Quantum sensors that compute: quantum computational magnetic-field sensing using a superconducting qubit

想象一个这样的世界：我们用来测量物理宇宙的工具，同时也成为了我们思考这些测量对象所使用的工具。几十年来，科学家们一直致力于制造极其灵敏的设备，能够探测到磁场、温度变化或引力牵引中最微弱的低语。这些量子传感器运行在亚原子世界的奇异规则之下，在那里，粒子可以同时存在于多种状态中，从而使其能够检测到任何经典仪器都无法察觉的变化。然而，一直存在着一个根本性的限制：对这种传感器的单次测量只能揭示极小的一部分信息，通常仅仅是一个“是”或“否”的答案。为了理解一个复杂的信号，研究人员传统上必须重复测量该传感器数千次，通过平均结果来构建出信号的精确图像，然后使用一台独立的计算机来分析这张图像并决定其含义。这种“先测量，后计算”的两步走过程虽然行之有效，但却很缓慢，并且浪费了量子系统独特的潜力。

一种被称为“量子计算传感”（quantum computational sensing）的新方法挑战了这种旧有的思维方式。这种方法不再将传感器视为被动的记录器，也不再将计算机视为独立的分析者，而是要求传感器进行自身的思考。通过将感知行为与一系列量子操作编织在一起，该设备可以在信息仍处于其脆弱的量子态时对其进行处理。其目标并非以完美的精度测量原始信号，而是提取完成特定任务所需的精确信息，例如确定信号属于哪一类。这使得系统可以跳过构建完整信号图像的中间步骤，从而可能比传统方法更快、更准确地交付答案。

在最近的一项实验中，康奈尔大学和麻省理工学院的研究人员证明了这一概念在实践中的可行性，使用的是一个微小的量子比特（qubit）。他们利用一个超导电路构建了一个传感器，该电路就像一个微型的金属线圈，能够探测由电流产生的磁场。这种设备是一种超导量子干涉器件（SQUID），这项技术已以其极高的灵敏度而闻名。团队的目标是测试这个单一量子比特是否不仅能感知磁场，还能在最终测量之前对磁场做出决策。他们专注于二分类任务，即这类问题旨在将信号归入其中一类，例如区分弱磁场与强磁场，或者区分信号是在一个频率还是另一个频率上振荡。

研究人员将他们的新方法与传统方法进行了对比，后者涉及重复测量磁场以估算其强度或频率，然后使用标准的计算机算法来决定信号所属的类别。在第一组测试中，他们使用了不随时间变化的静态磁场。他们编写程序让量子比特经历特定的旋转和停顿序列，并将这些序列与磁场的感知交织在一起。该序列被设计成一个类似于“过滤器”的角色，在放大与分类任务相关的有用信息的同时，抑制其他无关信息。当他们在结束时测量量子比特时，结果直接指示了磁场的类别。结果令人震惊：对于这些静态场任务，在两者投入相同时间的情况下，量子计算方法的准确率比传统方法高出多达15个百分点。

随后，团队转向了更具挑战性的任务，即涉及像波浪一样来回摆动的振荡磁场。这些信号更难分类，因为它们的相位（即波形的精确时序）可能是随机且不可预测的。在传统方法中，科学家通常使用一种称为“动力学解耦”（dynamical decoupling）的技术，即通过施加一系列脉冲来抵消噪声并隔离信号的频率或幅度。研究人员将他们的量子计算协议与这些经过优化的传统脉冲进行了对比。在识别振荡场幅度（即高度）的任务中，他们的方法将准确率提高了多达20个百分点。当任务转变为识别频率（即磁场摆动的快慢）时，新方法依然保持着显著优势，准确率提升了多达15个百分点。

这些结果之所以特别值得关注，是因为整个过程仅由一个量子比特完成。通常情况下，人们预期量子计算机需要许多量子比特才能执行复杂的计算，但这次实验表明，即使是规模极小、受限于噪声和误差等实际局限性的系统，也能超越标准技术。关键在于，研究人员并没有试图完美地测量磁场然后再计算答案，而是通过训练量子操作序列，将原始信号直接映射到最终的测量结果上。通过这种方式，他们将相关信息浓缩进测量所揭示的单个比特数据中，有效地绕过了首先重建整个信号的需求。

研究还强调了任务复杂度如何影响结果。随着分类规则变得更加复杂（即将信号空间划分为更小、更多的区域），量子计算方法的优势也随之扩大。在最复杂的场景中，传统方法显得力不从心，而量子协议则保持了高准确度。这表明，当我们要求传感器解决的问题变得更加复杂时，在传感器内部直接进行计算的能力会变得越来越重要。研究人员指出，他们的成功依赖于一种称为“量子信号处理”的技术，该技术允许精确塑造量子态响应信号的方式。他们利用模拟特定硬件的计算机模拟来优化这些序列，从而确保协议能够应对现实设备中固有的噪声。

尽管这些实验是在受控的实验室环境中进行的，但其意义远不止于这一特定设备。研究人员表示，这种方法可以适配到其他类型的量子传感器中，例如用于医学成像或导航的传感器。核心思想是，通过将计算集成到感知过程中，我们可以使这些设备变得更高效、更强大，而不必非要建造更大、更复杂的机器。这项工作证明了感知与计算之间的界限并不像曾经认为的那样僵化，单一的量子系统既可以是观察信号的“眼睛”，也可以是解读信号的“大脑”。这为新一代传感器开辟了一条道路，它们将不再仅仅是物理世界的被动观察者，而是理解世界的积极参与者。