A Chip-scale Space-time Multiplexed Gaussian Boson Sampling Processor Beyond 10,000 Photons

在构建能够解决当今超级计算机无法解决的问题的机器的竞赛中，科学家们长期以来一直转向光。这些新机器不再使用电力像传统计算机那样在硅芯片中移动，而是使用光子（即光粒子）流来携带信息。实现这一目标最有效的方法之一被称为高斯玻色采样（Gaussian boson sampling）。想象一个复杂的迷宫，光粒子从一端进入，在反射镜中弹跳并在路径中分裂，最后从另一端退出。由于光粒子具有奇特的量子行为，它们可以同时采取多条路径，从而产生一种极难预测或计算的出口模式。虽然这听起来像是一个简单的概率游戏，但可能的结果数量增长得如此之快，以至于即使是世界上最强大的超级计算机也需要数千年的时间才能算出结果。这种难度被研究人员称为“量子优势”，这是一个里程碑，证明了一台机器已经超越了经典计算的极限。然而，制造这些基于光的机器一直是一场艰苦的斗争。早期的尝试依赖于摆满独立反射镜和透镜的庞大实验台，这些设备必须通过手工进行极高精度的对准。这些装置脆弱、不稳定且难以规模化，使得从实验室里的奇观向实用工具的转变变得异常困难。

现在，一组研究人员通过将整个系统缩小到单个芯片上，克服了这些障碍，创造出一种可以在极短时间内处理大量光粒子的设备。在一项新的研究中，这项工作描述了第一个利用一种被称为“时空复用”（space-time multiplexing）的高明技巧在空间和时间上混合光的芯片级系统。研究人员没有需要占据巨大物理空间的整套设备，而是在一层薄薄的铌酸锂（一种以能够高速操控光而闻名的特殊晶体）上直接构建了一个由微小路径、反射镜和开关组成的网络。这个芯片充当了一个“光的工厂”，脉冲信号通过回路传输并分散到不同的路径中，全程由每秒开关数十亿次的电信号进行控制。其结果是，这台机器不仅稳定、紧凑，而且能够在单毫秒内生成并检测超过一万个光粒子。这种规模远超以往任何基于芯片的系统，推向了光计算可能性的边界。

由上海交通大学和TuringQ的研究团队领导的研究人员，花费了多年时间完善制造工艺，以确保芯片完美无瑕。他们建立了一条专门的生产线，在大型晶圆上制造这些器件，并仔细改进每一个步骤，以最大限度地减少光在微型电路中传输时的损耗。最终的设备运行在4吉赫兹（GHz）的时钟频率下，这意味着它每秒处理40亿次数据。为了测试其能力，他们向芯片中注入了“挤压态光”（squeezed light）——这是一种特殊的态，其中光粒子经过特殊准备，使其量子行为最大化。随后，光穿过了一个复杂的干涉仪网络（一种用于分裂和重新组合光波的装置）以及延迟环路（用于将光保持极短时间的回路）。当光到达末端的探测器时，系统已经生成了海量的检测事件，其中最大的单个样本包含了11,059个光子。这个数字意义重大，因为它如此之大，以至于在经典计算机上模拟其结果几乎是不可能的，这证实了该机器确实达到了超越传统计算的复杂程度。

为了证明这台机器确实是在作为量子设备工作，而不是仅仅用一种更简单的经典技巧来模仿结果，团队进行了严格的检查。他们将机器检测到的光模式与理论预测的真实量子系统模式进行了对比，同时也与普通热噪声或标准激光器的表现进行了对比。结果与量子预测几乎完全吻合，而其他可能性则被明确排除。他们还使用了统计方法来证明机器生成的数据确实源自他们设计的复杂量子过程，而非来自伪造或简化的模型。这些测试确认了系统正在产生正确的、高度复杂的量子态，验证了在单个微小芯片上集成高速调制器、延迟线和检测网络的工程壮举。

除了证明这台机器有效之外，研究人员还展示了这项技术可以用于比抽象计算更有意义的任务。他们重新配置了同一个芯片，使其作为一个“世界模型”（world model）——这是一种学习如何预测物理系统随时间变化的AI系统。他们选择了一个经典的物理问题：风吹过圆柱体时产生的空气和压力旋涡模式，即卡门涡街（Kármán vortex street）。该芯片被编程为捕捉这种压力场的快照，利用其内部的光学回路记住流动的历史，然后预测下一时刻的压力状况。与设计用于相同任务的标准计算机程序相比，这种基于光的系统在做出更准确预测的同时，使用的可调参数也更少。这表明，光在芯片上混合和记忆信息的独特方式，可以为解决物理和工程领域的复杂问题提供一种强大的新途径，使这项技术从速度演示转向现实世界的发现工具。

该项目的成功标志着光子量子计算领域的一个转折点。多年来，挑战一直在于如何构建既能展示量子优势，又足够稳定且可编程以投入实际应用的系统。通过将一切集成到单个芯片上并使用可规模化的制造工艺，研究人员证明了这些机器可以具备未来应用所需的可靠性和灵活性。这种高精度、高速度控制光的能力，为新一代设备的发展打开了大门，这些设备可以应对材料科学、气候建模和人工智能领域的难题。随着技术的不断成熟，包括将光源和探测器直接集成到芯片上的计划，在单片硅片上构建多功能、可编程量子计算机的愿景正逐渐成为现实。