Google Research 展示 Willow 量子處理器在魔方陣遊戲中勝過經典策略
A game you cannot win unless you have a quantum computer
Google Research 在 Willow 量子處理器上展示並測量量子情境性,魔方陣遊戲勝率達 98.30%,高於經典策略上限。團隊以 Bell–Kochen–Specker 不等式測得 χ = 5.590 ± 0.008,高於經典上限 4。在最多 105 個量子位元的隱藏線性函數任務中,處理器成功率高於一半;這些任務亦能揭示隨機電路基準容易掩蓋的細微相干錯誤。
研究顯示,量子情境性相關任務可在多量子位元處理器上,揭示隨機電路基準容易掩蓋的細微相干錯誤。
這是一道週日報紙風格的謎題,你現在就可以試試。畫一個 3×3 方格,在每格填上 +1 或 −1,並遵守兩條規則:每一行的乘積必須是 +1,每一列的乘積必須是 −1。
試試看。我們等你……
你做不到吧?原因很巧妙。要令一行的乘積為 +1,當中 −1 的數目必須是偶數;要令一列的乘積為 −1,當中 −1 的數目必須是奇數。把各行的 −1 數目加起來,就會知道整個方格有偶數個 −1。把各列的 −1 數目加起來,就會知道整個方格有奇數個 −1。嗯……這是不可能的!
這個方格必須同時符合兩個互相矛盾的條件。這樣的表格並不存在;這就是一個悖論。
現在把這道謎題變成一個遊戲:每一回合,Alice 會拿到一行,Bob 會拿到一列。兩人不能交談,Alice 要按照行的規則填寫她那一行,Bob 則要按照列的規則填寫他那一列。如果兩人在行與列交會的方格填上相同的數字,就算獲勝。任何預先制定的計劃都只不過是一張預先填好的表格,因此他們最多隻能在 9 回合中贏 8 回合。若他們使用量子電腦,情況就不同了。量子電腦不會填出那個不可能的方格,但原則上能讓他們每回合都獲勝。
原因在於一種稱為量子情境性的特性。有人認為,這是量子力學最奇異的特徵。Einstein 曾經有句名言,問月亮在沒有人看時是否依然存在;他藉此堅持認為,物理性質無論有沒有人測量,都應該存在。對量子系統而言,情境性是一個精確而且可透過實驗驗證的表述:答案可以是否定的——我們不能為所有可能測量的事物指定固定且預先存在的數值。
測量結果可能取決於你同時進行哪些其他相容測量(即其情境)。這不僅是一項深刻的哲學論述,更是前沿科學,也是新技術的基礎。在上述遊戲中,Alice 和 Bob 可以利用這一點設計出解法。他們的答案不是從預先寫好的隱藏表格中查出來的;那張表格根本不存在。他們的答案在測量時才產生,而量子關聯能把這些答案聯繫得比任何經典規則允許的程度更緊密。
量子糾纏通常被視為量子計算的「魔法成分」。但越來越多理論研究顯示,情境性才是更深層的資源,是真正推動某些量子演算法超越經典演算法的力量。問題是,直到最近,情境性幾乎只在由少數粒子組成的小型系統中獲得驗證。它能否在構成真正量子電腦的多體系統中保持存在並繼續發揮作用,仍是一個未解之謎。
這正是我們著手解答的問題。在發表於《Science》的〈由測量情境性引發的有界資源任務中的量子與經典分野〉一文中,我們在自家的超導量子處理器上展示並測量了情境性。我們的量子位元在魔方遊戲中的勝率達 98.3%,在情境性測試中超越經典界限,並在涵蓋多達 105 個量子位元的任務中勝過經典策略。在這個過程中,這些任務也證明是量子硬件的一種靈敏新基準測試,能發現隨機電路測試會漏掉的細微錯誤。
超越經典界限
我們在 魔方陣遊戲中,使用 Willow 量子處理器進行測試。Alice 和 Bob 各自持有兩個量子位元,並共享兩對糾纏的 貝爾對,而非使用預先寫好的表格。他們根據各自獲派的行或列,採用預設設定進行測量,得出各自的 ±1 數值。
可以想像到的最佳經典策略,每九局至少會輸一局,勝率最高為 88.89%。我們把遊戲的九種版本各玩了 100,000 次,量子位元約每六十局輸一局,勝率為 98.30%(0.9830 ± 0.0001)。
這個差距具有實質意義,在統計上亦屬顯著:我們的量子位元協調得比任何預先寫好的表格所能做到的更好。這是因為沒有任何一格的數值是預先固定的。每個答案只有在與同一行或列(即其測量情境)的其餘項目一同測量時,才會形成;共享的量子糾纏則令 Alice 和 Bob 對共同格子的答案一致。
量化情境性
魔方陣遊戲展現了情境性的潛在力量,因此我們接着嘗試量度一部機器的情境性有多強。我們使用了 Bell–Kochen–Specker 不等式。它與著名的 貝爾測試密切相關;該測試顯示,像上述貝爾對這樣的糾纏粒子,不可能攜帶預先固定的答案。我們的不等式把一組關聯性整合為單一數值 χ。以以上遊戲中的行和列表示,公式如下:χ = R1 + R2 + R3 − C1 − C2 − C3,其中 R 和 C 分別代表 Alice 和 Bob 之前必須計算的各行及各列的乘積:
| +1 | +1 | +1 | R1 = (+1)*(+1)*(+1) = +1 |
| +1 | −1 | −1 | R2 = (+1)*(−1)*(−1) = +1 |
| −1 | +1 | −1 | R3 = (−1)*(+1)*(−1) = +1 |
| C1 = (+1)*(+1)*(−1) = −1 | C2 = (+1)*(−1)*(+1) = −1 | C3 = (+1)*(−1)*(−1) = +1 | χ = 4 |
任何測量結果都預先決定的宇宙,都必須符合 χ ≤ 4(試試幾個表格便會發現,χ 只可能取值 -4、0 和 4)。量子力學容許數值最高達 6,而只有在所有 R = +1、所有 C = -1 時才會出現。與大多數同類測試不同,這項測試與量子態無關:量子位元的製備方式並不重要,因此它反映的是機器本身的特性,而非精心挑選的輸入。
量度 χ 並不容易:必須在同一對量子位元上逐一測量每一行和每一列,而且不能幹擾它們。我們使用一個額外的輔助量子位元(「ancilla」)來完成測量,由它記錄每次結果並接受測量,讓兩個主要量子位元保持原狀。我們連續進行 540 次測量,並重複 1,000 次。
我們量得 χ = 5.590 ± 0.008.
這個數值遠高於經典界限 4,與量子極限只差 7%。它表明這部機器具有這種程度的情境性。
規模擴大後,情境性仍然存在嗎?
兩個量子位元是一回事,但量子效應十分脆弱;每增加一個量子位元,都會帶來可能令這些效應消失的雜訊。實用的量子運算需要許多量子位元協同運作,因此問題是情境性在規模擴大後能否維持。
在GHZ 奇偶性遊戲中,N 名玩家共享一個糾纏的GHZ 態(所有量子位元均為 0 或均為 1 的疊加態)。每名玩家會收到一個位元的問題,並以一個位元作答,期間不能互相通訊。如果所有答案的奇偶性(偶數或奇數)符合問題所定的規則,他們便勝出。隨機猜測的勝率為一半,而最佳古典策略只會好一點:三名玩家時勝率為 75%,玩家人數增加後,勝率逐漸降至 50%。共享 GHZ 態則能讓他們每次都勝出。我們最多安排了 71 名玩家,每人對應一個量子位元。噪音令勝率無法達到 100%,而且會隨每增加一個量子位元而加劇,因此我們的優勢逐漸縮小,但全程仍高於古典上限。我們亦驗證了 45 個量子位元之間的真正糾纏,規模超過不少早期 GHZ 實驗的總量子位元數。
除了多人遊戲,同一種物理現象亦能區分淺層量子電路與古典電路。2018 年,一項具里程碑意義的定理證明,一個特定問題——尋找隱藏線性函數——可以由固定深度量子電路解決,但固定深度的古典電路則無法做到。這種量子優勢的根源可追溯至情境性。
在這項證明中,固定深度十分重要。這表示問題規模增加時,電路深度不會隨之增加。由於每個輸出位元都在固定步數內計算,資訊只有時間傳遞很短的距離。因此,每個古典輸出只能「看見」輸入的一小片鄰近區域,就像一則傳聞必須在三分鐘內穿越一座城市一樣。量子電路則不同,糾纏已預先建立,因此不受這種限制。
這套演算法從未在真實硬件上大規模執行。我們實際運行了它,在最多由 105 qubits 組成的網格上解決隱藏線性函數問題,成功率高於一半,並完全採用理論所規定的淺層電路方案。
意外收穫:更好的標尺
在進行這些實驗期間,我們意外有了另一項收穫。這些任務要求大量量子位元同時完全一致。執行這些任務揭示了系統中細微的相干錯誤,這類錯誤會令量子態稍微偏離目標;傳統的隨機電路基準測試往往會把它們平均掉,令其難以察覺。
這顯示情境性還有第二種用途:不只是計算資源,也可以是一把標尺。
大部分基準測試都在檢視處理器能否達到某個古典標準。這些任務則以物理定律為硬件設定上限:χ = 6,勝率為 1,情境分數達到完美。機器實際達到的水平與自然界所容許的水平之間的差距,便成為客觀而有意義的評分。古典標準會變得愈來愈容易達到,這個上限卻始終不變。量子處理器愈進步,這類基準測試的鑑別能力便愈強。這對化學及材料科學等實際應用尤其重要,例如分子模擬,因為它能衡量處理器執行結構化演算法的能力,讓細微錯誤無所遁形。
接下來的發展
一場近百年前便開始的爭論,探討無人觀察時物理系統是否仍然存在,如今證實可以透過可測量的方式驗證。對於我們的量子位元,結論很清楚:並非所有我們測量的事物,都有預先存在、等待被觀察的數值。理論將情境性與經糾錯量子電腦執行完整演算法所需的「魔態」連繫起來,而我們的團隊最近透過魔態培育製備了這些魔態。
在眾多量子位元上測量情境性,讓我們能在真實硬件上探究物理學和電腦科學中一個尚未解答的問題:量子電腦的優勢從何而來?
致謝
這項工作由 Google Quantum AI 團隊與我們的學術合作夥伴共同完成。我們感謝所有建造及維護硬件、控制電子設備、低温設備和軟件的人員,正是他們令這些實驗得以進行。
來源:Google Research · research.google