⚛️ quantum physics

Classical Simulation of Lossy Gaussian Boson Sampling beyond Square-Root Regime

本文确立了用经典光替换有损高斯玻色采样输入在存活光子数上仅限于平方根比例的根本限制，但提出了一种新颖的基于探测的近似方法，通过在探测之间精确演化状态并在探测后近似状态，将高效经典模拟机制扩展到了 $N^{2/3}$ （或在特定条件下为 $N^{3/4}$ ）。

原作者： Youngrong Lim

发布于 2026-10-06

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

原作者： Youngrong Lim

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在追求构建能够解决超越当今计算机能力之问题的机器的过程中，科学家们正转向光。具体而言，他们正在使用一种被称为高斯玻色采样（Gaussian boson sampling）的技术，该技术涉及发送挤压光（squeezed light）——这是一种特殊的激光束，其中光波的不确定性在某个方向上被压缩。这种光通过一个由反射镜和分束器组成的复杂迷宫。目标是测量有多少光子（即光粒子）到达末端的探测器。由于光波以极其复杂的方式相互干涉，预测这一实验的结果被认为是一项只有量子计算机才能高效处理的任务。如果一台经典计算机（比如你桌上的那台）无法跟上步伐，就证明了该量子机器实现了真正的优势。然而，现实世界的实验从来都不是完美的。最常见的缺陷是光子在途中丢失了，被玻璃吸收或从系统中散射出去。这种损耗是一把双刃剑：虽然它增加了实验运行的难度，但也使得结果更容易被经典计算机伪造。多年来，研究人员一直认为，只要幸存的光子数量保持在某个特定阈值之下——具体来说，增长速度不超过输入总光束数量的平方根——经典计算机就可以简单地用普通的经典光取代复杂的量子光，并高精度地模拟结果。

一项新的研究挑战了“平方根极限是经典模拟不可逾越之墙”的观点。研究人员在处理一种特定的光学装置时证明，旧有的用经典光取代输入光的方法遇到了一个硬性的天花板。他们在数学上证明了，无论人们如何巧妙地尝试利用经典统计学来模拟丢失的光，一旦幸存光子的数量超过那个平方根极限，模拟误差将不可避免地变得过大。这一发现至关重要，因为它堵住了一个潜在的漏洞：它证实了如果实验保持在这个范围内，使用这种特定技巧的经典计算机就无法声称其是在准确模拟量子系统。然而，这项研究并未止步于证明一个极限；它还超越了它。作者开发了一种新的模拟实验的方法，该方法并不试图取代光本身。相反，他们保持了光的量子描述完全不变，并将近似处理集中在探测行为上。在他们的方法中，计算机在光穿过迷宫的过程中完美地追踪光线。只有当一个光子被探测到时，计算机才会对剩余光的态进行一次简化的猜测，将复杂的量子描述替换为一种捕捉了基本特征的更简单的标准形状。

这种策略的转变使得研究人员突破了平方根障碍。他们展示了通过逐次近似探测过程，经典计算机即使在幸存光子数量的增长速度远快于输入规模的平方根时，也能准确地模拟实验。事实上，当幸存光子数按输入规模的三分之二次方增长时，他们的方法仍然保持准确；并且在所有光束被同等对待的特定条件下，甚至可以达到四分之三次方。为了直观理解这种差异，请想象尝试通过改变游戏规则本身（旧方法），或者仅在玩家得分的那一刻做一个经过计算的小猜测（新方法）来预测比赛结果。新方法被证明要稳健得多。研究人员在包括仅有单束光以及具有多束光更复杂排列在内的各种设置上测试了他们的方法。在这些测试中，他们的新模拟器始终产生比之前最佳方法更接近真实量子行为的结果，尤其是在与当前实验相关的参数范围内。

这项工作的意义在于它能够重新定义经典可模拟性与真正量子特性之间的边界。通过证明旧有的“取代光”策略在超过某一点后会失效，这项研究迫使科学界去寻找更复杂的模拟这些系统的方法，如果他们想要保持领先。相反，通过展示一种更细致的新策略可以走得更远，它表明声称量子优势的门槛可能需要设定得更高。研究人员并未声称已经解决了模拟所有可能的量子光实验的问题；相反，他们提供了一个严谨的证明，证明了某种特定的、被广泛使用的近似方法存在一个硬性极限，并且他们提供了一个新的工具，将经典模拟的范围扩展到了该极限之外。这种精炼对于该领域至关重要，因为它帮助实验人员准确了解他们的设备可以容忍多少光损耗，才不会导致结果变得容易被经典计算机模仿，从而确保未来的量子优势声明建立在坚实、无可辩驳的基础之上。

技术摘要：超越平方根机制的损耗高斯玻色采样经典模拟

问题陈述
高斯玻色采样（GBS）利用压缩光、无源光学器件和光子数分辨（PNR）探测来探测量子干涉，这构成了光子量子优势实验的基础。然而，光子损耗是导致经典模拟成本显著降低的主要实验缺陷。先前的研究表明，对于具有固定挤压度和精度的损耗 GBS，通过“经典光替换”（用经典高斯态近似损耗输入态）进行的经典模拟，仅在存活光子平均数（ $N_{out}$ ）的增长速度不快于挤压输入数量（ $N$ ）的平方根时保持准确。具体而言，该机制对应于 $N_{out} = O(\sqrt{N})$ 。本研究旨在解决的核心问题是：这种平方根缩放是否代表了所有经典光替换方法的根本限制（包括使用非高斯或相关经典参考的方法），以及是否可以突破这一障碍来扩展模拟机制。

方法论
本文采用了两种不同的理论方法来分析和模拟损耗 GBS：

经典光替换的下界分析： 作者研究了将量子输入态替换为任何具有非负 Glauber–Sudarshan $P$ 表象状态（包括相干态的经典混合，无论是高斯还是非高斯）的局限性。作者构建了一个特定的干涉仪族（“对族”），其中输入通过分束器处理以产生两模压缩真空对。通过分析这些对的光子计数统计，作者证明了经典计数概率违反了损耗量子态的特性。
探测近似算法： 为了超越平方根屏障，作者提出了一种近似“探测过程”而非“输入态”的模拟方法。
- 精确演化： 量子态在探测事件之间进行精确演化。
- 条件重置： 在发生光子探测（“点击”）时，精确的非高斯条件态被替换为一个共享相同协方差中心的中心高斯态。
- 轨迹模拟： 该算法将 PNR 探测建模为一个虚构的吸收过程，即光子被逐个移除。协方差矩阵在点击之间进行确定性更新（阻尼），并在点击时进行随机更新（光子减除）。
- 误差控制： 该方法通过追踪这些高斯重置所累积的误差，来限制精确分布与采样分布之间的全变差（TV）距离。

针对所有输入模式等量挤压（ $M=N$ ）的特殊情况，引入了第二种构造方法。该方法利用将目标态分解为纯压缩核心及随后的量子极限放大器的精确分解，通过从负二项分布中采样“对”的数量并将其分配给输出模式。

主要贡献与结果

经典光的平方根极限证明： 定理 1 确立了对于所构建的干涉仪族，任何经典光替换（即使使用非高斯、相关的参考）都会导致至少为 $1 - e^{-c_r N \eta^2}$ 的全变差误差。这证明了在最坏情况下，平方根机制（ $N_{out} = O(\sqrt{N})$ ）是输入替换方法的硬性限制。没有任何经典参考能提高所有干涉仪下的这种缩放比例。
向 $N^{2/3}$ 机制的扩展： 定理 2 提出了一种具有多项式期望算术成本的随机经典算法，用于近似探测过程。作者证明，其全变差误差被限制在 $O(N \eta^3)$ 。因此，在固定精度和挤压度下，平均存活光子数可以按 $N_{out} = O(N^{2/3})$ 进行缩放。这代表了对 $O(\sqrt{N})$ 极限的显著改进。
向 $N^{3/4}$ 机制的扩展： 对于等量挤压输入（ $M=N$ ）的特定情况，基于放大器分解的“对构造”实现了 $O(\sqrt{N}\eta^2)$ 的误差界限，使得平均存活光子数可以按 $N_{out} = O(N^{3/4})$ 进行缩放。
经验性能： 在单模和少模示例（包括随机干涉仪）上的数值模拟表明，结合了来自前人工作的精确输入分解与探测近似的组合采样器，在当前实验所驱动的参数值下（例如挤压度 $r \approx 1$ 且传输率 $\eta \approx 0.5$ ），比标准的经典高斯参考具有更低的经验误差。

意义与主张
本文声称，在同一目标族上，直接分离了经典光替换方法与探测近似方法的性能。虽然随着 $N \to \infty$ ，经典光方法在 $N^{2/3}$ 机制内会变得与目标分布最大程度地疏离，但所提出的探测近似采样器仍能保持消失的误差。

作者强调，其结果并不构成对 GBS 普遍复杂性的计算理论下界，也不排除张量网络方法（这些方法保留了非经典成分）。相反，这项工作确立了针对“将输入替换为经典态”这一类算法的特定极限。探测近似采样器展示了：尽管光子计数统计在超过平方根规模后无法由经典光近似，但其在经典计算机上仍可以在 $N^{2/3}$ （或 $N^{3/4}$ ）规模下被高效近似。

作者对多项式模拟的最终极限保持谦逊，指出 $N^{2/3}$ 还是 $N^{3/4}$ 代表真正的边界取决于未被证明的硬度假设。此外，作者承认对于当前的大规模实验（例如 $N=1024, \eta \approx 0.5$ ），其方法提供的理论界限可能仍然是平凡的，尽管经验性能表明其在特定机制下具有实际效用。

类似论文