量子计算机可编程芯片,可编程光子芯片登上Nature，或成为量子计算黑马

编译/文龙

量子计算机有望提供巨大的计算能力，并解决传统计算机无法解决的问题。可以开发量子计算的硬件平台有很多，但尚不清楚哪种技术或技术组合会被证明是最成功的。

如今，领先的方法是基于超导电路和离子捕获技术，而另一种基于光子学的方法则被认为是不切实际的，原因是难以按需生成或转换所需要的量子态。但是，这种方法有可能成为量子计算的黑马。

Arrazola等人报告了可编程和可扩展光子电路的开发，并在该平台上演示了三种类型的量子算法，相关研究成果发表在《自然》(Nature)上。

根据量子理论，任何状态的光的振幅和相位都有必然的不确定性，如果这种不确定性在幅度和相位之间分布不均匀，则称该状态为压缩状态。压缩状态越多，包含的光子就越多。

在许多量子光学实验中都发现了多光子压缩态的光，并且基于该状态的量子计算模型已经存在了超过二十年。然而，由于量子的不确定性，基于此类模型的计算机是否可行受到了一定的质疑。

但在过去的几年中，这种怀疑已经消失了。如今，一个仅基于压缩光、分束器(将光束分成两部分的设备)和光子计数器的相对简单的光学电路就可以以传统计算机无法达到的速度执行采样算法。这种算法具有许多实际应用，例如，模拟分子状态之间的过渡和找到两个分子的匹配构型，这一过程被称为分子对接。

在芯片上，称为环形谐振器的设备产生光的压缩态，并将其发射到由多个光路和分束器组成的光网络中。由于一种被称为干涉的量子效应，压缩态的光在分束器中会合时会混合在一起，导致所有状态在离开网络的时候都被完全扰乱了。对这些阶段进行重新编程会更改扰动的类型。加扰后，使用高度灵敏的检测器计算该量子电路每个输出中的光子数。

图示：在光子芯片上实现的量子算法。作者使用他们的芯片来执行量子算法，其中输入压缩状态表示输入变量，每个加扰状态中的光子数表示算法处理这些变量时获得的输出。通过使用控制器来调节分束器并操纵被称为移相器的设备，可以对该芯片进行重新编程以运行不同的算法。(来源：Nature)

测量结果提供了量子实验的具体样本数据。对于一个正常的计算机来说，采集这些样本所需的时间随着输入压缩状态的数量呈指数级增长。相比之下，量子电路可以在几分之一秒内产生一个样本，这就是「量子优势」。

Arrazola团队在一种与半导体制造工艺相兼容的氮化硅芯片上实现了他们的光子电路，并执行了不同类型的测试来表现压缩光源的质量和芯片的整体性能。

首先，他们测量了压缩态相对于普通态的不确定性抑制约为84%。其次，他们测量了状态的时间纯度为85%，这是成功干扰网络的关键属性。接着，他们仔细测试了干扰的质量。最后，他们通过针对非经典性标准进行测试来验证所生成的样本具有真正的量子性质——这是必要条件，因为如果该设备按比例放大时将会产生无法使用传统计算机进行模拟的样本。

除了用来证明量子优势的采样算法之外，Arrazola和他的同事还实现了两个更实用的算法：确定分子态之间跃迁能谱的确定和代表不同分子的图之间的数学相似性的发现。

实际上，基于压缩态的量子采样算法早已被其他研究小组证实了。去年有一组研究人员对100条光路中的50种压缩态进行了采样算法，并声称如果在超级计算机上模拟这样的实验需要6亿年。

然而，由于庞大的设置以及光子损失，这些演示都是不可扩展的。另外，之前这些实验的电路是不可重构的，只能执行单一的算法。相反，Arrazola团队的电路不仅是可编程的，而且具有高度的可扩展性。

尽管如此，量子采样算法在发挥其全部潜力并在现实应用中发挥作用之前，仍有一些障碍需要克服。压缩态光的质量需要被改善；对于某些应用，必须单独控制每个压缩态的压缩程度和功率；为了扩大系统规模，光子损耗需要减少，否则，光子将无法在电路中存活。

毫无疑问，作者在可编程光子芯片上使用高压缩态进行量子采样的演示是该领域的一个新里程碑。尽管使用当前架构可以实现的商业应用的数量是有限的，但幸运的是，可以运行更大运算的平台已经被提出，它们的实现将是创造出成熟的光学量子计算机的下一步。

论文链接：https://www.nature.com/articles/s41586-021-03202-1