编译/jxdxss
量子计算机提供了巨大的计算能力，有望解决传统计算机无法解决的问题。 虽然有很多可以开发量子计算的硬件平台，但是不知道哪个技术和技术的组合被证明是最成功的。
目前，虽然先进的方法基于超导电路和离子捕获技术，但另一种基于光子学的方法被认为是不现实的，因为很难按需生成或转换所需的量子态。 但是，该方法有可能成为量子计算的黑马。
Arrazola等人报道了可编程和可扩展光子电路的开发，在这个平台上展示了三种量子算法，相关研究成果发表在《自然》(nature )上。
根据量子理论，任何状态的光在振幅和相位上都存在必然的不确定性，当其不确定性在宽度和相位之间不均匀分布时，将其状态称为压缩状态。 压缩状态越多，光子含有越多。
许多量子光学实验发现了多光子压缩态的光，基于这种态的量子计算模型已经存在了20多年。 但是，由于量子的不确定性，基于这种模型的计算机是否可行受到怀疑。
然而，在过去几年中，这种怀疑消失了。 目前，只有基于压缩光、分束器(将光束分成两部分的装置)、光子计数器的比较简单的光学电路，才能以传统计算机无法达到的速度执行采样算法。 该算法有许多实际应用，例如模拟分子状态之间的迁移，找出两个分子匹配排列的过程称为分子对接。
在芯片上，称为环形谐振器的器件产生光的压缩状态，并将其发射到由多个光路和分束器组成的光网络上。 由于被称为干涉的量子效应，压缩状态的光在分束器汇合时会混合，所有状态在离开网络时都会完全混乱。 重新编程这些阶段将改变扰动的类型。 加扰后，使用灵敏度高的检测器来计算该量化电路的每输出光子数。
图：光子芯片上实现的量子算法。 作者使用他们的芯片执行了量子算法。 这里，输入压缩状态表示输入变量，各个加扰状态中的光子数表示算法处理这些变量时得到的输出。 通过使用控制器调整分束器，操作称为移相器的设备，可以对芯片重新编程以执行不同的算法。 (资料来源： Nature )
测量结果提供了量子实验的具体样本数据。 在普通计算机中，收集这些样本所需的时间随输入压缩状态的数量呈指数级增长。 与之相反，量子电路可以在几分之一秒内制作样本。 这就是“量子优势”。
Arrazola团队在与半导体制造工艺兼容的氮化硅芯片上实现了他们的光子电路，并进行了各种类型的测试以表现压缩光源的质量和芯片的整体性能。
首先，测定压缩状态对通常状态的不确定性抑制约为84%。 其次，他们测量了状态的时间纯度为85%。 这是成功干扰网络的重要属性。 然后，他们仔细测试了干扰的质量。 最后，他们需要对非经典标准进行测试，验证生成的样本是否具有真正的量子性质——。 这是因为，如果设备按比例扩大，则会生成无法由以往的计算机模拟的样本。
除了用于证明量子优势的采样算法外，Arrazola和同事还实现了两种更实用的算法：分子态间跃迁能谱的确定和表示不同分子的图之间的数学相似性的发现。
事实上，基于压缩状态的量子采样算法已经被其他研究小组所证实。 去年，一个研究小组对100条光路中的50种压缩状态进行了采样算法，主张用超级计算机模拟这样的实验需要6亿年。
但是，由于庞大的安装和光子损失，这些演示无法扩展。 另外，到目前为止这些实验的电路是不可重构的，只能执行单一的算法。 相反，Arrazola团队的电路不仅是可编程的，而且具有很高的扩展性。
尽管如此，量子采样算法在发挥其全部潜力并在现实应用中发挥作用之前，还需要克服一些障碍。 某些需要改善压缩状态光质量的APP应用程序需要分别控制每个压缩状态的压缩级别和功率。 为了扩大系统规模，必须减少光子损失。 否则，光子将无法在电路中生存。
作者用可编程光子芯片使用高压缩状态进行量子采样的演示无疑是该领域的新里程碑。 虽然目前体系结构能够实现的业务APP应用程序数量有限，但幸运的是，提出了能够运行更大计算的平台，它们的实现将成为产生成熟光学量子计算机的下一步。
论文链接： https://www.nature.com/articles/s 41586-021-03202-1
原文地址： https://www.nature.com/articles/d 41586-021-00488-z