當Google用量子電腦窺探到經典世界無法觸及的物理秘密時，我們離那個能設計新藥、創造新材料的「量子霸權」又近了一大步，下一個諾貝爾獎的種子或許已在此刻種下。Google要預定下一個諾貝爾獎了？Google宣佈：人類歷史上首次在真實硬體上，量子電腦成功運行了可驗證演算法，性能超越了全球最快的傳統超算，速度提升達13,000倍。剛剛，這一量子計算的里程碑，正式登上Nature封面。總的來說，Google的這項突破讓我們距離在醫學、材料科學等領域推動重大發現的實用量子電腦，又邁進了一大步。論文地址：https://www.nature.com/articles/s41586-025-09526-6Google量子演算法登Nature借鑑混沌理論的思路，Google工程副總裁、量子AI實驗室的創始人兼負責人Hartmut Neven等人，在一台超導量子處理器上，成功測量了量子版的「蝴蝶效應」。具體而言：針對一項複雜的物理模擬，Google的65量子位元處理器的執行速度，比Frontier超算快13,000倍。這標誌著在實現實用量子優勢方面取得了可衡量的進展。實驗採用了新演算法「量子回聲」（Quantum Echoes），測量了OTOC(2) （二階無序時序關聯函數，second-order out-of-time-order correlators ）的干涉效應，揭示了經典電腦無法有效復現的量子行為。團隊將這項工作與現實世界的應用聯絡起來，包括擴展核磁共振（NMR）光譜學技術，以及推進Google在量子計算領域實現硬體和軟體突破的雙軌路線圖。對此，Google量子人工智慧的量子硬體首席科學家、2025年諾貝爾物理學獎得主Michel Devoret指出，演算法成功的關鍵在於，Willow晶片龐大的量子位元數量以及約0.1%的低錯誤率。Google量子AI實驗室的這一成果，一舉將量子計算進一步帶入了所謂的「超越經典」（beyond-classical）的新境界——在這一領域，即便是全球最強的超級電腦也望塵莫及。在Nature論文中，該團隊描述了如何使用其65量子位元的超導處理器，來測量所謂的「二階無序時序關聯函數」（second-order out-of-time-order correlator, 簡稱 OTOC(2)）的微妙量子干涉現象。若在目前全球排名第一的經典電腦Frontier上執行此計算，大約需要3.2年；相比之下，Google的量子裝置僅用時兩個多小時，速度提升了約13,000倍。該團隊報告稱，這項工作代表了該領域向「實用量子優勢」邁出的重要一步。所謂實用量子優勢，指的是量子電腦能產出有意義的科學資料，而經典電腦無法在合理時間內生成這些資料。新聞發佈會上，Google工程副總裁Hartmut Neven介紹了團隊研究成果。它圓了費曼的一個夢——它能做出可被驗證的預測。這些預測可以通過兩種方式驗證：· 你可以在另一台足夠強大的量子電腦上重複計算，應該會得到相同的結果；· 或者，你可以直接與自然「對話」，做一個包含量子效應的實驗，然後就能非常精確地比較你對真實世界系統所做的預測了。Google的下一個目標是量子硬體路線圖上的第三個里程碑——實現「長壽命邏輯量子位元」（long-lived logical qubit）。重構量子混沌在混沌或「遍歷」（ergodic）的體系中，系統的各個部分會變得高度糾纏，導致大多數可測物理量對微觀細節不再敏感，物理學家將此過程稱為「資訊擾亂」（scrambling）。經典電腦難以追蹤這種資訊擴散過程，因為所需參數的數量會隨量子位元數呈指數級增長。為了探測這些動力學過程，團隊採用了一種被稱為「回聲協議」的時間反演技術，使他們能夠有效地「倒轉」量子演化過程，從而測量到那些本會丟失的干涉圖樣。整個演算法分為四步：首先讓系統在時間上向前演化，然後施加一個微小的「蝴蝶擾動」，接著讓系統在時間上向後演化。在量子電腦上，向前和向後的演化會相互干涉。這種干涉會產生一種類似波的運動，將這個擾動在空間中傳播出去，形成一種「蝴蝶效應」，可以在遠處的量子位元上被檢測到。而這種蝴蝶效應對向前和向後演化過程中的微觀細節極為敏感。根據該論文，通過測量二階相關器OTOC(2)，團隊得以揭示所謂「泡利串」（Pauli strings）之間的相長干涉。這種干涉圖樣僅在量子軌跡以特定方式重新組合時才會出現，從而暴露了標準可觀測量無法捕捉的隱藏資訊。這聽起來可能有點專業，但通俗地講，研究人員觀察的是量子資訊如何編織般地進出混沌狀態——這是一個無法用經典工具直接可視化或計算的過程。模擬複雜性的量化飛躍研究小組使用一系列隨機的單量子位元門和雙量子位元門，在一個由65個超導量子位元構成的晶格上測量了這些相關器。他們將測量結果與包括張量網路收縮和蒙特卡洛演算法在內的經典模擬方法進行了比較。雖然規模較小的40量子位元實例可以在頂級GPU上耗時數天計算後復現，但65量子位元的運行結果超出了所有有效經典模型的模擬能力。運行相同的電路：在擁有超過9,000塊GPU的Frontier超算上需要連續工作3.2年。量子處理器生成每組資料僅需2.1小時（包括校準和讀取時間）。這種懸殊的差距使該實驗穩穩地進入了「超越經典」的範疇。正如團隊在論文中所寫，OTOC(2)這一可觀測量滿足了實用量子優勢的兩大關鍵標準：它可以通過實驗測量得到，且訊號雜訊比大於1；同時，它超出了精確和近似經典方法的能力範圍。讓這項成果尤為矚目的是其物理相關性。不同於主要用作速度基準測試的早期演示（如去年Willow實驗所做的隨機電路採樣），OTOC測量能夠得出一個與糾纏、資訊置亂和量子混沌相關的、具有物理解釋的物理量。邁向有用的量子優勢在研究的後半部分，他們將同一測量方法應用於一項名為「哈密頓量學習」的任務，即提取控制量子系統演化的未知參數。在演示中，團隊在一個模型系統中改變了一個相位參數，結果表明，實驗測得的OTOC(2)資料能夠通過簡單的最佳化過程精確定位其正確值。這項原理驗證展示了將量子處理器用作真實物理系統（從磁性材料到分子結構）診斷工具的潛力：通過不斷比較實驗資料與量子模擬結果，直到兩者背後的哈密頓量參數相匹配。OTOC(2)訊號衰減緩慢且靈敏度高，使其尤其適合此類學習任務，有望幫助研究人員描繪那些光譜學或傳統計算方法難以看清的複雜相互作用。如果這類技術能夠規模化，它們可能構成實用量子模擬器的基石——這種裝置能夠直接從實驗中學習自然法則，而非從第一性原理出發進行計算。擴展核磁共振的應用範圍儘管這一進展看起來似乎只是一個現實應用有限的技術或演算法里程碑，但13,000倍的速度提升，可能標誌著首個與實體科學工具——核磁共振（NMR）光譜學——相關聯的可驗證量子演算法的誕生。它有望擴展核磁共振的測量範圍，並用真實的實驗資料直接驗證量子預測。Google量子人工智慧的研究人員還表示，他們證明了支撐「量子回聲」演算法的「向前-向後」時間演化技術同樣能擴展核磁共振（NMR）光譜學的應用能力。核磁共振是化學與材料科學領域最成熟的工具之一，傳統上通過測量原子核間的磁相互作用來推斷分子結構。然而，其靈敏度隨距離增加而急劇下降，限制了能夠產生可測訊號的兩個自旋之間的最大距離。通過應用「量子回聲」演算法來模擬這些偶極相互作用，團隊展示了量子處理器可以模擬微弱訊號如何在分子中傳播，從而有效地創造出他們所稱的「更長的分子尺度」。擴展核磁共振的測量範圍，可能對生物化學、藥物設計和凝聚態物理等領域產生深遠影響，因為在這些領域，複雜分子或材料的幾何結構決定了其性質。Google首席科學家、諾貝爾獎得主Michel Devoret指出，該演算法還可作為一種反演方法，這意味著實驗性的核磁共振資料可以被反饋到量子模型中，從而揭示那些無法通過經典方法發現的隱藏結構細節。從NMR實驗中獲取資料，實際上是對自然界中某個分子的一次探測。如果你能反演這些資料，便可以揭示出用其他任何方法都無法獲知的結構。從這個意義上說，這項工作不僅是在檢驗量子力學，更指向了量子計算與量子感測之間的一種共生關係：一個通過模擬和測量相互促進、共同完善的反饋回路。儘管核磁共振的演示本身尚未達到「超越經典」的門檻，但它代表了利用量子處理器直接分析實驗資料的第一步。正如O'Brien所說，為一個擁有80年歷史並「誕生了多項諾貝爾獎」的領域引入一種全新的計算技術，其本身就是一個意義非凡的里程碑。侷限性值得一提的是，團隊並未聲稱實現了完全通用的量子優勢。首先，儘管13,000倍這個數字十分驚人，但它僅適用於這類基於干涉的可觀測量，並且是基於在Frontier超算當前的架構上通過張量網路收縮排行經典模擬的假設。經典演算法仍在不斷進步，其他模擬策略也可能會縮小在某些問題上的差距。其次，實驗依賴於精心最佳化的電路和大量的錯誤緩解技術。裝置的中位雙量子位元門錯誤率為0.15%，在40個電路周期時，系統總保真度為0.001。以當今的標準來看，這已相當出色，但仍未達到容錯計算所需的閾值。測得的訊號雜訊比雖然高於1，但數值不大（在最大的系統中介於2到3之間），這意味著資料在統計上是可靠的，但並非完全不受噪聲或漂移的影響。此外，亂序相關器是用於捕捉量子混沌某些特性的數學構造，但它們與技術應用的直接聯絡仍在探索之中。從測量OTOC到加速材料發現或化學設計，中間仍需跨越若干概念性步驟。儘管如此，作為一次大規模量子控制和測量的測試，該實驗標誌著技術成熟度達到了新的高度。在65個量子位元上實現可靠的回聲序列和精確的時間反演，預示著量子計算正朝著更實用工作負載所需的高保真度穩步邁進。Nature採訪了多名物理學家，對Google的聲明表示「懷疑」。紐約大學量子物理學家Dries Sels坦言：「就個人而言，我認為這尚不足以支撐如此重大的聲明。」其他學者則認為過早斷言實際應用為時尚早。達特茅斯學院量子物理學家James Whitfield評價道，雖然這項技術進步令人印象深刻，但「若認為它能立即解決某些具有經濟價值的問題，則略顯牽強」。另外值得一提的是，Google量子人工智慧實驗室處理器總監Yu Chen，本科畢業於中科大物理學專業。(新智元)
