Trajectree - A quantum trajectory-based quantum circuit simulator
本文介绍了 Trajectree，这是一种新型的基于量子轨迹的模拟器，它利用状态保存的部分执行方案来高效模拟宽且深的噪声量子电路和光学系统，在成功模拟贝尔测试和纠缠交换等复杂光学实验的同时，展示了比谷歌 QSim 快五倍以上的性能。
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
在构建量子计算机的征途中，科学家们面临着一个悖论：为了设计出一台能够解决普通计算机无法解决的问题的机器，他们必须首先构建一个能够预测该机器行为的模拟器。然而，正是量子计算机之所以如此强大的原因——即它们能够同时存在于多种状态的能力——使得它们极难被建模。随着量子系统的规模增长，描述该系统所需的信息量会呈爆炸式增长，迅速使即使是最强大的超级计算机也难以承受。此外，现实世界的量子设备是“杂乱”的。它们会与环境发生相互作用，通过一种被称为“退相干”的过程使其失去脆弱的量子特性。为了理解这些带有噪声的机器实际表现如何，研究人员不仅需要模拟单一的事件路径，还需要模拟成千上万种略有不同的可能场景，以观察平均结果是什么。这是一项沉重的计算负担，通常需要大量的计算时间和内存。
一个研究团队推出了一种名为 Trajectree 的新工具，这是一款旨在解决这一特定瓶颈的模拟器。Trajectree 并没有将每一次模拟运行都视为一个完全全新的开始，而是采用了一种巧妙的节省内存策略。想象一位在复杂迷宫中穿行的旅行者，每到一个转弯处路径就会发生分叉。在传统的模拟中，每当想要探索一种新的可能性时，旅行者都必须从头开始重新计算整个旅程。然而，Trajectree 就像是一位保留了已走过的最常见路线详细地图的旅行者。当模拟需要采取一条曾经走过的路径时，软件只需调出保存的地图并从那里继续，从而跳过了重复计算步骤的繁重工作。这种方法使得系统生成嘈杂量子电路的数千种可能结果的速度比以往的方法更快。
研究人员使用一组具有挑战性的基准电路，将这种新架构与谷歌的行业标准 QSim 进行了对比测试。在这些测试中，Trajectree 展示了显著的速度优势，其运行模拟的速度比既有的软件快了五倍以上。这种提升源于该软件能够识别出它需要生成的数千个随机场景中，许多实际上是非常相似的。通过保存最可能路径的中间结果，模拟器避免了反复进行相同的复杂数学运算。团队发现，在处理“偏置噪声”（一种系统更有可能犯下特定错误而非其他错误的错误类型）时，这种效率尤为显著。在这种情况下，模拟器可以将内存集中在最可能的输出结果上，使过程变得更加精简和快速。
除了速度之外，研究人员还展示了 Trajectree 特别适用于模拟光学系统，即利用携带量子信息的光子（光粒子）进行工作的系统。基于光的量子网络是实现安全通信和远程数据传输的一条充满前景的途径，但模拟它们非常困难，因为光子的可能状态数量可能极其庞大。Trajectree 包含了一个专门的引擎，利用一种称为张量网络（tensor networks）的数学技术来压缩这些海量数据。这使得模拟器能够追踪光在多个通道中的行为，而不会耗尽内存。为了证明其价值，团队利用这个光学引擎重现了三个著名的实验：一项被称为 CHSH 贝尔测试（Bell test）的量子纠缠测试、一个被称为纠缠交换（entanglement swapping）的过程（用于连接远距离粒子），以及一个被称为 CNOT 的光学逻辑门。在每个案例中，模拟器产生的结果都与理论预测和实验数据相吻合，例如约 77% 的纠缠可见度，这证实了该工具能够准确模拟基于光的量子设备的复杂且多噪的现实情况。
这项工作表明，通过记住量子系统已经走过的路径，我们可以更高效地驾驭量子计算的未来。虽然目前的 Trajectree 版本在单个处理器上运行，但研究人员指出，其设计已准备好扩展到多个处理器，这可能会使其变得更快。目前，该工具是一个实用的证明，说明通过保存计算中的中间步骤，可以解锁模拟比以往更大、噪声更多且更复杂的量子系统的能力，为试图构建下一代量子技术的工程师提供重要的资源。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。