粗读使用“九章”光量子计算优势

粗读使用“九章”光量子计算优势

参考原文：Quantum computational advantage using photons
Han-Sen Zhong1,2*, Hui Wang1,2*, Yu-Hao Deng1,2*, Ming-Cheng Chen1,2*, Li-Chao Peng1,2, Yi-Han Luo1,2, Jian Qin1,2, Dian Wu1,2, Xing Ding1,2, Yi Hu1,2, Peng Hu3, Xiao-Yan Yang3, Wei-Jun Zhang3, Hao Li3, Yuxuan Li4, Xiao Jiang1,2, Lin Gan4, Guangwen Yang4, Lixing You3, Zhen Wang3, Li Li1,2, Nai-Le Liu1,2, Chao-Yang Lu1,2, Jian-Wei Pan1,2

 

量子计算机有望执行某些传统计算机难以处理的任务。玻色子采样是其中一项任务，并且被认为是证明量子计算优势的强有力的候选任务。我们通过将50个难以区分的单模压缩态发送进具有完全连接性和随机矩阵的一个100模超低损耗干涉仪中来执行高斯玻色子采样——整个光学装置是锁相的——并使用100个高效单光子探测器对输出进行采样。针对利用热状态，可区分的光子和均匀分布的合理假设对获得的样本进行了验证。本光量子计算机最多产生76个输出光子点击，产生的输出状态空间尺寸为和比使用最新的仿真策略和超级计算机快约倍的采样率。

扩展的Church-Turing论文是计算机科学的基本原理，它指出概率图灵机可以有效地模拟任何现实的物理设备上的过程（1）。理查德·费曼（Richard Feynman）在1980年代观察到，由于量子态希尔伯特空间的大小呈指数增长，经典计算机似乎很难解决多体量子问题。他提出，量子计算机将是一种自然的解决方案。

自那时以来，已经有许多量子算法被提出用以有效地解决被认为是经典算法难以解决的问题，例如Shor的因式分解算法（2）。然而，构建运行Shor算法的容错量子计算机仍然需要长期的努力。近期为了演示相比于现有的超级计算机量子计算在解决某些明确的任务的加速能力，基于计算复杂度语句的量子采样算法被提出。如果这种加速能力表现出压倒性优势，使得没有经典计算机可以在合理的时间量执行相同的任务，也不可能通过经典的算法或硬件改进逆转这一优势，它被称为“量子计算优势”或“量子霸权”（7，8）。在这里，我们使用第一个术语。

最近在53量子位处理器上进行的一项实验在200秒（8）内产生了100万个噪声（保真度约为0.2％）样本，而一台超级计算机则需要10,000年的时间。很快有人争辩说，将经典算法改进后利用，可以做到仅花费几天时间就计算出所有253个量子概率幅度并生成理想样本（9）。因此，如果竞争的只是谁能产生更大的样本规模，如，那么只要提供足够的存储空间，量子优势就会被逆转。这种只关于样本大小的比较——类似于贝尔测试中的漏洞（10）——使得量子优势需要在更快的经典模拟和改进的量子器件之间的长期竞争中被反复证明。

由Aaronson和Arkhipov（5）提出的玻色子采样是第一个可行的量子计算优势协议。在玻色子采样和其变体（11，12），非经典光被注入进一个线性光学网络中，并且在输出端，高度随机的光子数和路径纠缠（的）态用单光子探测器测量。纠缠态的维数随光子数和模数成指数增长，这很快就使得存储量子概率幅度变得不可能。最先进的古典模拟算法是一次计算一个概率幅度（子矩阵的permanent）。permanent对于经典方法是很困难的。对于每个样本至少一个permanent应该被估算（13，14），从而能够避免样本大小漏洞。此外，玻色子采样器使用的光子可以在室温下操作，并且对消相干有很强的抵抗能力。

早期的原理证明型的玻色子采样演示（15，16）使用产生自参量下转换（17）中的概率的、后选择的伪单光子。改进后基于量子点的单光子源已经开发出来，并被用来提高多光子计数率，最终达到了14光子检测的目的（18）。然而，将玻色子采样的水平提升到到一个在计算上有吸引力的体积仍然是一个巨大的实验挑战。

近日，高斯玻色子采样（GBS）（11，12）已经成为一种新的范式，它不仅可以被高效地大规模使用，而且提供了基于图形的问题（19）和量子化学（20）方面的潜在应用。GBS不再使用单个光子，而是充分利用了PDC光源的高斯性质，并利用单模压缩态（SMSS）作为可确定地准备的输入非经典光源。通过m型干涉仪发送k个SMSS，并使用阈值检测器对输出散射事件进行采样（见图S1），已证明输出分布与称为多伦多函数的矩阵函数相关（12），多伦多函数与permanent相关）。计算多伦多矩阵函数是复杂度等级#P的计算难题。最近显示，计算50光子点击图案的多伦多函数大约需要两天（21）。

虽然有小规模的GBS演示（最多5个光子）（22，23），但是进行大规模的GBS面临重大挑战。首先，它需要同时具有足够高的压缩参数，光子不可分辨性和收集效率的SMSS阵列。其次，需要具有完全连通性，矩阵随机性，近乎完美的波包重叠和相位稳定性以及接近统一（near-unity）传输率的大型干涉仪。第三，与单光子之间没有相位关系的Aaronson-Arkhipov玻色子采样相反，GBS需要对SMSS中所有光子数状态进行相位控制。第四，需要使用高效检测器来采样输出分布。最后，应该验证从巨大的输出状态空间中获得的稀疏样本，并且应该对GBS的性能进行基准测试并与超级计算机进行比较。

我们从描述量子光源阵列开始。平均功率为1.4W和重复频率为250kHz的变换被限制的激光脉冲（图S1和S2）被分成13条路径，并聚焦在25个PPKTP晶体上（图1A和图S3和S4）以产生25个双模压缩态（TMSS），这等效于50个使用混合编码的SMSS，我们等会儿讨论它。每对的相对相位和压缩参数如图1B所示。设计PPKTP晶体并对其进行温度控制（图S5），以生成简并的和与频率无关的光子对