要理解这项工作中研究人员面临的挑战，必须首先理解量子计算的基本目标：操纵微小粒子的微妙状态，以解决经典计算机无法处理的问题。这一过程中的一个关键步骤是准备特定的量子态，本质上是将粒子排列成一种精确的模式，以编码信息，例如声波或医学图像。然而，由于这些机器目前存在噪声且并不完美，准备好的模式往往会偏离理想的目标。真正的困难不仅在于创建这种模式，还在于验证其是否正确。传统的检查量子态的方法就像试图通过一张照片来理解一座复杂的3D雕塑；它们要么需要如此多次的测量以至于任务变得不可能，要么在模式具有特定结构化形状（而非随机形状）时完全失效。如果没有一种可靠的方法来确认状态是否正确，计算机就无法被信任去执行其设计的复杂计算。
在最近的一项研究中，一个研究小组展示了一个完整的解决方案，即在真实的量子计算机上成功准备并验证了一个复杂的量子态。他们使用了一台名为 Quantinuum H2-1 的机器，该机器依赖于离子阱——即通过电磁场固定住的带电原子——来进行计算。该团队选择了一个实用且具有结构性的目标：一段数字化的声学信号，具体来说是在静音室中录制的一段声波。他们将这种声音编码进一个由13个量子比特（qubits）组成的系统中，创造出一个代表声音随时间变化的压力变化的量子态。其目标是观察他们能否在硬件上构建出这种状态，并以高置信度证明机器已经成功，同时使用尽可能少的测量次数以保持过程的高效。
研究人员采用了两部分的策略来实现这一目标。首先，他们利用一种基于被称为张量网络（tensor networks）的数学结构的方法，设计了一个能够生成声波模式的电路。这种方法允许他们将复杂的声波分解为更简单的层级，从而创建一个足够短的电路，使其能够在当前的硬件上运行而不因噪声而崩溃。他们成功地以高度的准确性准备了该状态，实现了0.929的硬件保真度。这个数字表明，机器产生的状态与完美的理论目标有92.9%的相似度，考虑到机器目前尚不完美，这是一个显著的成就。
第二部分，也是可能更为关键的部分，是验证这一结果。标准的验证技术在处理像声波这样的结构化数据时会遇到困难，因为其背后的数学变得极其复杂，需要难以想象的样本量才能确认状态是否正确。该团队引入了一个巧妙的变通方法：一个预测量步骤，在测量之前改变观察量子态的方式。通过使用简单的单比特门将状态旋转到不同的视角，他们平滑了那些导致验证困难的复杂模式。这种调整将一个决定测量次数所需的困难数学参数降低了超过十个数量级。在实际操作中，这意味着他们仅需1,000次测量即可验证该状态，这个数字小到足以投入实际应用，而原始方法则需要无法管理的计算时间和资源。
结果表明，这种组合方法运作得非常出色。当团队在实际量子硬件上运行实验时，验证方法以高度的确定性确认了该状态。他们将现实世界的结果与机器噪声的模拟结果进行了对比，两者高度吻合，证明了他们的方法能够准确捕捉设备的行为。这项研究表明，在不需要仍处于数年研发阶段的大规模纠错型机器的情况下，也是可以在量子硬件上准备结构化的现实世界数据，并快速、可靠地进行验证。通过将稳健的验证程序压缩到极少的测量次数中，研究人员为测试量子计算机提供了一个新的标准，将结构化数据编码从理论上的可能性转变为实际的现实。
技术摘要：Quantinuum 硬件上的高效量子态制备
问题陈述
准确的量子态制备及随后的保真度验证，是实现量子图像处理、机器学习和化学等应用中量子优势的基本前提。然而，目前的实验实现面临两个主要的瓶颈：
- 资源效率： 制备复杂的结构化目标态（例如编码经典数据）通常需要深层电路或过多的资源，这在近中规模含噪声量子（NISQ）设备上是难以承受的。
- 验证可扩展性： 验证制备态的保真度具有挑战性。虽然“影子重叠”（shadow overlap）方法（Huang 等人）提供了一种利用局部测量来认证保真度的方法，但其有效性受参数 τ（与目标态相关的马尔可夫链的弛豫时间）的支配。对于实际算法中常见的具有高度结构化的状态，τ 可能会变得病态地大，导致影子重叠方法因样本复杂度过高而变得低效或失效。
方法论
作者提出了一个结合了资源高效型态制备与新型验证技术的端到端框架，该框架在 Quantinuum H2-1 俘获离子平台上实现。
通过张量网络进行态制备：
- 目标态是一个经过数字化的声学信号（一段高斯调制的单音信号），被编码进一个 13 量子比特系统（N=8192 个采样点）。
- 制备过程利用了施密特谱优化（Schmidt Spectrum Optimisation, SSO），这是一种基于张量网络的策略。该算法通过经典优化一系列局部幺正变换（SU(4) 门阶梯层）来解纠缠目标态，从而构建一个浅层量子电路。
- 该过程通过逆向操作生成制备电路：首先精确制备一个低秩矩阵乘积态（MPS），然后应用逆幺正变换。这种方法最小化了电路深度并避免了辅助量子比特的使用。
τ 降低层（基底变换）：
- 为了解决结构化状态下影子重叠认证的局限性，作者引入了一个预测量基底变换层。
- 该层由经过优化的单量子比特门组成，旨在最小化状态振幅的逆参与率（Inverse Participation Ratio, IPR）。
- 从理论上讲，最小化 IPR 会将概率分布推向均匀分布，这与相关联的马尔可夫链的弛豫时间 τ 的降低具有相关性。
- 至关重要的是，该层可以针对 MPS 目标进行高效计算，并可以被吸收进制备电路的最后一层，从而不会增加额外的电路深度。
影子重叠认证：
- 制备的量子态使用影子重叠法进行验证。在测量之前应用 τ 降低层，以确保参数 τ 保持在可控范围内，从而收紧观察到的影子重叠与真实保真度之间关系的理论界限。
关键结果
- 实验实现： 该框架在 Quantinuum H2-1 设备上执行，使用了包含 229 个单量子比特门和 108 个双量子比特门的电路。
- 保真度成就：
- 经典 SSO 算法在理想电路目标与原始声学信号之间实现了 FSSO=0.9958756 的近似保真度。
- 硬件制备相对于理想电路目标的保真度估计为 Fhw=0.929。
- 在硬件上测得的影子重叠为 ωˉH2−1=0.967，相比之下，在噪声模拟器上为 $0.971，在理想模拟中为0.984$。
- τ 降低：
- 对于声学信号目标，基底变换将 τ 从 447.29 降低到了 17.49。
- 在其他结构化状态（正弦波包、一维 MBL 自旋链、一维 Hubbard 链和二维海森堡模型）上的数值实验表明，τ 降低层一致地将 τ 降低了超过 10 个数量级，使其降至 O(n) 数量级。
- 效率： 整个验证过程仅用 1,000 次测量采样（shots） 即可完成，展示了一种可扩展的基准测试标准。
意义与主张
本文声称改变了在现实噪声和测量约束下，在量子硬件上映射和验证结构化经典数据的范式。其主要贡献包括：
- 端到端工作流： 一个统一集成的张量网络制备与影子验证流程，能够在 NISQ 时代及早期容错设备上有效运行，且不依赖于理想化假设或深层的容错开销。
- 缓解认证限制： 通过引入 τ 降低层，这项工作克服了影子重叠方法的一个关键理论限制，使得该方法对于此前表现出病态高 τ 值的结构化状态变得可行。
- 实际鲁棒性： 在 13 量子比特系统上实现高保真度态制备（Fhw≈0.93）和快速验证的演示，为量子设备提供了即时的、可扩展的标准。
- 理论启示： 结果表明，如果采用 τ 降低层，影子重叠方法可以成为广泛结构化状态的高效认证程序，这可能解决了关于影子基准测试可扩展性的开放性问题。
作者指出，随着量子硬件的改进，未来的工作可以将该方案扩展到更大的医学成像数据集，同时在理论上建立 τ 降低层能够普遍将 τ 降低至 O(n) 的分析证明。
每周获取最佳 quantum physics 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。