⚛️ 量子物理

Boson sampling is fragile to loss

本文表明，即使在任意微小的均匀光子损耗下，玻色子采样也会失去其计算难度并变得可以被经典算法高效模拟，因为损耗抑制了高阶光子相关性，从而允许对输出分布进行准确的低阶近似。

原作者： Youngrong Lim

发布于 2026-11-03

📖 1 分钟阅读🧠 深度阅读

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

在追求证明由光构建的机器能够超越最强大的超级计算机的过程中，科学家们转向了一个被称为玻色子采样（boson sampling）的具体挑战。想象一个由镜子和分束器组成的复杂迷宫，单个光子（即被称为光子的光粒子）被送入其中并相互干涉。目标是预测这些光子将从迷宫的何处退出。虽然真实的机器可以通过简单地运行实验并记录结果来完成这项任务，但对于传统计算机而言，随着光子数量的增加，计算答案被认为是不可能完成的难题。这种难度是“量子计算优势”这一主张的基础：即量子设备可以解决传统计算机无法触及的问题。然而，现实世界的实验从未是完美的。光会泄漏，探测器会漏掉粒子，系统也会在过程中丢失光子。多年来，研究人员一直在争论这种不可避免的损耗是否会破坏量子优势，或者即使在不完美的情况下，该问题是否仍然足够困难，足以证明一台机器的优越性。

来自忠北国立大学（Chungbuk National University）的 Youngrong Lim 的一项新研究为这个问题提供了重要的理论见解，表明如果系统遭受固定速率的损耗，那么仅靠增加光子数量来寻求量子优势的希望可能是错位的。研究表明，如果当实验规模扩大时，丢失的比例是恒定的，那么经典计算机可以高效地模拟其平均情况下的结果。其核心见解在于，丢失光子起到了一个过滤器的作用，冲刷掉了许多粒子之间复杂的、高层级的连接。当这些深层的相关性被抑制时，剩余的模式就变得足够简单，以至于标准计算机可以快速重现。这一发现表明，仅仅向一个具有固定效率的系统中添加更多的光，并不足以保证量子优势；只有当损耗率随着系统的规模扩大而趋于接近零时，该问题才能保持真正的困难。

该研究聚焦于科学家设置此类光实验的两种常见方式。在一种版本中，单光子被送入不同的路径；而在另一种版本中，光被挤压以产生一种不同类型的量子态。在这两种情况下，研究人员都模拟了一种场景，即传输率（即成功到达探测器的光子百分比）即使在输入路径和光子数量增加时也保持不变。在现实实验中，这是最真实的情况，因为从光源到探测器的每一个组件都具有固定的质量，并不会仅仅因为机器变大而提高。作者通过数学证明，在这些条件下，经典算法可以生成在统计上与量子机器输出在平均意义上完全一致的样本。经典模拟与真实量子结果之间的误差可以变得任意小，且完成模拟所需的时间相对于系统规模呈可控的多项式增长。

这一结果背后的机制依赖于损耗如何影响光子的行为。在一个完美的系统中，光子以一种涉及整个群体的同步方式相互干涉，从而产生一种极难计算的模式。然而，当光子丢失时，依赖于大量粒子的干涉模式会变得极其罕见。研究人员表明，输出分布可以通过观察小规模光子组之间的相互作用来进行准确近似。由于需要考虑大规模粒子组的概率会随着损耗率的增加而呈指数级下降，因此经典计算机只需要追踪这些微小的、易于处理的相互作用即可重现结果。这意味着，即使检测到的总光子数随机器规模线性增长，其底层的复杂性也不会以一种击败经典计算机的方式进行扩展。

这一结论对当前及未来的实验具有重要意义。一些大规模的光学实验已经声称展示了量子优势，通常将检测到的光子数量之多作为其能力的证明。新的分析表明，这些主张需要仔细的重新评估。如果这些实验中的损耗率在规模扩大时保持不变，那么其结果无法保证量子计算优势，这意味着观察到的优势可能并不像预期的那样具有根本性。该研究并未完全排除实现量子优势的可能性，但它缩小了实现量子优势的开放范围。为了保持计算优势，损耗率必须随着系统的增长而迅速下降，这在实践中比仅仅建造一个拥有相同组件的更大机器要困难得多。

研究还明确了什么是可能的，以及什么是可能的边界。虽然作者证明了固定损耗率允许高效的经典模拟，但他也承认，如果损耗率下降得足够快——具体而言，如果丢失的光子数量仅随总数呈对数级增长，而总数呈线性增长——那么问题仍然是困难的。这留下了一个非常狭窄的实现量子优势的窗口：系统必须如此高效，以至于丢失的光子比例随着机器的增大而趋向于零。目前，对于量子计算机最有利的情况，即传输率高且恒定的情况，结果证明反而是对经典计算机最容易模仿的。这项研究起到了至关重要的现实检查作用，提醒该领域：证明量子优越性的路径不仅在于计算光子的数量，更在于以极高的精度控制损耗与干涉之间的微妙平衡。

技术摘要：玻色子采样对损耗具有脆弱性

问题陈述
玻色子采样是利用非通用光子器件展示量子计算优势的主要候选方案。该计算任务涉及从通过线性干涉仪的不可分辨光子的联合输出分布中进行采样。虽然在合理的复杂度假设下，理想的玻色子采样被认为在经典计算上是难以处理的，但现实世界的实验会受到光子损耗的影响。

一个关键的开放性问题是：在固定且非零的均匀损耗率下，玻色子采样的计算难度是否依然存在。先前的研究结果仅在丢失的光子数与系统规模呈对数关系时才确立了硬度，而只有当存活的光子比例随系统规模增长而趋于零时，已知才存在高效的经典模拟。这留下了一个广泛的、具有实验相关性的未解决领域：即传输率 $\eta$ 固定（因此平均丢失的光子数随系统规模线性增长），且平均检测到的光子数也随之线性增长的情况。

方法论
本文通过为两种标准输入态在固定均匀损耗下的情形构建高效的经典采样器，解决了这一差距：

有损 Fock 态玻色子采样： 在不同输入模式中的单光子。
有损高斯玻色子采样： 在所有输入模式中具有相同挤压度的挤压真空态。

其核心物理洞察在于，均匀损耗会抑制光子之间的高阶相关性。作者将输出概率分布分解为正交的相关阶数（光子计数的多项式）。他们证明了对于固定的传输率 $\eta < 1$ ，涉及 $h$ 个光子的相关性权重随 $h$ 指数级衰减（具体而言，对于 Fock 态，其衰减为 $\eta^h$ ）。

所提出的算法分为三个主要阶段：

相关性截断： 采样器通过保留直到截断阶数 $L$ 的相关阶来近似完整的输出分布。由于相关性权重的指数级衰减，为了达到目标全变差距离， $L$ 仅需随逆误差 $1/\epsilon$ 和检测到的光子数呈对数增长。
高效评估： 直接评估截断后的分布会带来高昂代价。作者采用了涉及模式随机分组和使用行列式生成函数的技术，来估计截断态与输出构型之间的重叠。这避免了通过对辅助构型求和而产生的拟多项式成本，将评估成本降低到与系统规模和 $1/\epsilon$ 成多项式关系。
拒绝采样： 使用估计的概率在拒绝采样框架内进行。为了处理可能存在的巨大接受权重方差，算法将权重裁剪在与 $1/\epsilon$ 成比例的水平。这引入了受控的偏差，并计入总误差预算中，从而确保最终样本是从接近真实有损输出的分布中抽取的。

主要结果
论文证明了两个主要定理，确立了上述问题的存在高效经典算法：

定理 1（Fock 态）： 对于任何固定的传输率 $\eta$ ，存在一种经典随机算法，可以在 Haar 随机干涉仪上以平均全变差距离 $\epsilon$ 对有损 Fock 态分布进行采样。每个样本的运行时间是模式数 $M$ 、光子数 $n$ 以及 $1/\epsilon$ 的多项式。
定理 2（高斯态）： 类似地，对于在所有模式中具有相同挤压度 $r$ 的高斯玻色子采样，存在运行时间为 $M$ 和 $1/\epsilon$ 的多项式级别的有效经典采样器。

至关重要的是，即使当平均检测到的光子数随系统规模线性增长（例如 $\eta n$ 或 $\eta M \sinh^2 r$ ）时，这些结果依然成立。误差是以在 Haar 测度下的干涉仪上的全变差距离来衡量的。

意义与主张
作者声称，其结果显著缩小了“硬度差距”。他们证明了对于 Haar 随机干涉仪，固定的损耗率——无论其多么微小——都会阻碍建立渐近的量子采样优势。

解决固定速率领域： 本文解决了此前开放的固定损耗率领域。它表明，如果存在固定比例的光子丢失，那么仅仅增加光子数量本身并不能确保计算上的硬度。
对实验的影响： 这些结果适用于当前及未来的实验（例如使用 Haar 随机幺正变换的实验），这些实验在固定的传输率下运行。作者认为，这类实验不能仅仅通过增加光子数和模式数来保证量子计算优势，因为由此产生的分布可以被经典高效地近似。
局限性与范围： 作者明确指出，其结果是针对 Haar 随机干涉仪的平均情况。他们并不声称能够欺骗特定的实验设备（如时域回路等具有结构化干涉仪的设备），也不提供针对特定实验的实用“欺骗”实现，因为多项式界限的次数或常数可能很大。此外，他们指出，如果损耗率比 $O(\log n / n)$ 消失得更快，或者系统利用了非 Haar 随机结构、不同的输入态或光学非线性，则硬度可能依然存在。

总之，本文确立了对于标准的玻色子采样模型，任何固定的均匀损耗率都会使问题在平均情况下在经典计算上变得易于处理，这挑战了“在有损系统中通过扩大光子规模自动获得计算优势”的假设。

类似论文