谷歌已经实现“量子优势”，但如何确定量子计算机算的对不对，是否按预定设计执行了计算步骤，仍是一个难题。近日，MIT与谷歌的研究人员利用量子神经网络的“解采样”解决了这个问题。论文已发表在《自然·物理学》上。
为了让量子计算尽快推向实用，麻省理工学院，谷歌等机构和企业设计了一种系统，可以验证量子芯片是否能够准确执行了传统计算机无法完成的复杂计算。
量子芯片使用“量子比特”执行计算，量子比特可以表示对应于经典二进制位的两个状态（0或1）或两个状态同时呈现的“量子叠加”。这种独特的叠加状态，可以使量子计算机解决经典计算机几乎无法解决的问题，在材料设计，新药发现和机器学习等方面取得突破。
完全体的量子计算机的运行需要数百万个量子比特，目前远远没法实现。过去几年中，研究人员开始开发包含大约50至100量子比特的“噪声中级量子”（NISQ）芯片。
NISQ芯片可以解决传统计算机难以处理的某些算法。但是，下一个难题是如何验证量子芯片是否按预期执行操作。NISQ芯片的输出看起来可能是完全随机的，要确定一切是否按计划进行需要很长时间。
近日发表在《自然·物理学》上的一篇论文中，研究人员描述了一种新方法，可以有效地验证NISQ芯片已经执行了所有正确的量子操作。
分而治之：先分解，再还原
研究人员的工作实质上是将量子电路产生的输出量子状态追溯到已知的输入状态。这样做可以揭示从输入到输出执行了哪些电路操作。这些操作应始终与研究人员编写的程序相匹配。如果不匹配，研究人员可以利用这些信息来确定芯片上哪里出了问题。
为此，研究人员从神经网络中汲取灵感，构建了一个新的“量子神经网络”（QNN），其中每一层代表一组量子运算。
为了运行QNN，研究人员使用传统的硅制造技术来构建2 x 5毫米NISQ芯片，成对的光子从外部组件以特定的波长生成，并注入到芯片中。光子穿过芯片的移相器，移相器会改变光子的路径，从而相互干扰。
这个过程将产生一个随机的量子输出状态，用以表示在计算过程中将发生的情况。输出信号由一组外部光电探测器传感器测量。
将输出发送到QNN中。QNN的第一层使用复杂的优化技术来挖掘嘈杂的输出，区分所有叠加在一起的单个光子的签名。然后对单个光子进行“解扰”，识别是哪些电路操作将其返回到对应光子的已知输入状态。这些操作与电路特定设计完全匹配。
然后对所有后续层都进行相同的计算，直到所有光子都处于未加密状态为止。
例如，假设输入处理器的量子比特的输入状态全为零。由NISQ芯片对量子比特执行一系列操作，生成大量看似随机的数字输出。
QNN会逐层确定哪些操作将每个量子比特还原回其输入的零状态。如果有任何操作与原计划的操作不同，就说明出现了问题。研究人员可以检查预期输出与输入状态之间哪里不匹配，并根据这些异常来调整电路设计。
玻色子“解采样”：算的准不准一测便知
在实验中，研究小组成功运行了一项流行的计算任务，该任务用于证明量子优势，该任务名为“玻色子采样”，通常在光子芯片上执行。实验中，移相器和其他光学组件操纵一组输入光子，并将其转换为输出光子的不同量子态叠加。实验任务是计算某个输入状态与某个输出状态相匹配的概率。
但是由于光子的不可预测性，传统计算机几乎不可能完成这个任务。从理论上讲，NISQ芯片可以快速计算。但是，由于NISQ操作和任务本身的复杂性，到目前为止，还没有方法可以快速、轻松地进行验证算出来的结果到底对不对。
卡洛兰说：“赋予这些芯片量子计算能力的相同特性几乎使它们无法验证。”
在实验中，研究人员能够在其定制的NISQ芯片上“解采样”遇到玻色子采样问题的两个光子，验证只需很短的时间，可以采用传统的验证方法。
“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。
卡罗兰说，尽管该方法是为量子验证目的而设计的，但也可以用来发现有用的物理性质。例如，某些分子在激发时会振动，并基于这些振动发出光子。将这些光子注入光子芯片，可用于发现有关分子的量子动力学的信息，进行生物工程分子设计。
“我们的梦想是，希望这个验证技术可以解决物理世界中更多有趣的问题。”
