来自麻省理工学院，谷歌和其他地方的研究人员设计了一种验证量子处理器准确执行了经典计算机不能进行复杂计算的新方法。它们在定制系统上验证它们的方法（图为图示），该方法能够捕获光子芯片（“PNP”）计算出臭名昭着困难的量子问题。
在迈向实际计算的步骤中，来自MIT，Google和其他地方的研究人员设计了一个可以验证量子芯片准确执行古典计算机不能进行复杂计算的系统。
量子芯片使用量子位执行计算，称为“QUBITS”，其可以表示与经典二进制位相对应的两个状态 - 或者同时的两个状态的0或1或“量子叠加”。独特的叠加状态可以使量子计算机解决古典计算机实际上不可能的问题，潜在地刺激材料设计，药物发现和机器学习中的突破，以及其他应用。
全尺寸量子计算机将需要数百万QGBits，这还不可行。在过去几年中，研究人员已经开始开发“嘈杂的中间秤量子”（NISQ）芯片，其包含大约50到100个Qubits。这足以证明“量子优势”，这意味着NISQ芯片可以解决古典计算机棘手的某些算法。然而，验证芯片按预期执行操作，但是，可以非常低效。芯片的输出可以完全随机看，因此需要很长时间才能模拟步骤，以确定一切是否按计划进行。
在2020年1月13日发布的论文中，研究人员描述了一种新颖的协议，以有效地验证NISQ芯片已经执行了所有正确的量子操作。他们在定制量子光子芯片上运行的臭名昭着的量子问题验证了他们的协议。
“随着工业和学术界的快速进步将我们带到了可以优于古典机器的量子机器的尖端，量子验证的任务变得严重，”电气工程系和计算机科学部的博士邮政编程（ EECS）和电子研究实验室（RLE）。“我们的技术提供了验证广泛的量子系统的重要工具。因为如果我投资数十亿美元来建立量子芯片，它肯定会更好地做一些有趣的事情。“
在本文中加入卡罗拉是eecs和rle在麻省理工学院的研究人员，以及Google Quantum Ai实验室，Elenion Technologies，Lightmatter和Zapata Computing。
分而治之
研究人员的工作基本上跟踪由量子电路产生的输出量子状态回到已知的输入状态。这样做揭示了在输入上执行电路操作以产生输出。这些操作应始终符合研究人员编程的内容。如果没有，研究人员可以使用这些信息来查明芯片上出现问题的信息。
在新协议的核心，称为“变分量子unspling”，谎言“熟悉”方法，Carolan说，将输出量子状态分成块。“而不是在一次拍摄中完成整个事情，这需要很长时间，我们通过图层执行此解密的层。这让我们可以打破问题，以更有效的方式解决它，“卡罗兰说。
为此，研究人员从神经网络中获取了灵感 - 通过许多计算来解决问题 - 构建一个新颖的“量子神经网络”（QNN），其中每个层代表一组量子操作。
为了运行QNN，它们使用了传统的硅制造技术来构建一个2×5毫米的NISQ芯片，具有超过170个控制参数可调电路组件，使得操纵光子路径更容易。在来自外部部件的特定波长处产生的光子对并注入芯片中。光子通过芯片的相移器行进 - 改变光子的路径 - 彼此干扰。这产生了一个随机量子输出状态 - 代表在计算期间发生的内容。输出由外部光电探测器传感器阵列测量。
该输出被发送到QNN。第一层使用复杂的优化技术来挖掘噪声输出，以便在所有那些扰乱那里的所有那些中的单个光子之间的签名。然后，将来自组的单个光子“解读”，以识别哪些电路操作将其返回到其已知的输入状态。这些操作应该完全匹配电路的任务的特定设计。所有后续层都执行相同的计算 - 从等式中移除任何先前未被解层的光子 - 直到所有光子都被解读。
例如，假设馈送到处理器的Qubits的输入状态是所有零。NISQ芯片在Qubits上执行一堆操作以生成大量，看似随机更改的数字作为输出。（输出编号将不断变化，因为它在量子叠加中。）QNN选择该大量号码的块。然后，逐个层，它确定哪个操作将每个Qubit恢复到其输入状态为零。如果任何操作与原始计划的操作不同，那么事情已经出错了。研究人员可以检查预期输出之间的任何不匹配到输入状态，并使用该信息调整电路设计。
玻色子“unspling”
在实验中，团队成功地运行了用于演示量子优势的流行计算任务，称为“玻色子采样”，该任务通常在光子芯片上执行。在该练习中，移相器和其他光学部件将操纵并将一组输入光子转换成输出光子的不同量子叠加。最终，任务是计算某个输入状态将匹配某个输出状态的概率。这将基本上是来自一些概率分布的样本。
但由于光子的不可预测的行为，古典计算机几乎不可能计算这些样本。理论上是NISQ芯片可以很快计算它们。然而，到目前为止，由于NISQ操作和任务本身所涉及的复杂性，没有办法验证快速且轻松。
“给出这些芯片量子计算能力的非常相同的属性使得它们几乎无法验证，”卡罗拉说。
在实验中，研究人员能够在其定制NISQ芯片上贯穿玻色子采样问题的两个光子 - 在一小部分中，它将采用传统验证方法。
“这是一种优秀的论文，采用非线性量子神经网络来学习由黑匣子执行的未知的单一操作，”专门从约克大学的量子技术专注于Quantum Technologies的计算机科学教授Stefano Pirandola说。“很明显，该方案可以非常有用，可验证由NISQ处理器执行的量子电路 - [示例]执行的实际门。从这个角度来看，该方案是未来量子工程师的重要基准测试工具。在光子量子芯片上显着实现了这个想法。“
虽然该方法被设计用于量子验证目的，但Carolan表示，它也可能有助于捕获有用的物理性质。例如，兴奋时的某些分子将振动，然后基于这些振动发射光子。通过将这些光子注入光子芯片中，Carolan表示，解密技术可用于发现这些分子的量子动态的信息，以帮助生物工程分子设计。它还可以用于通过通过湍流空间或材料来解除携带累积噪声的量子信息的光子。
“梦想是将这一点应用于物理世界中有趣的问题，”卡罗拉说。
参考：“Quantum光子处理器上的变形量子概念”由Jacques Carolan，Masoud Mohseni，Jonathan P. Olson，Mihika Prabhu，长城陈，Darius Bunandar，墨菲yuezhen牛，尼古拉斯C. Harris，Franco NC Wong，Michael Hochberg，Seth Lloyd和Seth Lloyd和Seth Lloyd和Dirk Englund，13月20日，自然物理.DOI：
10.1038 / S41567-019-0747-6
