新的经典算法增强了对量子计算未来的理解

在量子计算的一个令人兴奋的发展中，来自芝加哥大学计算机科学系、普利兹克分子工程学院和阿贡国家实验室的研究人员引入了一种模拟高斯玻色子采样 (GBS) 实验的经典算法。

这一成果不仅有助于阐明当前量子系统的复杂性，而且代表着我们在理解量子和经典计算如何协同工作方面迈出了重要一步。这项研究发表在《自然物理学》杂志上。

高斯玻色子采样的挑战

高斯玻色子采样作为一种展示量子优势的有前途的方法而备受关注，这意味着量子计算机能够执行传统计算机无法有效完成的任务。在实现这一突破的过程中，一系列创新实验测试了量子系统的极限。

先前的研究表明，在理想条件下，经典计算机很难模拟 GBS。然而，助理教授兼作家 Bill Fefferman 指出，实际实验中存在的噪声和光子损失带来了额外的挑战，需要仔细分析。

值得注意的是，中国科学技术大学和加拿大量子公司 Xanadu 等主要研究中心的团队进行的实验(例如这些)表明，虽然量子设备可以产生与 GBS 预测一致的输出，但噪声的存在往往会掩盖这些结果，从而导致人们对所谓的量子优势产生质疑。这些实验为当前的研究奠定了基础，促使科学家改进他们对 GBS 的方法并更好地了解其局限性。

理解量子实验中的噪声

“尽管理论基础已经确定量子系统可以胜过经典系统，但实际实验中存在的噪声带来了需要严格分析的复杂性，”费弗曼解释说。“在我们努力实现量子计算的实际应用时，了解噪声如何影响性能至关重要。”

这种新算法利用当前 GBS 实验中常见的高光子损失率来解决这些复杂性，从而提供更高效、更准确的模拟。研究人员采用了经典的张量网络方法，利用这些嘈杂环境中量子态的行为，使模拟更高效、更易于利用可用的计算资源进行管理。