谷歌已經實現“量子優勢”，但如何確定量子計算機算的對不對，是否按預定設計執行了計算步驟，仍是一個難題。近日，MIT與谷歌的研究人員利用量子神經網絡的“解采樣”解決了這個問題。論文已發表在《自然·物理學》上。

為了讓量子計算盡快推向實用，麻省理工學院，谷歌等機構和企業設計了一種系統，可以驗證量子芯片是否能夠準確執行了傳統計算機無法完成的復雜計算。

量子芯片使用“量子比特”執行計算，量子比特可以表示對應于經典二進制位的兩個狀態（0或1）或兩個狀態同時呈現的“量子疊加”。這種獨特的疊加狀態，可以使量子計算機解決經典計算機幾乎無法解決的問題，在材料設計，新藥發現和機器學習等方面取得突破。

完全體的量子計算機的運行需要數百萬個量子比特，目前遠遠沒法實現。過去幾年中，研究人員開始開發包含大約50至100量子比特的“噪聲中級量子”（NISQ）芯片。

NISQ芯片可以解決傳統計算機難以處理的某些算法。但是，下一個難題是如何驗證量子芯片是否按預期執行操作。NISQ芯片的輸出看起來可能是完全隨機的，要確定一切是否按計劃進行需要很長時間。

近日發表在《自然·物理學》上的一篇論文中，研究人員描述了一種新方法，可以有效地驗證NISQ芯片已經執行了所有正確的量子操作。

分而治之：先分解，再還原

[[313506]]

研究人員的工作實質上是將量子電路產生的輸出量子狀態追溯到已知的輸入狀態。這樣做可以揭示從輸入到輸出執行了哪些電路操作。這些操作應始終與研究人員編寫的程序相匹配。如果不匹配，研究人員可以利用這些信息來確定芯片上哪里出了問題。

為此，研究人員從神經網絡中汲取靈感，構建了一個新的“量子神經網絡”（QNN），其中每一層代表一組量子運算。

[[313507]]

為了運行QNN，研究人員使用傳統的硅制造技術來構建2 x 5毫米NISQ芯片，成對的光子從外部組件以特定的波長生成，并注入到芯片中。光子穿過芯片的移相器，移相器會改變光子的路徑，從而相互干擾。

這個過程將產生一個隨機的量子輸出狀態，用以表示在計算過程中將發生的情況。輸出信號由一組外部光電探測器傳感器測量。

將輸出發送到QNN中。QNN的第一層使用復雜的優化技術來挖掘嘈雜的輸出，區分所有疊加在一起的單個光子的簽名。然后對單個光子進行“解擾”，識別是哪些電路操作將其返回到對應光子的已知輸入狀態。這些操作與電路特定設計完全匹配。

然后對所有后續層都進行相同的計算，直到所有光子都處于未加密狀態為止。

例如，假設輸入處理器的量子比特的輸入狀態全為零。由NISQ芯片對量子比特執行一系列操作，生成大量看似隨機的數字輸出。

QNN會逐層確定哪些操作將每個量子比特還原回其輸入的零狀態。如果有任何操作與原計劃的操作不同，就說明出現了問題。研究人員可以檢查預期輸出與輸入狀態之間哪里不匹配，并根據這些異常來調整電路設計。

玻色子“解采樣”：算的準不準一測便知

在實驗中，研究小組成功運行了一項流行的計算任務，該任務用于證明量子優勢，該任務名為“玻色子采樣”，通常在光子芯片上執行。實驗中，移相器和其他光學組件操縱一組輸入光子，并將其轉換為輸出光子的不同量子態疊加。實驗任務是計算某個輸入狀態與某個輸出狀態相匹配的概率。

但是由于光子的不可預測性，傳統計算機幾乎不可能完成這個任務。從理論上講，NISQ芯片可以快速計算。但是，由于NISQ操作和任務本身的復雜性，到目前為止，還沒有方法可以快速、輕松地進行驗證算出來的結果到底對不對。

卡洛蘭說：“賦予這些芯片量子計算能力的相同特性幾乎使它們無法驗證。”

在實驗中，研究人員能夠在其定制的NISQ芯片上“解采樣”遇到玻色子采樣問題的兩個光子，驗證只需很短的時間，可以采用傳統的驗證方法。

“從這個角度來看，該方案是未來量子工程師的重要基準測試工具。

卡羅蘭說，盡管該方法是為量子驗證目的而設計的，但也可以用來發現有用的物理性質。例如，某些分子在激發時會振動，并基于這些振動發出光子。將這些光子注入光子芯片，可用于發現有關分子的量子動力學的信息，進行生物工程分子設計。

“我們的夢想是，希望這個驗證技術可以解決物理世界中更多有趣的問題。”