.2年才能完成的計(jì)算，量子計(jì)算機(jī)僅用2.1小時(shí)就搞定，速度快了13000倍。

論文剛剛登上Nature，新晉諾獎(jiǎng)得主、現(xiàn)任谷歌量子AI實(shí)驗(yàn)室硬件首席科學(xué)家Michel Devoret參與，還包括來自普林斯頓大學(xué)、加州大學(xué)伯克利分校、MIT等頂尖院校的研究人員，總計(jì)超過200位作者參與了這項(xiàng)研究。

在另一項(xiàng)研究中（稍后將上傳到arXiv），新算法在探測原子和粒子的相互作用以及分子的結(jié)構(gòu)中得到驗(yàn)證。

量子計(jì)算機(jī)得出的結(jié)果與傳統(tǒng)核磁共振（NMR）的結(jié)果相符，并且揭示了通常無法從核磁共振中獲得的信息。

正如望遠(yuǎn)鏡和顯微鏡打開了新的世界的大門一樣，這項(xiàng)實(shí)驗(yàn)朝著 “量子鏡” 邁出關(guān)鍵一步，能夠測量以前無法觀測到的自然現(xiàn)象

量子計(jì)算增強(qiáng)的核磁共振技術(shù)有望成為藥物研發(fā)領(lǐng)域的強(qiáng)大工具，助力確定潛在藥物如何與其靶點(diǎn)結(jié)合；在材料科學(xué)領(lǐng)域，它也能用于表征聚合物、電池組件乃至構(gòu)成量子比特的材料等新型材料的分子結(jié)構(gòu)。

量子回聲算法，一種可驗(yàn)證的量子優(yōu)勢

量子計(jì)算機(jī)的核心就是一種 “量子多體系統(tǒng)”（比如一堆糾纏的量子比特），但研究它有個(gè)大問題：

隨著時(shí)間演化，量子信息會(huì)快速擴(kuò)散到整個(gè)系統(tǒng)中，這種現(xiàn)象被稱為”信息加擾”（scrambling）。

這時(shí)候再想通過常規(guī)方法，比如 “時(shí)序關(guān)聯(lián)函數(shù)”（TOC）觀察它的細(xì)節(jié)，信號(hào)會(huì)指數(shù)級(jí)消失，嚴(yán)重限制了人們探測量子信息的能力。

為了解決這個(gè)問題，谷歌團(tuán)隊(duì)提出“量子回聲”算法：

先讓系統(tǒng)正向演化，然后施加一個(gè)操作，再反向演化，如此反復(fù)。模擬時(shí)間倒流，把已經(jīng)擴(kuò)散的量子信息重新聚焦回來。

這次研究的主角 “非時(shí)序關(guān)聯(lián)函數(shù)”（OTOC），就是這種思路的升級(jí)，它能把量子系統(tǒng)里不同 “演化路徑” 的信號(hào)疊在一起，放大有用信息、抵消雜音。

研究團(tuán)隊(duì)用超導(dǎo)量子處理器（最多用到 65 個(gè)量子比特）做了兩類關(guān)鍵實(shí)驗(yàn)，得出兩個(gè)核心結(jié)論：

第一，OTOC能長時(shí)間觀測量子系統(tǒng)的細(xì)節(jié)，比傳統(tǒng)方法強(qiáng)太多

傳統(tǒng)的TOC信號(hào)，演化9個(gè)周期后就弱到幾乎測不到（標(biāo)準(zhǔn)差＜0.01）；但測的OTOC（尤其是二階 OTOC，記為 OTOC?²?），就算演化20個(gè)周期，信號(hào)依然清晰（標(biāo)準(zhǔn)差＞0.01）。

第二，二階OTOC里藏著 “大循環(huán)干涉”（large-loop interference）的現(xiàn)象，經(jīng)典計(jì)算機(jī)算不出來

量子系統(tǒng)演化時(shí)，會(huì)產(chǎn)生很多 “泡利字符串”（可以理解為量子狀態(tài)的 小單元），這些字符串會(huì)形成 “大循環(huán)”，并且這些大循環(huán)的信號(hào)會(huì)相互加強(qiáng)出現(xiàn)：“相長干涉”。

這種“大循環(huán)干涉”讓經(jīng)典計(jì)算機(jī)很難模擬。他們用最強(qiáng)超級(jí)計(jì)算機(jī)Frontier嘗試模擬 65 個(gè)量子比特的 OTOC?²?信號(hào)，需要約 3.2 年；而量子處理器測一次只需要 2.1 小時(shí)，速度差了1.3萬倍。

就算用更快的經(jīng)典模擬方法如蒙特卡洛，算出來的信號(hào)信噪比（1.1）也遠(yuǎn)不如量子實(shí)驗(yàn)（3.9）。

證明了 “實(shí)用量子優(yōu)勢” 的可能

所謂“量子優(yōu)越性” 不只是量子計(jì)算機(jī)比經(jīng)典計(jì)算機(jī)快就行，還得做到“有用”。

這一次團(tuán)隊(duì)還演示了OTOC(2)在實(shí)際問題中的應(yīng)用——學(xué)習(xí)量子系統(tǒng)的哈密頓量（Hamiltonian learning）。

在許多物理系統(tǒng)中，需要確定系統(tǒng)哈密頓量的未知參數(shù)。傳統(tǒng)方法往往受限于量子態(tài)的快速退相干。而OTOC(2)由于其緩慢衰減的特性和對動(dòng)力學(xué)細(xì)節(jié)的高度敏感性，成為了理想的探測工具。

研究人員設(shè)計(jì)了一個(gè)單參數(shù)學(xué)習(xí)實(shí)驗(yàn)：先模擬一個(gè) “未知規(guī)則的量子系統(tǒng)”，再用 OTOC?²?測這個(gè)系統(tǒng)的信號(hào)，然后通過調(diào)整參數(shù)、讓量子模擬的信號(hào)和實(shí)測信號(hào)匹配，最終精準(zhǔn)找到了那個(gè)未知的相位（誤差很?。?。

這說明OTOC?²?不只是 “能測到特殊現(xiàn)象”，還能用來解決實(shí)際問題，比如分析真實(shí)的量子材料（像固態(tài)核磁共振系統(tǒng)）、反推它們的內(nèi)部作用規(guī)律。

這次突破也依賴Willow芯片的硬件優(yōu)勢：去年它就通過 “隨機(jī)電路采樣” 測試證明了處理復(fù)雜量子狀態(tài)的能力，如今能支持”量子回聲“算法，關(guān)鍵在于其極低的出錯(cuò)率”和“高速運(yùn)算”兩大特質(zhì)，既滿足算法對計(jì)算復(fù)雜度的要求，也保證了結(jié)果精度。

發(fā)布后持續(xù)改進(jìn)到今天，當(dāng)前一代 Willow 芯片在規(guī)?；矫鎸?shí)現(xiàn)了一流的性能。在整個(gè)105個(gè)量子比特陣列中，單量子比特門的保真度高達(dá)99.97%，糾纏門的保真度高達(dá)99.88%，讀出的保真度高達(dá)99.5%，所有操作均以數(shù)十至數(shù)百納秒的速度運(yùn)行。

對于未來規(guī)劃，谷歌量子團(tuán)隊(duì)表示接下來他們將聚焦研發(fā) “長壽命邏輯量子比特”，為構(gòu)建更大規(guī)模、可糾錯(cuò)的實(shí)用量子計(jì)算機(jī)打基礎(chǔ)。