每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/

在2019年，谷歌首次宣布实现了“量子霸权”，即量子计算机能够执行传统计算机在合理时间内无法完成的操作。然而，这一说法引发了争议，因为当时的操作主要是一个基准测试，用于让量子计算机表现出其量子特性，而改进后的超级计算机模拟方法大幅减少了所需的模拟时间。如今，谷歌带着新的研究成果回归，通过一篇发表在《自然》杂志上的论文，展示了最新的基准测试结果，并探讨了其量子处理器性能的“相变”现象，以及如何在低噪声环境中运行。

量子随机电路和交叉熵基准测试

这次研究的基准测试涉及量子随机电路的性能。这类电路的操作涉及对量子比特进行一系列操作，让系统状态随时间演变，使输出结果高度依赖于量子力学的随机性。随着量子比特数量的增加，在经典硬件上模拟量子随机电路的难度也随之增加，这正是谷歌最初提出量子霸权的依据。

然而，运行量子随机电路时不可避免地会出现错误。交叉熵基准测试是一种评估量子硬件整体保真度（即执行无误操作的能力）的方法，它与量子随机电路的性能密切相关。谷歌首席科学家Sergio Boixo将量子随机电路的运行比作一场竞赛，一方面是量子纠缠的快速扩展，另一方面是噪声对纠缠的破坏。

探索低噪声环境和相变点

谷歌的研究重点在于使用交叉熵基准测试来探讨最新一代Sycamore芯片的错误情况，并确定从“错误占主导”状态到“低噪声状态”之间的过渡点。通过数值估算和实验，研究人员发现这一过渡点与每个操作周期中的错误率有关，而参与操作的量子比特数量也会影响这一点的位置。要想在低噪声环境下运行，就需要限制量子比特的数量，或者降低整体错误率。

在低噪声环境中，虽然每个操作仍有可能出错，量子比特也可能无故失去状态，但这些错误率可以通过交叉熵基准测试来估计。不过，当超出过渡点时，错误会迅速干扰纠缠过程，导致纠缠系统分裂为多个小系统。谷歌的研究模拟了这种情况，并证明经典计算机可以通过将计算分解为多个可管理的部分来模仿这种行为。

最终，研究人员利用对相变的表征，确定了在Sycamore芯片的基本错误率下，最多能在低噪声环境中保持的量子比特数量，并执行了上百万次随机电路操作。尽管在量子硬件上这相对容易，但即使使用最先进的超级计算机进行模拟，仍需要约一万年的时间。通过优化存储器使用，这一估计时间才被缩短至12年。

研究的意义

Boixo强调，这项工作的价值不在于随机量子电路的实际用途，而在于更好地理解量子算法所能容忍的噪声水平。该基准测试旨在让量子计算机尽可能容易地超越经典计算。因此，如果在这个基准测试上无法胜出，就不可能在更复杂的问题上获胜。谷歌还表示，确定相变点可以帮助寻找在低噪声相位内运行的应用，这些应用有望在噪声较大的量子计算机上超越经典计算机。

这也解释了为什么谷歌专注于改进单一处理器设计，而其他竞争对手则快速增加量子比特数量。如果基准测试表明，Sycamore处理器无法在最简单的低噪声计算中同时利用所有量子比特，那么增加比特数量的价值可能有限，唯一的解决办法就是降低处理器的基础错误率。

谷歌目前正致力于降低错误率，并探索通过纠错逻辑量子比特来克服这些限制。这项研究为未来的量子计算应用提供了新的视角和技术路径，期待后续的进展能带来更大的突破。