如何看待中国量子计算原型机「九章」问世，超越谷歌实现「量子霸权」？ 第1页

北京时间12月4日凌晨3点，一篇重要文章以First Release形式在线发表在Science，宣布了中国科大在光量子计算方面实现了量子计算优越性。这一76光子的量子计算原型机被命名为“九章”。之所以将这台新量子计算机命名为“九章”，是为了纪念中国古代最早的数学专著《九章算术》。《九章算术》是中国古代张苍、耿寿昌所撰写的一部数学专著，它的出现标志中国古代数学形成了完整的体系，是一部具有里程碑意义的历史著作。而这台叫做“九章”的玻色采样新机器，同样具有重要的里程碑意义。

根据现有理论，“九章”量子计算系统处理高斯玻色取样的速度比目前最快的超级计算机快一百万亿倍。“九章”一分钟完成的任务，超级计算机需要一亿年。等效地，其速度比去年谷歌发布的53个超导比特量子计算原型机“悬铃木”快一百亿倍。

评价这一进展之前，我们先看一下“九章”究竟长什么样？

再见识一下我们的“九章号”光学下的真容，看看量子力学支配下的光学魅影。

（摄影：马潇汉、梁竞、邓宇皓）

然后，我们再看下国际大牛的评价：

Ignacio Cirac

德国马普所所长 沃尔夫奖得主 富兰克林奖章得主

The work is a breakthrough in the field of quantum science and technology in general. It's a a big step towards building devices that offer some advantage based on quantum physics as respect to classical devices.

总体来说，这是量子科技领域的一个重大突破，朝着研制相比经典计算机具有量子优势的量子设备迈出了一大步。

I think that' it's a huge technological effort which is behind this result. So I think the laboratory of professor pan is a unique place in the world where these things are happening.

我相信这项成果背后付出了巨大的技术努力。潘教授的团队在世界上独一无二的，他们产生了包括这个实验在内的很多重大成果。

Anton Zeilinger

奥地利科学院院长 沃尔夫奖得主 美国科学院院士

This work is really very important. There is an ongoing development worldwide to have a quantum computing system which shows that quantum computers can do things better than conventional computers.

这项工作确实非常重要。全世界正在研发量子计算，致力于展示超越常规计算机的能力。

This is called quantum supremacy. What this work now shows is important because Jian-Wei Pan and his colleagues demonstrate that quantum supremacy is also possible with quantum computers based on photons, on particle of light.

这称为“量子计算优越性”。这项工作成果很重要，因为潘建伟和他的同事证明，基于光子（光的粒子）的量子计算机也可能实现“量子计算优越性”。

Actually, this Gaussian Boson Sampling is already something useful.

实际上，这种高斯玻色子采样已经有一些用处。

I predict that there is a very good chance, at someday quantum computers might be used very broadly. Maybe even by everyone.

我预测很有可能有朝一日量子计算机会被广泛使用。甚至每个人都可以使用。

I’m extremely optimistic in that estimate, but, you know, we have so many clever people working on these things, including my colleagues in China. So, I’m sure we will see quite rapid development.

我对这个估计非常乐观，有很多聪明人在做这些事情，包括我的中国的同事。因此，我确定我们会看到相当快的发展。

Dirk Englund

麻省理工学院教授 美国青年科学家总统奖得主 斯隆奖得主

This is a momentous result.

这是一个划时代的成果

I think it's a remarkable achievement. It’s a milestone in development these intermediate scale quantum computers. it shows That we are at the cusp of something very special in this frontier to complex systems that have a complexity that we cannot predict on our computers today. So, it's a remarkable achievement, I think a milestone in the field. so, I congratulated them.

我认为这是一个了不起的成就。 这是开发这些中型量子计算机的里程碑。 它表明，在复杂系统的前沿领域中，我们正处于非常特殊的时刻，复杂系统具有我们今天无法在计算机上预测的复杂性。 因此，这是一项了不起的成就，我认为这是该领域的一个里程碑。 所以，我向他表示祝贺。

Peter Zoller

美国科学院院士 沃尔夫奖得主 狄拉克奖章得主

Demonstrating quantum superiority with today's quantum devices in problems of increasing complexity is one of the outstanding problems in quantum science. The experiment by Chao-Yang Lu and Jian-Wei Pan on Gaussian boson sampling with photons takes all this to a new level, both in terms of the size and scaling of a quantum system, but also in view the promise of impact to real world applications.

利用量子器件来解决日益复杂的问题并体现量子优势是量子科学前沿中的最重要问题之一。陆朝阳、潘建伟和同事们基于光子进行的高斯玻色子采样实验，无论是在量子系统的大小和扩展性方面，还是在实际应用的前景方面，都把研究水平提升到了一个新的高度。

Steven Girvin 美国耶鲁大学教授 布鲁克海文国家实验室量子优势合作设计中心主任 美国艺术和科学院院士 巴克莱奖获得者

This was an extremely difficult and required a great deal of effort to perfect. And I was very impressed by it. I think it represents an important technical advance in our ability to control the quantum systems.

这是一个极其困难的，需要付出很大的努力来完善的工作。对此我印象非常深刻，我认为这是我们控制量子系统能力的重要技术进步。

……

最后，我们对这一工作进行详细介绍。

经典和量子的算力之争：

中国科学家实现“量子计算优越性”里程碑

（以下来自“墨子沙龙”公众号）

在气象工程师白冰被追捕的路上，他认识了同样被追捕的宋诚。白冰神秘地拿出一只箱子， “这是一台超弦计算机，是我从气象模拟中心带出来的，你说偷出来的也行，我全凭它摆脱追捕了”。

这个情节来自科幻作家刘慈欣的中短篇小说《镜子》。在故事里，白冰偷出来的这台机器是一台拥有了几乎无限运算和存贮能力的计算机，它不仅能模拟气象这种复杂过程，还可以模拟整个宇宙的演化。只要给定每个粒子的初始条件，整个宇宙的运行就像镜子一样清楚地展现，准确无误。

借由主人翁白冰的口述，作者表达过他对计算的理解：用模拟方式为一个鸡蛋建立数学模型，就是将组成鸡蛋的每一个原子的状态都输入模型的数据库，当这个模型在计算机中运行时，如果给出的边界条件合适，内存中的那个虚拟鸡蛋就会孵出小鸡来，而且那只内存中的虚拟小鸡，与现实中的那个鸡蛋孵出的小鸡一模一样，连每一根毛尖都不会差一丝一毫！如果这个模拟目标比鸡蛋再大些呢？大到一棵树，一个人，很多人；大到一座城市，一个国家，甚至大到整个地球？如果模拟的对象是整个宇宙又会怎么样？

现实的物理系统究竟能不能被计算机模拟？这种猜想绝不仅限于科幻作家的小说中，也存在于严肃的学术讨论和哲学思考里。比如，计算机领域中非常著名的扩展的丘奇-图灵论题（extended Church-Turing thesis）就认为，任何物理系统都可以被经典图灵机有效模拟。

但是，随着人们对微观世界的深入理解，扩展的丘奇-图灵论题开始被质疑，尤其是随着量子力学的发展，更多人意识到，实际的量子过程太过复杂，如果用经典计算模拟量子过程，需要的时间可能会呈指数增长。也就是说，有效计算是不可能的。1980年代，费曼提出，模拟量子过程，必须放弃经典计算的老套路，用量子材料造一台新式机器，来自然地解决这些问题。

没错，就是量子计算机。

经典计算和量子计算的区别在哪里呢？

对于经典计算机来说，每个比特要么代表0，要么代表1，这些比特就是信息，而对这些信息运算，实际上就是用电路构建一些逻辑门，完成“与”、“非”、“或”以及更复杂的操作。而量子计算，则是利用量子天然具备的叠加性，施展并行计算的能力。每个量子比特，不仅可以表示0或1，还可以表示成0和1分别乘以一个系数再叠加，随着系数的不同，这个叠加的形式可能性会很多很多，它会产生什么效果呢？

我们以两个比特举例，对于经典的两比特来说，在某一时刻，它最多只能表示00、10、、11这四种可能性的一种；而量子计算由于叠加性，可以写成 ，也就是说，它可以同时蕴含有四种信息状态。这种叠加性意味着，随着比特数增加，信息的存储量和运行速度会指数增加，经典计算机将望尘莫及。

量子计算优越性的实现是一场持久战

基于量子的叠加性，许多量子科学家认为，量子计算机在特定任务上的计算能力将会远超任何一台经典计算机。2012年，美国物理学家John Preskill将其描述为“量子计算优越性”或称“量子霸权”（quantum supremacy）。科学家们预计，当可以精确操纵的量子比特超过一定数目时，量子计算优越性就可能实现。

如果有一个特定的问题，量子计算需要一个小时，经典计算需要上亿年，量子计算优越性便得以实现，扩展的丘奇-图灵论题也会被动摇，因为那就证明了，有些过程，经典计算是无法有效模拟的。

从科学家对量子计算优越性的观点来看，有两个关键点，一是操纵的量子比特的数量，二是操纵的量子比特的精准度。只有当两个条件都达到的时候，才能实现量子计算的优越性。如图一所显示的，左下角的范围（紫色）代表的是操纵的量子比特数目和精准度都不够的情形，这时是不可能在跟经典计算的PK中胜出的，科学家们在尽量朝着右上方（绿色）努力。而位于中间的部分（蓝色），则可以用来在短期内实现一些应用上的突破。

图一 量子计算优越性与操纵量子比特的关系

去年10月，谷歌在量子计算方面十多年的布局终于有了里程碑式的表现——国际权威学术杂志Nature以“Quantum supremacy using a programmable superconducting processor”为题，刊发了谷歌的科研工作，谷歌据此宣布实现了量子计算优越性。

根据谷歌的论文，该团队选取的用来展示量子计算优越性的特定任务是一种叫做“随机线路采样（Random Circuit Sampling）”的任务。一般来说，选取这种特定任务的时候，需要经过精心考量，该任务最好比较适合已有的量子体系，同时对于经典计算来说很难模拟。这个“随机线路采样”任务就是如此。谷歌团队在一个包含53个可用量子比特的可编程超导量子处理器上运行“随机线路采样”，用约200秒的时间进行了100万次采样，同时他们还利用当时世界排名第一的超级计算机Summit进行了一个比较，他们预计，同样的任务，Summit需要算上一万年。“200秒”PK“一万年”，该团队宣称这意味着量子计算优越性成为现实。

谷歌的这项工作很快引发了学术界的争议。因为量子计算和经典计算的竞争是一个长期的动态过程，虽然人们操纵量子比特的数量和精准度在不断提高，但是经典计算的算法和硬件也在不断优化，超算工程的潜力更是不可小觑。比如，IBM就宣称，实现53比特、20深度的量子随机线路采样，经典模拟完全可以只用两天多时间，甚至还可以更好，也许未来何时，经典模拟在这个任务上就能超过谷歌团队的量子计算机。所以，客观看来，量子计算和经典计算的算力之争，可能是一个长期battle的过程，未来一段时间，我们可能会见证两者卯足了劲儿“秀肌肉”的精彩打擂。

深孚众望的玻色采样任务

在用来展示量子计算优越性的特定任务中，还有一种任务被科学家寄予厚望——玻色采样（Boson Sampling）。

玻色采样是一种采样任务，2010年由当时在MIT的Scott Aaronson和 Alex Arkhipov首次提出。为了说明这是一个怎样的问题，我们先来回顾儿时的一个游戏——高尔顿板。

图二 高尔顿板示意图

高尔顿板问题是由英国生物统计学家高尔顿提出来的，像图二展示的那样，小球从上端的口落下，每经过一个钉板，都有一半的可能从左边走，一半的可能从右边走，最后，当很多小球扔下去后，下面格子里的小球分布会呈现一定的统计规律。这个模型也被直观的用来展示中心极限定理。

而我们所说的玻色取样问题就是一种量子版的“高尔顿板”问题。就像图三展示的那样，小球变成了光子，钉板变成了分束器，若干个光子进入网格之后，经过分束器组成的干涉仪，最终分别在哪些出口被探测到，记录下来，就是一个采样。积累之后，光子数也会有一个分布。每一种采样结果都对应一个概率。全部可能的采样结果就构成输出态的态空间。

图三 玻色取样问题

但是，玻色采样问题比高尔顿板问题复杂得多。为什么呢？因为这个网格的每个节点都是一个小分束器，如果相遇在这个节点上的光子是全同的，那么几个光子接下来怎么走，不仅仅是一个“随机”的概率问题，而且还是个“复杂”的概率问题——这个概率与分束器的参数有关，也与光子本身的相位有关。如果我们用矩阵来表示这个过程的话，可以理解为：这个大网格就是一种变换关系，把入口的光子分布变换成出口的光子分布，这个变换关系必须要写成一个复数矩阵。2010年，Scott Aaronson 和 Alex Arkhipov从理论上证明，n光子玻色取样的分布概率正比于n维矩阵积和式(Permanent)的模方，这对经典算法来说是#P-complete困难的问题，随着光子数的增加，求解步数呈指数增长。对于这样的问题，量子计算机在中小规模下就有可能打败超级计算机。 自此，“玻色采样”问题被用来挑战量子计算优越性。

自玻色采样提出，世界上陆续有很多个小组从实验上挑战和验证玻色采样。2013年，国际上四个研究小组同时实现3光子的原理验证性玻色采样。从原理上说，这个实验大致的过程是：单光子源不断地发出单光子，经过一个多模式干涉仪，最后在各个出口用探测器探测。但是，由于技术的限制，真正的单光子源很难做出，这些小组都采用了赝单光子源（赝单光子源时不时会冒出来多光子的成分），干涉网络的性能又不怎么好，这些因素制约着玻色取样的高效率大规模实现。

当然，有一些小组也提出或实现过一些好的方案来解决赝单光子源所带来的不可拓展性。比如，2014年A. P. Lund等人提出散粒玻色采样（scattershot boson sampling）实验方案，但是由于采用的是自发参量下转换（SPDC）光源，这种概率性的光源产生单光子的效率非常低，所以实验上一直没有真正实现3个以上光子的玻色采样。更重要的是，这些实验相比经典计算机并未展示出任何量子优越性。

看来，这事要想弄成，必须得在单光子源和干涉仪上下功夫，单光子源的单光子性、全同性和提取效率要好，干涉仪效率要高，波包重叠性也要好。于是，人们想到了量子点光源，希望用量子点光源来产生真正的单光子。

图四 超越早期经典计算机的光量子原型机

2017年，中国科大潘建伟、陆朝阳团队同样把目光聚焦到了量子点光源。值得一提的是，他们用的是一种共振激发的量子点光源，能产生确定性的高品质单光子，此外，他们自主设计研发了高效率的线性光学网络。在这种装备武装下，实验上首次实现5光子玻色采样。采样率是之前所有实验的至少24 000倍，相比于早期的经典计算机ENIAC和TRADIC，计算能力具有10-100倍的提升。图五展示了这次实验和此前其他玻色采样实验计算能力的比较。可以看出，这次的结果不仅远好于国际同行，更是第一次超越了早期的经典计算机。这是人类历史上首次量子计算机和经典计算机的同台竞赛，标志着量子计算机的研究不再是发文章，而是可以制造真正的仪器执行具体的算法，在量子计算的发展中具有重要意义。

图五 2017年以及此前所有玻色采样的计算能力比较

图六 20光子输入、60模式输出的玻色采样

2019年，该团队又将这种方案向前推进一步——他们将20个光子输入60个入口、60个出口模式的干涉线路，实验中，出口最多探测到了14个光子。这个工作同时在光子数、模式数、计算复杂度和态空间四个关键指标上都大幅超越之前的国际记录。

但是，实验中的低效率始终是量子计算可扩展的拦路虎。尽管科研人员已经将单光子的效率尽量做了提升，但是每次采样任务，需要的是对所有出口光子的符合测量，我们可以想象一下，符合后的计数率会随着光子数的增加指数下降，再想扩展这个实验的规模，遇到了瓶颈。

玻色采样峰回路转

那么短期内，我们证明量子计算优越性还有希望吗？答案是肯定的。2017年，由Hamilton等人提出的高斯玻色采样（Gaussian Boson Sampling）方案提供了很好的解决办法。高斯玻色采样充分利用PDC源的高斯性质，并利用可以确定性制备的单模压缩态(SMSS)作为输入的非经典光源。2018年，Quesada等人将这种方案进行了简化，他们证明，只需要采取阈值探测的方法，即探测到一个及以上光子都记作1，这时的输出分布与一个被称为Torontonian的矩阵函数有关。 Torontonian是Hafnians的无限和，对于经典算法来说，计算它同样是一个#P困难的问题。

关于压缩态光，你可能并不陌生。在引力波的探测中，就用到了压缩态光。压缩态光是一种量子光源，它超越散粒噪声极限的噪声压制本领，令其在引力波探测中起到了关键作用。在玻色采样中，采用单模压缩态光源，是为了显著提高效率。区别于单光子光源“一个一个”走出来的状态，单模压缩态光源可以看做是“一团一团”走出来。每激发一次，可以产生很多对相干的光子，一起进入干涉网络。足够高的效率，为量子比特的扩展提供了可能。

近期，中国科大潘建伟、陆朝阳团队就采用压缩态光源，实现了这种尝试。

图七 高斯玻色取样量子计算原型机“九章号”

他们利用50个单模压缩态，输入一个100个入口、100个出口的线性光学网络，最后在网格出口处安置了单光子探测器来采样。得益于团队此前在玻色采样方面的积累，他们的技术在各个指标上都具有显著的优势。光源方面，他们拥有国际上唯一同时具备高效率、高全同性、极高亮度和大规模扩展能力的量子光源，而且该团队还具有最大规模（100×100）的干涉技术，还能同时做到全连通、随机矩阵、相位稳定、波包重合好（>99.5%）、通过率高（>98%）。此外，中科院上海微系统所研制的高性能超导单光子探测器也扮演了重要角色。

图八“九章号”部分实景

不同于标准玻色采样，高斯玻色采样需要高精度的锁相技术。为什么这点至关重要呢？

我们可以回忆一下经典物理里干涉需要哪些条件。比如我们比较熟悉的光波、水波，想要产生稳定的干涉条纹，有一个重要条件就是两束波的相位差恒定。量子的干涉也类似，如果每一路的光相位总是抖动，彼此之间相位差就会不稳定，就观测不到稳定的采样结果。

在这次实验中，每路单模压缩光进入干涉网络之前，要各自经过2米自由空间和20米光纤，所谓保持相位锁定，也就是保证这个路径的光程恒定。科学家们采取“缺啥补啥”的策略，让同源的若干路激光分别去走压缩态光所走的路程，并与一个标准参考激光进行比较（通过干涉的方法），实时监测每一路与标准参考光的相位差，并进行相应的调整。在精密微妙的操控下，2米自由空间+20米光纤光程抖动保持在25纳米之内，这相当于100公里的距离误差小于一根头发丝。

在最终的采样结果里，该团队成功构建了76个光子100个模式的高斯玻色采样量子计算原型机。科学家给它起名叫“九章”。

图九 最终探测到的光子数分布

“九章”VS“富岳”，“九章”VS“悬铃木”

之所以将这台新量子计算机命名为“九章”，是为了纪念中国古代最早的数学专著《九章算术》。《九章算术》是中国古代张苍、耿寿昌所撰写的一部数学专著，它的出现标志中国古代数学形成了完整的体系，是一部具有里程碑意义的历史著作。而这台叫做“九章”的玻色采样新机器，同样具有重要的里程碑意义。

图十 “九章”相对于太湖之光的优势比较

根据目前最优的经典算法，“九章”花200秒采集到的5000个样本，如果用我国的“太湖之光”，需要运行25亿年，如果用目前世界排名第一的超级计算机“富岳”，也需要6亿年。这样的优势十分明显。我们可以等效地对比去年谷歌发布的53比特量子计算原型机“悬铃木”：对于“悬铃木”来说，200秒完成的任务，超算Summit需要2天，考虑Summit和富岳的算力差距，“九章”等效地比“悬铃木”快100亿倍。

作为对比，我们可以回顾一下“悬铃木”其他方面的情况。谷歌53比特随机线路取样实验中，量子优越性是依赖于样本数量的。虽然采集100万个样本时，“悬铃木”需要200秒，超算Summit需要2天，量子计算相比于超级计算机有优越性；但如果采集100亿个样本的话，经典计算机仍然只需要2天，可是“悬铃木”却需要20天才能完成这么大的样本采样，量子计算反而丧失了优越性。而对于高斯玻色采样问题，量子计算优越性不依赖于样本数量。此外，在态空间方面，“九章”也以输出量子态空间规模达到10^30的优势远远优于“悬铃木”，“悬铃木”输出量子态空间规模是10^16，而目前全世界的存储容量是10^22。而且，“九章”运行的温度也远没有“悬铃木”那样苛刻，除探测部分需要4K的低温以外，其他部分都是在常温下运行的。

“九章”的出色表现，牢固确立了我国在国际量子计算研究中的第一方阵地位，为未来实现可解决具有重大实用价值问题的规模化量子模拟机奠定了技术基础。

量子计算机的研制已成为世界科技前沿的最大挑战之一，作为欧美各发达国家角逐的焦点，可以预见不会止步于此。对于量子计算机的研究，本领域的国际同行公认有三个指标性的发展阶段，其中第一个阶段是发展具备50-100个量子比特的高精度专用量子计算机，对于一些超级计算机无法解决的高复杂度特定问题实现高效求解，实现计算科学中“量子计算优越性”的里程碑。此次“九章”的研制成功，就是这重要的第一个阶段胜利。在这之后，科学家还会致力于研制可相干操纵数百个量子比特的量子模拟机，用于解决若干超级计算机无法胜任的具有重大实用价值的问题（如量子化学、新材料设计、优化算法等）；最后，大幅度提高可操纵的量子比特的数目（百万量级）和精度（容错阈值>99.9%），研制可编程的通用量子计算原型机。

在可以预见的未来，不断优化的经典计算和不断进取的量子计算，还将在算力之争上持续battle。

值得一提的是，“九章”的研制成功，不仅是实现了“量子计算优越性”的里程碑，也为第二步——解决若干超级计算机无法胜任的具有重大实用价值的问题提供了潜在的前景。因为，“九章号”量子计算原型机所完成的高斯玻色取样算法在图论、机器学习、量子化学等领域具有潜在应用。科学家设想，这些对于经典算法模拟起来异常困难的问题，如果开发一个GBS量子计算机，以此作为一个特殊用途的光子平台，让分子振动、机器学习这些复杂过程以玻色采样的方式高速运行一下，就可以很好地来研究这些现实世界中很重要的应用。除了秀肌肉以外，解决现实问题，其实也是科学家们研发量子计算机的初衷呀。

国际著名量子光学专家、罗马大学教授Fabio Sciarrino在玻色采样领域深耕多年，他对“九章”的表现和中国团队的工作给出了一个全面精准的评价。放在最后，一起来感受一下大牛孩童般的兴奋吧。

点进来是想看正经介绍的，结果没看到，只看到欢呼雀跃，想正经介绍下，也没那个能力。

就去朋友圈朋友圈扒潘组大佬分享的两篇文章吧。供大家参考。

“科大官微”那篇把从科学界的角度把工作的重要性和意义说得很清楚。

“墨子沙龙”那篇算是深入浅出地讲解了量子计算机，虽然也不怎么好懂。

请叫我勤劳的搬运工。

彼时彼刻，恰如此时此刻。

---

  li-jing-ye-47 网友的相关建议: 
      

这是一个值得我们开心的好消息，我们也实现了量子霸权，至此我们可以充满信心地说我们终于挤到了第四次工业革命的前沿，而且在某些方面完成了超越。我们终于不用像去年谷歌53比特量子计算机公布时那样百感交集了。 新闻链接 谷歌利用53量子比特Sycamore芯片实现量子霸权-芯片-计算频道-至顶网 中国量子计算原型机「九章」问世：它一分钟完成的任务，超算需要一亿年

关于这个好消息，我觉得有几点提醒大家注意：

首先还是重复科普一下量子霸权quantum supremacy的定义：代表量子计算装置在特定测试案例上表现出超越所有经典计算机的计算能力。并不是说超过谷歌才是实现了量子霸权，其实我倾向翻译为量子优势。题目标题稍微有点博眼球的意思了。

其次，在适用算法方面，我国的九章原型机是专用型量子计算机，只能进行boson sampling运算，也是就是玻色采样。确实我们的boson sampling运算速度应该是超过了谷歌的，毕竟比特数的巨大优势摆在那里。但也不要刻意忽略：谷歌的悬铃木Sycamore是可以通过编程进行多种运算的，虽然两者都不是通用型量子计算机，但适用范围方面九章确实更小。

最后，我国九章是光量子计算机，与谷歌的超导量子计算原理不同，不需要在接近绝对零度下运行，这可以说是另辟蹊径，在小型化方面以后的路可能比较好走。不过，结合上一条，有没有可能光量子技术路线就不适用通用计算呢？其实国际上也有其它团队实现了光量子计算机的可编程量子计算，比如Xanadu。由此可见，光量子计算在通用性上的前景应该还是乐观的，而提高量子计算的通用性预计也会成为我们接下来的重点攻关方向。

以上信息总结自science新闻 The new light-based quantum computer Jiuzhang has achieved quantum supremacy

总之，今年我国的发展真是日新月异，软硬实力的提高都令人欣喜。但革命尚未成功，同志仍需努力。向共和国历史上无数默默付出的科技工作者致敬，该有的我们都会有的！

----- 注 图源网络

（一开始不知道怎么关知乎给加的默认水印被教做人了[捂脸] 原来设置里可以关 供大家参考）

---

  ma-hua-yu-8 网友的相关建议: 
      

Advanced Photonics | 玻色取样：通往量子霸权的光学之路

作者：林梅（中国科学技术大学）汪喜林（南京大学）

缘于量子的叠加性质，相对于经典计算，量子计算一直被认为具有指数级的加速性。在量子计算里，每个比特不仅可以表示0或1，还可以表示成0和1分别乘以一个系数再叠加，随着比特数增加，信息的存储量和运行速度会呈指数增长，经典计算机将望尘莫及。

量子霸权（quantum supremacy）一词是美国加州理工学院物理学家约翰·普瑞斯基尔提出的，它代表了大多数量子学家们的看法：当可以精确操纵的量子比特超过一定数目时，量子计算机在特定任务上的计算能力就能远超经典计算机。

在量子计算的版图上，光子、电子、离子等微观粒子都被科学家用来尝试实现可能的计算方案。其中，线性光学量子计算是量子计算的方案之一。所谓线性光学量子计算，就是以光子作为载体，经过一个线性系统完成操作，输出计算结果。实现大规模比特的通用量子计算机目前看来还具有很苛刻的门槛，于是，科学家希望能够首先让量子计算在特定任务上表现出比经典计算机更卓越的能力。其中，一个叫做“玻色取样（boson sampling）”的问题吸引了科学家的关注。

鉴于玻色取样量子模拟的重要意义和应用前景，光子学领域重要期刊发表了由来自巴西和意大利的多名量子光学专家联合撰写的光子体系玻色取样综述论文，系统地展示了玻色取样的研究成果。该论文从理论出发，结合目前玻色取样实验的技术方案和研究现状，深入浅出地分析了玻色取样对于量子霸权的意义。

波色取样问题概述

所谓“玻色取样”问题，我们可以理解成一个量子世界的高尔顿板。高尔顿板问题是由英国生物统计学家高尔顿提出来的，这个问题的模型如图1所示，小球从最上方被扔下，每经过一个钉板，都有一半的可能从左边走，一半的可能从右边走，当有很多个小球从上往下随机掉落时，落在下面的格子里的小球数量分布上会呈现一定的统计规律，这个模型可以用来直观地认识中心极限定理。

图1 高尔顿钉板

如果将“高尔顿钉板”发展出一个量子版本，即，由全同光子来代替小球，用分束器（当一束光通过分束器时会被分成两束强度较低的光，一束透射，另一束反射）来代替钉子，则这个游戏就变成“玻色取样”的量子模拟，如图2所示。更一般来讲，“玻色取样”是指，在n个全同玻色子经过一个干涉仪后，对n个玻色子的整个输出态空间进行采样的问题。采样过程和分布概率息息相关。例如，在图3中，3个全同光子输入一个7进7出的干涉仪，如果要对1、2、3，或者2、3、5输出口进行采样，目前理论认为至少需要计算一次对应口的分布概率。

Aaronson 和Arkhipov研究发现[1]，n光子“玻色取样”的分布概率正比于n维矩阵积和式（Permanent）的模方，从计算复杂度的角度来看，积和式的求解难度是“#P-hard”[2]，当前经典最优算法需要O(n2n)步，随着光子数的增加求解步数呈指数上涨。对于这样一个经典计算#P-complete困难的问题，在中小规模下就可以打败超级计算机。因此，“玻色取样”这个问题被量子计算领域的科学家盯上了，准备拿它小试牛刀，挑战经典计算机。

图3 “玻色取样”基本概念：当n个全同玻色子经过一个干涉仪（线性变换器）之后，求特定分布的输出概率。例如，在一个7进7出干涉仪的1、2、3口同时输出3个全同玻色子，求3个光子在2、3、5口各输出一个光子的分布概率。[图片来源: Advanced Photonics 1, 034001 (2019)]

波色取样实验的各种变体

世界上有很多个课题组从实验上挑战玻色取样任务，根据实际需要，衍生出了各种玻色取样变体。Advanced Photonics 发表的综述论文着重介绍了散粒玻色取样和高斯玻色取样。

散粒玻色取样针对自发参量下转换（SPDC）光源概率性和低抽运强度的缺点，将k (k > n)个单光子SPDC源连接到线性干涉仪的不同输入端口，SPDC产生的一对光子分别用于预报和探测。当k远大于n时，相对于固定版本的玻色取样会产生指数级别的加速；而高斯玻色取样由Hamilton等人提出，它使用所有处于压缩态的光子，且允许使用更高的抽运功率，使得其同样在事件发生率上具有指数优势。

玻色取样实验进展

玻色取样实验的完成，有赖于三个基本模块：单光子源、线性干涉仪和单光子探测器。该综述列举了迄今为止主要的玻色取样实验所采取的技术方案，总结了各个实验小组在三大模块上的主要特点。

在光源方面，主要的方案有：基于单个非线性晶体（NLC）的单光子源、集成片上源、半导体量子点。

在干涉仪方面，主要的方案有：由定向耦合器网络组成的多端口波导电路、微光学干涉仪、若干波导或光纤芯连续耦合设备、利用光纤回路的时间编码线路。

在单光子探测方面，主要的方案有：雪崩光电二极管、超导纳米线探测器。

但是，受限于单光子源的品质和干涉网络的性能，玻色取样的高效率大规模实现一直是个难题，世界上多个课题组在改善光源的品质上做了大量的尝试。

作者指出，高质量的光子源是实现可扩展玻色取样的关键，而目前使用的参数下转换、自发四波混频和固态量子点源等方案都有各自的优势和亟需解决的技术难题。

玻色取样的验证

对于玻色取样任务来说，验证其是否从正确的分布中采样是至关重要的。目前而言，完全验证还难以做到，因为对于具有量子优势的实验来说，经典模拟的计算量将是指数级增长的，无法对大规模的实验进行验证。但是已有一些初步验证的方法被提出，来排除实验中可能出现的“错误”分布，如均匀分布，可分辨粒子的分布，平均场分布等，给玻色取样实验提供直接证据，说明实验的正确性。目前主要的方法有Baysian method, likelihood ratio test, statistical benchmark, pattern recognition等。

总之，从原始理论的提出，玻色取样的理论和实验都取得了可喜的进展。技术的进步，诸如高品质的量子点光源和单光子探测器等，都为进一步的探索开辟了道路。

参考文献：

[1] S. Aaronson and A. Arkhipov, “The computational complexity of linear optics,” in Proc. 43rd Annu. ACM Symp. Theory of Comput., A. Press, Ed., pp. 333–342 (2011).

[2] L. Valiant, “The complexity of computing the permanent,” Theor. Comput. Sci. 8(2), 189–201 (1979).

---

  xian-yin-ke 网友的相关建议: 
      

很长时间没回答物理类问题了，突然间我3年前的回答被翻出来，一群不懂量子计算的说打我的脸？？连潘建伟院士的名字都能写错？？

如何看待中国科学家建成世界首台光量子计算机？

我一直认为潘建伟院士的成果非常牛逼，量子光学实验领域世界领先，也一直认为google所谓量子霸权意义非常有限。

我针对的，是根本不懂量子计算的“大V”和自媒体营销号，却无脑吹他们根本看不懂的科研进展。这些毫无常识的捧杀，实际上是害了潘院士和量子信息领域的科研。我还记得潘院士曾被逼的亲自出马辟谣过。

所以潘组的这个新成果，怎么就打我的脸了？

我不反对民族主义，我也希望中国的科技早日赶超欧美。但你们这么low，不是给民族主义抹黑吗？

================================================================

我来解释一下大致是怎么回事吧。

1，这个九章量子原型机是什么？

这次媒体的最大进步，就是想搞大新闻的时候没有再号称“量子计算机”，而是用了“量子原型机”。

一般意义上的量子计算机，是指可以像经典计算机一样，通过编程实现不同的算法，因而完成各种不同的功能。我们称作通用量子计算机（universal quantum computor）。

比这退一步，是只能实现某种或某类算法的机器，比如实现某种优化问题。典型的例子是加拿大D wave公司的量子退火机。

潘组这次的成果，是实现了波色采样（boson sampling）。简单的说，某些概率分布，用经典计算机很难实现，但是用量子的方法能较为容易的实现。

再说的具体点，我们可以用计算机模拟随机数生成。这是一个彻底random的概率分布。我们还可以进一步实现满足某种需求的概率分布。比如生成一组随机数，使得到偶数的概率是奇数的两倍，除此之外完全随机。

但是有些概率分布，用经典计算机很难实现。波色采样就是一种用经典计算机很难模拟，但用量子光学却很容易模拟的概率分布。

其实现原理，大致是生成纠缠的光量子比特，让它们通过量子干涉仪，然后测量。如上图所示。当然具体细节复杂很多，比如生成大量纠缠的高保真度光量子，就是一个非常棘手的问题。而潘组在这方面的技术世界领先。

2，其重要意义是什么？

用量子光学实验，实现了经典计算机很难实现的概率分布。

3，离能够改变我们生活的量子计算机还有多远？

暂时引用三年前的回答，等有时间再补充：

上周和某大牛吃饭，该大牛是马克思普朗克某研究所的所长（马克思普朗克学会大致相当于德国科学院），引用超过7万次，h-index过百（100篇以上引用超过100的文章）。席间一个做量子计算的师兄问大牛对目前量子计算实验的看法，大牛说：

“也许几个月内我们就会在纽约时报上看到google研制成功可以实现“量子霸权”的“量子计算机”。我对此感到忧虑。媒体总喜欢弄个大新闻，给人造成我们很快就能研制出无所不能的量子计算机的假象。人们对此无比激动，迫切想买到量子计算机（比如D-wave）。而当他们买到之后，会发现这些所谓的量子计算机根本没用（“useless”），然后他们会认为整个量子信息领域都是没用的，然后我们的经费就没了。。。

这些急需提高姿势水平的媒体和一小撮别有用心的工程师会让我们这些老老实实工作的科研人员背黑锅。”

“你认为我们离真正有用的量子计算机大概多远？”

“二三十年吧。我这么说的原因是二三十年后我会退休，所以就算到时候造不出来有人找我问罪，我也无所谓了。”

解释一下为什么该大牛认为现在的“量子计算机”是没用的。目前所谓的量子计算机并不是通用量子计算机（universal quantum computer）。通用量子计算机可以在上面进行编码，所以可以写各种程序，实现不同的功能。而目前的所谓“量子计算机”只是针对某一特定问题，比如D wave其实是量子退火机，只能实现某些optimization的运算。google所谓的49比特“quantum supremecy”只是能模拟经典计算机所无法模拟的某些过程，不是真正的量子计算。这次潘组做出的boson sampling与之类似，只不过是在不同系统上。

至于我们离真正有用的量子计算机还有多远呢？

通用量子计算机大概需要这几步：

1，实现足够好的量子比特（qubit）和量子门（quantum gate），这一步基本问题不大，目前可以说基本做到。

2，实现可扩展的量子比特和量子门（scalability）。这一步难度非常大，把多个qubit 纠缠起来并准确操作的难度随qubit数量指数上升，目前大部分研究组都还在这一步。

3，实现量子纠错（quantum error correction），和容错计算（fault tolerance）。这一步非常重要，可惜即使是理论上也还没完成，实验就更是十万八千里了。

量子纠错指如果你的机器出现了错误，要及时查出并纠正，否则得出错误的答案还不知道，这量子计算机就基本上没用了。量子纠错有如下难点：

a, 你不能直接测量qubit。比如你的态是a|0>+b|1>，假如发生了bit flip error (0->1,1->0)，变成b|0>+a|1>，经典物理允许你直接把a，b测出来，但是量子物理不行，你测出a，b等于直接退相干，这个qubit就废了。所以就需要用3个物理qubit来编码1个逻辑qubit，a|000>+b|111>。假设发生1个bit flip，我们可以测量以下4个算符：

P0=|000><000|+|111><111|, 没有错误

P1=|100><100|+|011><011|, qubit1反了

P2=|010><010|+|101><101|, qubit2反了

P3=|001><001|+|110><110|, qubit3反了.

注意进行这些测量并不会得出a b的值，而且测量并不会改变原先的量子态，但是能得出哪个qubit反了，并进行相应的纠正。

b, 上面只是对bit flip error进行纠错，简写做X error，还需要同时对Z error，也就是0+1-> 0-1进行纠错。我们可以用9个物理比特编码1个逻辑比特

|0>: (|000>+|111>)(|000>+|111>)(|000>+|111>)

|1>: (|000> -|111>)(|000> -|111>)(|000> -|111>)

这里省略了归一系数。这是著名的Shor code，如果有一个X error 和一个Z error，可以通过进行某些集体测量检查出是哪个qubit出了问题，并进行相应的纠正。

光是有QEC还不够，还需要容错 fault tolerant，即，逻辑量子门（对已经进行量子纠错编码的逻辑qubit进行操作）如果上一步出现了一个错误，下一步也最多只能有一个错误，否则错误越来越多，随着逻辑门数量指数上升，根本改不过来。具有如此性质的逻辑门叫transversal gates。这里只是给出大致的idea。universal gate set指能通过组合完成所有逻辑操作的一组gate，其中必须包含一个非Clifford gate，比如Pi/8或Toffeli gate，而上面的Shor code只是对Clifford gate 才是fault tolerant。

实现可纠错，可容错，高量子比特数的通用量子计算机，现在看来还很遥远。目前，我们正处于NISQ——Noisy Intermediate-Scale Quantum，即无纠错中等规模。各大量子计算公司的研究重点是，如何用NISQ实现一些有价值的算法。

目前大多数实验，比如google 要做的用49个qubit证明“quantum supremcy”和bosom sampling，是在没有quantum error correction的情况下，做一些实用性非常有限的特殊问题，证明这些不是量子计算机的机器，也能达到比经典计算机更好的效果（exponential speedup）。从某种意义上来说，这并不是研制通用量子计算机（UQC）中的一步，而是通往UQC大道上的一条岔路，除了技术积累之外，更多的是象征性意义。

Google花大价钱雇了原USCB教授John Matinis团队，短期内（如大牛所说二三十年）几乎不可能带来任何直接经济效益，除了不想落后于竞争对手如IBM之外，更多的可能是追求广告价值，通过媒体不断炒作，弄各种大新闻，而且让人认为google一直在做能推动历史进程的cool stuff，并不断取得进展。但事实上，至少在量子计算方面，他们离真正推动历史进程还相差甚远。（当然他们积极投身量子计算还是值得鼓励的。）

---

  tuo-qia-ma-ke-zhi-guan 网友的相关建议: 
      

好事，量子物理我不懂，我只知道“九章”这个名字典出中国古代应用数学名著《九章算术》，它是算经十书之一，标志着中国古代数学形成了完整的体系。

自近代以来，中国的数学就远远落后于世了，我们当代的数学体系更是靠西方成果才建立起来的，看看那些符号，公式，各种拉丁字母和希腊字母，我们在其中的贡献微乎其微，数学是没有政治立场之分的纯粹中立的自然科学，是自然科学的哲学，我们应该对此感到羞愧。

《九章算术》带给我们的先发优势并没有延续下来，更没有被我们转化为技术成果并深度应用于实践之中，以促进生产力的发展，我们的自然科学内生性迭代和内生性现代化进程被打断了，《九章算术》的成果很大程度上是尾声而非序章，是巅峰而非起点，这里面固然有西方帝国主义列强殖民侵略的因素在里面，但统治集团闭关锁国，脱产文人阶层皓首穷经也是重要原因。

结局是凄惨的，自近代以来中华文明彻底边缘化了，我们的文明体系事实上站在了灭亡的边缘，很多文化特质是靠着我们庞大的人口规模和社会惯性才挣扎着延续至今。

这种悲剧绝不能重演，绝不该重演。

我们必须不择手段，不惜一切的保持科学技术的不断进步，在这一过程中，科学精神应被视为无上至宪，科学理性应被视为不可忤逆的天条，反对科学应成为触之即死的高压线，对科学的抵制和抗拒应受到唾骂和弃绝，矫枉必须过正！

唯有此，才能重拾我们文明内生性现代化进程的灰烬，紧抓住文明特质的残余，让更多前沿科学成就和文明成果被打上中国人的记号，进而让人类文明的前沿成果成为我们自身文明特质的一部分，一点一滴，一丝一毫，一血一骨把它拼凑起来，积尘垒土，汇涓聚流，终成广厦万间，浩瀚洪流。

只有这样，我们才能在历史和时间上留下属于我们自己的回声，而不至于让后人端详着我们的遗骸，哀叹一切都有个尽头。

愿此“九章”非彼《九章》，愿它是起步而非终点。

---