就在今天，谷歌取得了重大突破！定量计算首次

机器心脏报告 机器心脏编辑部 就在今天，谷歌公布了一项历史性的研究成果。他们在 Willow 芯片上运行的新的总体夸耀算法解决原子相互作用问题的速度比最好的传统超级计算机快 13,000 倍，完成计算所需的时间是有限超级计算机大约需要 3.2 年才能完成的。更令人惊奇的是已经被证明的结果。这可以说是第一次经过验证的算法在真实硬件上成功运行量子计算机。相关研究发表在《自然》杂志的封面上。 回波量的核心是测量被称为OTOC（乱序相关器）的量的期望值。 Otoc 和高阶泛化是一类新的观察，描述量子量如何变得混沌。与位串不同，预期数量值（例如电流、速度、磁化强度和密度）是经过验证的计算结果，可以重新计算。即使在不同的量子计算机上运行时，主函数也是相同的。事实上，这一突破是基于谷歌数十年的技术积累和过去六年的关键发展。早在 2019 年，谷歌就证明量子计算机可以解决传统超级计算机需要数千年才能完成的问题。去年年底（2024年），谷歌推出了新一代Willow量子芯片，展示了如何显着抑制错误并解决科学家近30年来面临的基本问题。今天的罕见突破使谷歌的量子计算向实用性又迈进了一大步。这项工作涉及谷歌量子人工智能团队的几名成员，以及谷歌 DeepMind 和加州大学伯克利分校和达特茅斯学院的研究人员。值得一提的是，新任诺贝尔奖得主、现任谷歌AI实验室硬件首席科学家米歇尔·德沃雷特（Michel Devoret）也参与其中。 论文地址：https://www.nature.com/articles/s41586-025-09526-6 谷歌及其母公司Alphabet首席执行官Sundar Pichai表示：Willow Chip首次取得了经过验证的数量优势。新算法可以利用核磁共振来阐明分子中原子之间的相互作用，为药物发现和材料科学的未来潜在应用铺平道路。而且，该算法的结果是经过验证的，这意味着其结果可以被其他定量计算机或经过验证的实验重复。这一突破是量子计算首次实际应用的重要一步。 有网友认为，这项研究标志着量子硬件不仅在理论上而且在实验上都显示出了突出的优势，为实用和可扩展的量子计算铺平了道路！定量计算终于变得实用了！ 人类历史上第一次，量子计算机成功运行经过验证的算法，其性能超出了超级计算机的能力。所谓定量可验证性，是指计算结果可以用计算机量或任何等效的计算机量重复验证，得到相同的答案，从而确认结果的正确性。重复和超越经典计算的能力是可量化验证的基础，并使量子计算机距离成为可行的科学研究工具又近了一步。这一次，谷歌的新技术就像一个高度复杂的回声实验。研究人员向量子系统（柳树芯片上的量子位）发送精心设计的信号，然后稍微扰动其中一个量子位，然后精确地逆转信号的演化，以“监听”返回的量子回波。 这种量子回波的独特之处在于它会被相长干涉放大，在这种现象中，量子波是相互叠加、相互增强的。因此，测量变得极其敏感，需要能够以前所未有的精度捕获定量信号的变化。该示意图显示了在 Google 的 105 量子位阵列中创建量子回波的四个步骤：向前运行操作 → 扰动量子位 → 向后运行操作 → 测量结果。信号的重叠程度显示了扰动如何在柳片上传播。该版本 Quantum Echo 算法的实现得益于 Willow 芯片的量子硬件进步。去年，Willow芯片通过了随机电路采样基准测试，展示了其强大的性能，该测试用于测量量子系统的最大状态复杂性。体积回波算法代表了一种新的挑战，因为它模拟了真实的物理实验。这意味着该算法不仅能够处理复杂系统，而且能够在最终的计算中需要非常高的精度。这就是为什么谷歌称其为可验证的定量计算，其结果可以由其他同等质量的定量计算机进行交叉验证。同时，为了实现高精度和复杂度，硬件量必须具备两个主要特性：极低的错误率；和高速计算能力。 对于现实世界的应用，量子计算机将在模拟量子力学现象（例如原子和粒子的相互作用以及分子的结构（或形状））方面发挥关键作用。核磁共振（NMR）是科学家了解化学结构的重要工具之一，这也是磁共振成像（MRI）技术背后的原理。核磁共振就像分子显微镜，强大到足以让我们看到原子的相对位置，这有助于我们了解分子的结构。模拟分子的形状和动力学ES是化学、生物学和材料科学的基础，该领域的进步支持从生物技术到太阳能再到核聚变的许多领域的发展。在与加州大学伯克利分校合作进行的确认实验中，谷歌在其 Willow 量子芯片上运行了整个回声算法，研究了两种分子（一种包含 15 个原子，另一种包含 28 个原子）来验证该方法。 Mra结果表明，定量计算的结果与传统NMR一致，并揭示了后者通常无法获得的额外信息，这是对Google提出的方法的重大验证。正如望远镜和显微镜打开了未知世界的大门一样，这项实验也是迈向新的量化范围的重要一步，有望让人们能够测量以前被忽视的自然现象。通过定量计算增强的 NMR 预计将未来强大的药物发现工具，用于研究潜在药物如何与其靶标结合；或者在材料科学中，用于表征新材料的分子结构，例如聚合物、电池组件，甚至是构建量子位的材料。 特别声明：本文由网易自媒体平台“网易号”作者上传发布，仅代表作者观点。网易仅提供信息发布平台。 注：以上内容（包括图片和视频，如有）由网易HAO用户上传发布，网易HAO为社交媒体平台，仅提供信息存储服务。