遇事不决，量子力学。
量子力学诞生距今已有 120 多年的历史了。从光的双缝干涉实验到「薛定谔的猫」思想实验，它似乎是我们想象当中最神秘最深奥的物理学定律。美国理论物理学家理查德·费曼（Richard Phillips Feynman）曾说：
如果你认为你了解量子力学，那你就不了解量子力学。
即使量子力学距离我们相当遥远，却也在快速地发展：2016 年，我国成功发射「墨子号」量子科学实验卫星；2022 年的诺贝尔物理学奖授予了三位科学家，以表彰他们在「量子信息科学」研究方面的贡献。
▲2022 年诺贝尔物理学奖得主（图源：证券时报）
而 Google 近日也在「量子力学」方面有了大动作，堪称「里程碑」式的创新。
Google 量子人工智能团队「Quantum AI」的创始人兼负责人哈特穆特·内文（Hartmut Neven）在博客发表文章，宣布推出其最新的量子芯片「Willow」，并称其为大规模量子计算机铺平了道路。
在文章中，内文称这款芯片「在许多指标上都拥有最先进的性能」，并且「实现了两项重大成就」：
- 其一，是 Willow 增加了「量子比特」的使用数量（105 个），并且「成倍地」减少了错误；
- 其二，是 Willow 在不到 5 分钟的时间内完成了其最新的「随机电路采样（RCS）基准测试」。
▲图源：Google
要想理解以上这些突破性成就，我们就必须要了解量子计算机/量子芯片的工作原理。
量子力学的核心概念之一是「叠加」，即一个量子系统可以同时存在于多个状态，而量子计算机正是利用这种叠加性质来创建「量子比特（Qubits）」，这是量子计算机中的基本计算单元。
与经典计算机中的二进制比特（Classic Bits）不同，量子比特可以同时处于 0 和 1 的「叠加态」。该状态使得量子计算机能够同时处理多个计算路径或状态，从而在解决某些复杂问题时比经典计算机更快、更高效。
▲图源：Microsoft
此外，量子比特之间还具有一种叫做「量子纠缠」的特殊关系：当量子比特相互纠缠时，无论距离多远，其中一个量子比特的状态会立即影响另一个量子比特的状态。
此时我们就可以根据某个量子比特的状态得知其他量子比特的状态，这也就达到了信息传递的效果。这种特性使得量子计算机能够在处理复杂问题时更有效地共享和传递信息。
然而，量子比特的状态非常脆弱，容易受到外部环境（温度、振动、电磁等）的干扰，导致量子信息丢失，这种现象称为「量子退相干」。由于纠缠，错误可能会从一个量子比特传播到其他量子比特，进而影响计算能力。
并且因为量子比特倾向于与其环境快速交换信息，导致完成计算所需的信息很难被保护。通常，一台量子计算机使用的量子比特越多，发生的错误就越多，整个系统也就更加倾向于「经典系统」。
▲量子纠错示意（图源：Microsoft）
但根据内文的说法，Google 的研究人员引入了一种新的「量子纠错」方法，能够实现 Willow 芯片所使用的量子比特越多，反而会减少更多的错误，并且错误率呈指数级下降。
内文在文章中表示这一历史性成就在该领域中被称为「低于阈值」，即能够在增加量子比特数量的同时减少错误。内文还强调自彼得·肖尔（Peter Shor）于 1995 年引入量子纠错以来，这一直是一项极其困难的挑战。
因此，「低于阈值」能够展现「纠错方面的真正进展」，而 Willow 是首个低于阈值的系统，它表明建设超大型量子计算机的可能性确实存在。这一研究结果还被刊登在《Nature》杂志上。
▲图源：Google
此外，内文在文章中宣称 Willow 在 5 分钟之内就完成了声称「当今量子计算机上完成的最难的经典基准测试」的随机电路采样（RCS）测试，并称 Willow 的这些最新结果是「迄今为止最好的」。
作为对比，世界上运算速度最快的超级计算机要 10^25 年才能计算完成 RCS，这个时间甚至超过了宇宙的年龄（约 138 亿年）。
随机电路采样（Random Circuit Sampling，简称 RCS）测试是一种用于评估量子计算机性能的方法。其核心思想是利用量子计算机执行随机选择的量子门操作，生成随机的量子态，然后对这些量子态进行采样和测量。
RCS 最早就是由内文所在的团队提出的，内文称其现在是「该领域的通用标准」。
▲图源：Google
值得一提的是，2019 年，Google 就宣称其开发的量子处理器「Sycamore」仅用三分钟就可以完成当时世界上最快的超级计算机一万年才能完成的计算，还强调其研究团队已经取得了「量子霸权」。
IBM 对 Sycamore 的计算测试结果提出了异议，并且「量子霸权」这个词也引起了不小的争议，尽管 Google 强调该词只是一个「艺术术语」。后来，Google 尽量避免使用这个词语，只是说已经实现了「超越经典计算」。
此外，IBM 和霍尼韦尔（HoneyWell）公司在他们的量子力学研究中一般使用「量子体积」这个术语来描述和量化其量子计算机设备，Google 却完全不用这个概念。缺少统一标准，导致竞品之间难以进行对比。
▲图源：Google
内文表示，量子技术在收集 AI 训练数据、发展新能源汽车和发现新药方面都有其用武之地。
与此同时，他还展望了 Google 量子力学研究的下一个目标：完成一个既「与实际程序相关」，又是「经典计算机无法实现」的计算，真正做到「有用」并且「超越经典」。
