谷歌实现了“量子优势”，但如何判断量子计算机是否计算正确，计算步骤是否按照预定设计进行，仍然是一个难题。最近，麻省理工学院和谷歌的研究人员通过使用量子神经网络的“去采样”解决了这个问题。论文已发表于《自然·物理学》。为了让量子计算尽快实用化，麻省理工学院、谷歌等机构和公司设计了一套系统，可以验证量子芯片是否可以准确地进行传统计算机无法完成的复杂计算。量子芯片使用“量子位”执行计算，它可以表示对应于经典二进制位的两种状态（0或1），或者同时表示两种状态的“量子叠加”。这种独特的叠加态可以使量子计算机解决经典计算机难以解决的问题，在材料设计、新药发现和机器学习等方面取得突破。一台完整的量子计算机的运行需要数百万个量子比特，目前还远未实现。在过去的几年里，研究人员已经开始开发包含大约50到100个量子比特的“噪声中等规模量子”（NISQ）芯片。NISQ芯片可以解决某些传统计算机难以处理的算法。然而，下一个难题是如何验证量子芯片是否按预期运行。NISQ芯片的输出可能会出现完全随机的情况，需要很长时间才能确定一切是否按计划进行。在今天发表于《自然·物理学》的一篇论文中，研究人员描述了一种新方法，可以有效验证NISQ芯片是否执行了所有正确的量子操作。分而治之：分解，然后恢复研究人员的工作本质上是将量子电路产生的输出量子态追溯到已知的输入态。这样做可以揭示从输入到输出执行了哪些电路操作。这些操作应始终与研究人员编写的程序相匹配。如果不匹配，研究人员可以使用这些信息来确定芯片出了什么问题。为此，研究人员从神经网络中汲取灵感，构建了一个新的“量子神经网络”（QNN），其中每一层代表一组量子操作。为了运行QNN，研究人员使用传统的硅制造技术构建了一个2x5mmNISQ芯片。外部元件以特定波长产生成对的光子并注入芯片。光子穿过芯片的移相器，移相器改变光子的路径，使它们相互干扰。这个过程会产生一个随机的量子输出状态，代表计算过程中会发生什么。输出信号由一组外部光电探测器传感器测量。将输出发送到QNN。QNN的第一层使用复杂的优化技术来挖掘噪声输出，区分叠加在一起的所有单个光子的特征。然后对单个光子进行“解扰”，识别哪些电路操作将它们返回到相应光子的已知输入状态。这些操作与电路特定设计完全匹配。然后对所有后续层执行相同的计算，直到所有光子都处于未加密状态。例如，假设输入处理器的量子位的输入状态全为零。NISQ芯片对量子比特进行一系列运算，产生大量看似随机的数字输出。QNN逐层确定哪些操作将每个量子位恢复到其输入零状态。如果有任何行为与计划不同，则说明有问题。研究人员可以检查预期输出和输入状态之间的不匹配，并根据这些异常情况调整电路设计。玻色子“反采样”：您可以判断自己是否正确在一项实验中，该团队成功运行了一项流行的计算任务，该任务用于证明量子优势，称为“玻色子采样”。”，通常在光子芯片上执行。在实验中，移相器和其他光学元件操纵一组输入光子，并将它们转换为输出光子的不同量子态的叠加。实验任务是计算某个输入状态与某个输出状态匹配的概率。但由于光子的不可预测性，这项任务对于传统计算机来说几乎是不可能的。理论上，NISQ芯片可以快速计算。然而，由于NISQ操作和任务本身的复杂性，到目前为止，还没有办法快速方便地验证计算结果是否正确。“赋予这些芯片量子计算能力的相同特性使它们几乎无法验证，”卡罗兰说。在实验中，研究人员能够“取消采样”两个在他们定制的NISQ芯片上遇到玻色子采样问题的粒子。对于光子，验证只需要很短的时间，可以使用传统的验证方法。“从这个角度来看，该方案是未来量子工程师的重要基准工具。虽然该方法是为量子验证目的而设计的，但它也可以用来发现有用的物理特性。例如，一些分子在受激时会振动，并基于光子发射光子。”将这些光子注入光子芯片，可用于发现有关分子量子动力学的信息，用于生物工程分子设计。“我们的梦想是这种验证技术可以解决物理世界中更多有趣的问题。”
