Token导航 LogoToken导航

AI 资讯 · 光子盒QUANTUMCHINA

谷歌百比特芯片实测量子情境性登Science

更新 2026-11-20光子盒QUANTUMCHINA正文 3225字阅读约 11分钟10 张图片

量子情境性是指测量结果无法预先确定,而是取决于测量“情境”,这一现象已被提出作为量子优势的来源之一。然而,语境性在量子计算中的作用尚不明确。

2026年11月19日,Google Quantum AI、普林斯顿大学、马萨诸塞大学阿默斯特分校、耶鲁大学、莱斯大学、明尼苏达大学、牛津大学、塞维利亚大学、加利福尼亚大学圣巴巴拉分校组成的研究团队在《Science》期刊上发表题为“Quantum-classical separation in bounded-resource tasks arising from measurement contextuality”(测量情境性带来的资源受限任务量子–经典性能分离)的研究论文。该研究利用超导量子处理器,考察多玩家在无法通信且资源受限时的协调决策,证明量子测量的情境性可使任务成功率超过经典上限。

图片

研究团队先用少量量子比特实现魔方阵游戏,并通过违反贝尔-科亨-斯佩克不等式量化情境性,随后实施多玩家格林伯格-霍恩-蔡林格游戏,另行求解二维隐藏线性函数问题。两类多体任务在保真度和系统规模上均取得进展。研究将情境性从基础量子特征转化为可实验检验的算法资源,并提出以此为基础评估量子处理器的基准方法。

图片

测量情境性

过去,只要谈到量子计算为什么比传统电脑快,答案几乎都是“量子叠加”和“量子纠缠”。 量子纠缠在量子通信里已经研究得很透彻,但放到量子计算里,事情就没有那么简单了。

从计算复杂度理论来看,在通用计算模型下,学术界还没有给出量子优势的无条件数学证明。只有极少数特定任务,在严格限制内存、通信或电路深度的前提下,才能证明量子与经典之间存在明确的性能分离。

而越来越多的理论研究指向一个被长期低估的物理资源:量子情境性。早在2014年,Howard等人在《自然》(Nature)发表的论文就指出,情境性正是通用量子计算实现加速所需“魔态(Magic State)”的底层来源。

所谓测量情境性,可以追溯到近百年前爱因斯坦与玻尔的世纪之争。爱因斯坦曾质疑:“当没有人看的时候,月亮还在那里吗?”

经典物理学认为物理属性在观测前就已经客观确定,测量只是把预设值读出来。但量子力学却认为在特定量子系统中,你无法在测量前为所有可观测量赋予固定、自洽的数值。一个物理量测出来是什么结果,取决于你同时对它执行了哪些相容测量——也就是它所处的“测量情境”。

此前,研究人员已经在光子、离子阱等少数几个粒子的微型系统里反复验证过情境性。但是量子态极脆弱,每多加一个量子比特,环境噪声和串扰会呈指数级增加。在几十上百个量子比特构成的多体真实处理器上,情境性还能不能存活、能不能继续干活,是个悬而未决的问题。

图片

资源受限的协同任务

如何把“量子情境性”变成可测量、可对比的工程指标?谷歌团队的做法是把物理定律转化为“资源受限的协同任务”,搭建起一套从少体到多体、层层加码的硬件验证体系。

少比特尺度上,团队先引入“魔方博弈”,也就是量子伪心灵感应博弈。在这个游戏中,Alice和Bob可以事先商定策略,开赛之后便不能通信。裁判从一个3×3方阵中随机指定一行和一列,分别交给两人。两人只能填+1或−1,需满足行乘积为+1、列乘积为−1,且交叉格数字一致才能获胜。

然而,不管经典策略怎么预设表格,最高胜率都是88.89%。如果两人事先共享两对纠缠贝尔态,隔离后只需按照行号或列号进行联合测量,这时候,“情境”和纠缠可以锁定结果,理想胜率达到100%。

图片

图:魔方阵游戏

为了不依赖特定的初始量子态来评估硬件本身的情境性,团队还采用了Cabello等人提出的贝尔-科亨-斯佩克尔(BKS)不等式检验,将九宫格期望值浓缩为指标χ。任何“非情境隐变量”理论的χ上限是4,量子极限可以达到6。该测试最大优势是“态无关”,即理论预言对任意初始态都成立。只要测出χ>4,就能直接认定硬件处于非经典情境性。

从少量比特扩展到百比特系统后,团队提出了两项多体任务。

第一项是可扩展的N方GHZ奇偶性博弈。N名玩家每人持有一个量子比特,在禁止通信的前提下各自输出0或1,并核对奇偶性。随着人数增加,经典最优猜测的胜率降低至50%;而共享GHZ态的玩家只需在X或Y基下测量,理论胜率依然保持在100%。

第二项是二维隐藏线性函数(HLF)问题。理想量子电路使用一个深度恒定(只有几层逻辑门)就能以100%的概率给出正确解,而同深度经典电路在规模扩大后必然失效——因为经典信息受限于“局部视野”,量子电路却能靠纠缠与情境性破壁。

虽然严格的理论无条件优势证明需要数万个量子比特才能完全落地,但在百比特规模上跑通这套算法,本身就是对多体情境性计算能力的压力测试。

图片

71比特博弈与105比特求解

上述硬件实验已经全部在谷歌超导处理器上完成。

研究团队在魔方博弈中选取2×2的四比特方阵,制备高保真度贝尔态并分给双方。实验覆盖全部9种行列组合、各运行10万次后,处理器平均胜率达到98.30%±0.01%。这相当于每60局才因噪声失误1次,刷新该博弈的公开实验最高纪录。

BKS不等式测试要求对同一系统连续进行三次“无损”测量。团队引入辅助量子比特执行量子非破坏性(QND)测量,每次读出后立即将其重置为∣0⟩态,完整保留主比特状态。研究人员把180个随机情境(共540次连续QND测量)串联并运行千次后,实测χ=5.590±0.008。

这一数值比量子理论极限6低约7%,对应的情境分数为0.795,超出非情境上限4近200个标准差。

图片

图:用BKS不等式量化测量情境性

在GHZ奇偶性博弈中,团队将规模扩大至71比特。每个规模测试1000个独立配置、各运行千次。随着比特数增加,累积噪声使胜率下降,但在71比特时,实测胜率仍高出经典上限多个标准差。团队还验证了45比特的真正多体纠缠。

图片

图:N比特GHZ奇偶性博弈

研究还客观对比了IBM近期的120比特纠缠实验,指出后者使用“后选择”等误差缓解手段,而在禁止通信的严格博弈协议下,这类手段并不合规。

二维隐藏线性函数(HLF)问题则从9比特扩展至105比特。团队以阿达玛门、S门及四层CZ门构建浅层电路,并借助开源Stim模拟器验证。每个规模测试千组随机矩阵、各运行百次后,105比特下的正确求解概率约为0.6,仍高于0.5。按经典电路至少需层双比特门的基准对比,这台受限于二维网格连接的量子处理器,直至105比特消耗的门层数依然少于经典模型。

图片

图:二维隐藏线性函数(HLF)问题的量子求解

图片

写在最后

这项研究的价值远不止在百比特超导量子处理器上赢了几场理论博弈。

业界此前担心量子比特规模扩展到百比特后,噪声和串扰会抹平非经典关联。但71比特GHZ博弈和105比特HLF求解证明,只要门保真度和串扰控制达标,多体量子情境性完全能在高密度超导芯片上存活,且能支撑超越经典策略的资源受限任务。

而且行业常用的随机电路采样(RCS)和随机基准测试存在控制脉冲不准、串扰引发的细微相干误差等盲区,会在大量随机酉门下被平均掉,导致芯片“随机测试很美,结构化算法露馅”。

而魔方博弈、BKS测试和HLF要求多比特在高度结构化电路中精确协同,微小相干误差根本藏不住。更关键的是,传统测试常问“有没有跑赢经典标准”,情境性测试给出的却是胜率1、χ值6、情境分数1。这对未来分子模拟、材料科学等结构化算法应用尤为重要。

最重要的是,情境性是实现容错通用量子计算所需“魔态”的物理根源,谷歌近期也基于相关算法推进了“魔态培育”实验。总之,把不可观测的哲学争论,转化为可量化、可追踪的工程参数,正是硬科技走向成熟的典型路径。

参考链接

[1]https://www.science.org/doi/10.1126/science.aec3042

[2]https://research.google/blog/a-game-you-cannot-win-unless-you-have-a-quantum-computer/

资讯来源:由AI资讯编辑整理自互联网公开内容,版权归原作者所有,未经许可,不得转载。