作者 | 周雅

假如，你正在深邃的海底找一艘歷史沉船，傳統(tǒng)的聲納技術(shù)或許能給你一個(gè)模糊的輪廓，然后告訴你：“那下面有艘沉船”，但如果有一種技術(shù)，不僅能讓你準(zhǔn)確定位到這艘船，還能讓你讀清船身上那塊飽經(jīng)滄桑的銘牌呢？

這是谷歌量子芯片Willow所達(dá)到的精度。就在剛剛，谷歌量子AI團(tuán)隊(duì)宣布了一項(xiàng)重要突破，通過運(yùn)行“out-of-order time correlator（OTOC）”算法，證實(shí)了“首個(gè)可驗(yàn)證的量子優(yōu)勢(shì)”，并為它賦予了一個(gè)形象的名字：“Quantum Echoes”（下文譯作“量子回聲”）。這項(xiàng)研究成果同步發(fā)表在《自然》雜志上。

科技行者TechWalker受邀參加了此次發(fā)布的視頻簡(jiǎn)報(bào)會(huì)。谷歌量子AI團(tuán)隊(duì)對(duì)外傳播主管Alison Carroll在會(huì)上強(qiáng)調(diào)：“量子回聲算法，標(biāo)志著量子計(jì)算邁向?qū)嶋H應(yīng)用的一大步。”

這里有必要講講這次發(fā)布的背景：

2019年，谷歌的超導(dǎo)量子芯片Sycamore僅用200秒就完成了一項(xiàng)計(jì)算，而世界最快的超級(jí)計(jì)算機(jī)需要1萬年，當(dāng)時(shí)被谷歌CEO桑達(dá)爾·皮查伊（Sundar Pichai）稱作是“萊特兄弟12秒的首飛”。

到了2024年底，谷歌的量子芯片Willow在量子糾錯(cuò)方面取得了新進(jìn)展，首次實(shí)驗(yàn)證明了可以通過增加量子比特規(guī)模來指數(shù)級(jí)地抑制錯(cuò)誤，解決了困擾科學(xué)家近30年的一個(gè)重大難題。

但整個(gè)行業(yè)都在追問：量子計(jì)算機(jī)除了能解決數(shù)學(xué)難題之外，到底還能做啥？懷疑論者認(rèn)為它可能只是一個(gè)實(shí)驗(yàn)室玩具，樂觀者則在等待那個(gè)“殺手級(jí)應(yīng)用”的到來。

那么此次谷歌的發(fā)布，就是回應(yīng)。

為何要造量子計(jì)算機(jī)？

或許很多人好奇，谷歌費(fèi)這么大勁造量子計(jì)算機(jī)，圖啥？谷歌量子AI團(tuán)隊(duì)創(chuàng)始人哈特穆特·奈文（Hartmut Neven）直言：“量子計(jì)算機(jī)可以解決經(jīng)典超級(jí)計(jì)算機(jī)或運(yùn)行在經(jīng)典超級(jí)計(jì)算機(jī)上的AI都無法解決的問題。”

他引用加州理工學(xué)院物理學(xué)教授約翰·普雷斯基爾（John Preskill）的觀點(diǎn)來定調(diào)：“量子計(jì)算機(jī)不僅是傳統(tǒng)計(jì)算機(jī)的加強(qiáng)版，它以截然不同的方式處理信息，因?yàn)樗裱⒂^世界的量子力學(xué)原理”。

奈文說，量子計(jì)算機(jī)最厲害的應(yīng)用，就是幫我們搞科學(xué)發(fā)現(xiàn)，比如藥物研發(fā)、材料科學(xué)，這些都涉及到研究微觀世界里的分子。經(jīng)典計(jì)算機(jī)在模擬這些分子時(shí)，盡管功能強(qiáng)大，但也只能算個(gè)大概，不能精確描繪出分子世界中到底發(fā)生了什么。

但量子計(jì)算機(jī)不一樣，因?yàn)樗旧砭褪怯昧孔拥姆绞焦ぷ鞯?，所以它?ldquo;說”微觀世界的語言。所以它不是在“模擬”自然，而是在用自然本身的法則去“復(fù)現(xiàn)”自然。就好比讓一個(gè)本地人給你介紹家鄉(xiāng)，信息絕對(duì)地道。

這個(gè)愿景，激勵(lì)了一代代科學(xué)家。奈文特別提到了剛剛拿到諾貝爾物理學(xué)獎(jiǎng)的米歇爾·德沃雷（Michel Devoret），他是谷歌量子AI量子硬件首席科學(xué)家。在1980年代，德沃雷與約翰·克拉克（John Clarke）、約翰·馬丁尼斯（John Martinez）組成的三人組，首次造出了“人造原子”——這正是今天超導(dǎo)量子比特的雛形。正是這些基礎(chǔ)研究，為后來的量子計(jì)算硬件發(fā)展奠定了基石。

現(xiàn)在AI這么火，量子計(jì)算能跟它能擦出什么火花？

奈文說，量子計(jì)算與AI是“雙向奔赴”的關(guān)系：一方面，以后量子計(jì)算機(jī)能讓AI變得更強(qiáng)。另一方面，谷歌現(xiàn)在已經(jīng)在用AI來幫助設(shè)計(jì)量子計(jì)算機(jī)，像開篇提到的谷歌新突破“量子回聲”就是例證。

但奈文強(qiáng)調(diào)了一個(gè)更酷的玩法：量子計(jì)算機(jī)可以成為AI的超級(jí)“數(shù)據(jù)工廠”。他解釋說：“AI的學(xué)習(xí)離不開數(shù)據(jù)，而我們生活的物理世界本質(zhì)上是量子的，所以量子計(jì)算機(jī)可以生成獨(dú)特且有價(jià)值的量子數(shù)據(jù)，喂給AI去學(xué)習(xí)。”

為了便于理解，奈文在采訪中舉了一個(gè)例子。他提到在預(yù)測(cè)蛋白質(zhì)三維結(jié)構(gòu)方面取得巨大成功的AI模型（如AlphaFold），這些模型的成功，很大程度上依賴于一個(gè)名為“蛋白質(zhì)數(shù)據(jù)庫”（Protein Data Bank）的關(guān)鍵數(shù)據(jù)集。但是這個(gè)數(shù)據(jù)庫的建立，始于1970年代，是科學(xué)家們花了整整50年才辛辛苦苦積累起來的。奈文說：“有了‘量子回聲’這樣的算法，我們制造這種高質(zhì)量數(shù)據(jù)的速度會(huì)快得多！對(duì)于推動(dòng)AI的發(fā)展極其有價(jià)值。”

里程碑之路：從“量子優(yōu)勢(shì)”到“可驗(yàn)證的量子優(yōu)勢(shì)”

要理解“量子回聲”的突破性，我們必須回顧谷歌量子AI團(tuán)隊(duì)的征程。奈文在去年的媒體溝通會(huì)上曾分享愿景：“當(dāng)我們于2012年創(chuàng)立谷歌量子AI團(tuán)隊(duì)時(shí)，愿景是構(gòu)建一個(gè)有用的大規(guī)模量子計(jì)算機(jī)，利用我們今天所知的量子力學(xué)（自然界的‘操作系統(tǒng)’）來推動(dòng)科學(xué)發(fā)現(xiàn)、開發(fā)有益的應(yīng)用、并解決一些社會(huì)的關(guān)鍵挑戰(zhàn)。”

這條路分為幾個(gè)關(guān)鍵階段：

第一個(gè)里程碑（2019年）：量子優(yōu)勢(shì)（Quantum Supremacy）。53量子比特的Sycamore芯片在200秒內(nèi)完成的“隨機(jī)線路采樣”（RCS）任務(wù)，當(dāng)時(shí)最強(qiáng)的超級(jí)計(jì)算機(jī)需要10000年。這證明了量子計(jì)算機(jī)在特定問題上超越經(jīng)典計(jì)算機(jī)的可能性，但RCS本身并無直接的實(shí)際應(yīng)用。

第二個(gè)里程碑（2024年）：量子糾錯(cuò)（Quantum Error Correction）。Willow量子芯片，在谷歌自家的專用超導(dǎo)芯片制造工廠中誕生，解決了量子計(jì)算的“阿喀琉斯之踵”——錯(cuò)誤。物理量子比特極其脆弱，通常數(shù)量越多，錯(cuò)誤也越多。但Willow首次實(shí)驗(yàn)證明，通過構(gòu)建更大的邏輯量子比特（如從3x3擴(kuò)展到7x7的物理比特陣列），錯(cuò)誤率可以被指數(shù)級(jí)地壓制。

這一“低于閾值”的突破，證明了構(gòu)建大規(guī)模、可靠的容錯(cuò)量子計(jì)算機(jī)在物理上是可行的。同時(shí)，在RCS基準(zhǔn)測(cè)試中，Willow將與經(jīng)典超算的差距拉大到了宇宙尺度——不到5分鐘的計(jì)算，最快的Frontier超級(jí)計(jì)算機(jī)需要10^25年。奈文提到，這表明，通過構(gòu)建更大的量子系統(tǒng)，有望抑制錯(cuò)誤，為構(gòu)建大規(guī)模容錯(cuò)量子計(jì)算機(jī)鋪平了道路。

而今天的突破，則屬于應(yīng)用落地層面的里程碑：第一個(gè)超越經(jīng)典計(jì)算機(jī)能力的有用算法——“量子回聲”算法，它的核心特質(zhì)在于——“可驗(yàn)證的量子優(yōu)勢(shì)”（Verifiable Quantum Advantage）。

那么，“可驗(yàn)證的量子優(yōu)勢(shì)”究竟意味著什么？奈文將其拆解為幾個(gè)關(guān)鍵特點(diǎn)：

首先，是運(yùn)行起來更快。經(jīng)典超級(jí)計(jì)算機(jī)Frontier需要3.2年才能完成的計(jì)算，量子計(jì)算機(jī)僅用2.1小時(shí)就搞定，速度快了13000倍。

其次，是實(shí)現(xiàn)了“可驗(yàn)證的量子優(yōu)勢(shì)”（Verifiable Quantum Advantage）。這也就對(duì)應(yīng)了費(fèi)曼的預(yù)言——量子計(jì)算機(jī)能夠?qū)ψ匀幌到y(tǒng)做出經(jīng)典機(jī)器無法企及的預(yù)測(cè)。

“可驗(yàn)證”這個(gè)詞，是理解本次突破的鑰匙。它意味著量子計(jì)算的結(jié)果，不再是某種概率性的、難以捉摸的“黑箱輸出”，而是可以被重復(fù)檢驗(yàn)、被信任的可靠數(shù)據(jù)。奈文解釋說，“驗(yàn)證”可以通過兩種方式進(jìn)行：一是在另一臺(tái)（同等級(jí)別的）量子計(jì)算機(jī)上重復(fù)計(jì)算，看是否得到相同的結(jié)果；二是通過自然本身來驗(yàn)證，即進(jìn)行一個(gè)真實(shí)的物理實(shí)驗(yàn)，看預(yù)測(cè)是否與實(shí)驗(yàn)結(jié)果相符。

最后的特點(diǎn)是，為真實(shí)世界的應(yīng)用打開大門。在另一項(xiàng)名為《通過多體核自旋回聲實(shí)現(xiàn)分子幾何的量子計(jì)算》（Quantum computation of molecular geometry via many-body nuclear spin echoes）的概念驗(yàn)證實(shí)驗(yàn)中，谷歌展示了如何通過新技術(shù)——“molecular ruler”——能夠測(cè)量比現(xiàn)有方法更長的距離，利用核磁共振（NMR）數(shù)據(jù)獲取更多關(guān)于化學(xué)結(jié)構(gòu)的信息，這具有巨大的現(xiàn)實(shí)應(yīng)用潛力。

揭秘“量子回聲”：讓時(shí)間“倒流”來獲取信息

那么，這個(gè)神奇的“量子回聲”算法到底是怎么工作的？谷歌量子AI團(tuán)隊(duì)研究科學(xué)家Xiao Mi用這樣一個(gè)絕妙的比喻解釋它的原理：

他說，傳統(tǒng)的量子算法就像你拿個(gè)噴槍往前噴水，水滴一下子就散開了，很難收集。但“量子回聲”不一樣，它在把水噴出去之后，又在前面放了面“鏡子”，讓所有水滴都反彈回來，重新匯聚在一起。這樣，你就能從反射回來的“回聲”中捕捉到大量信息。

技術(shù)上講，這個(gè)算法就是先把一個(gè)量子過程“正著放一遍”，然后再“倒著放一遍”。在正放和倒放之間，他們會(huì)故意輕輕“戳”一下系統(tǒng)里的某個(gè)量子比特，就像往平靜的湖面丟一顆小石子。最后，通過分析那個(gè)“回聲”的強(qiáng)度和形狀，就能極其精確地知道這次“輕戳”在系統(tǒng)里引起了怎樣的漣漪，從而揭示出系統(tǒng)內(nèi)部的秘密。

如圖所示，U（向前演化）和U†（向后演化）兩個(gè)操作塊，而夾在兩者之間的一個(gè)“小小的蝴蝶符號(hào)”，本質(zhì)上是谷歌團(tuán)隊(duì)故意在某個(gè)量子比特上注入的一個(gè)微小擾動(dòng)，以便在序列結(jié)束時(shí)揭示出關(guān)于量子系統(tǒng)的有用內(nèi)容。

這個(gè)過程之所以厲害，一來，因?yàn)樗馨盐⑿〉募?xì)節(jié)放大，向前和向后演化的軌跡會(huì)相互交織，產(chǎn)生極其復(fù)雜的干涉圖樣，這個(gè)圖樣對(duì)量子系統(tǒng)內(nèi)部的細(xì)節(jié)極為敏感，使最終測(cè)量到的“回聲”信號(hào)包含了異常豐富的信息；二來，正是這種干涉的復(fù)雜性，讓經(jīng)典計(jì)算機(jī)根本模仿不來，這正是它能實(shí)現(xiàn)量子加速的關(guān)鍵。

當(dāng)然，一個(gè)好算法，必須要有強(qiáng)大的硬件支持。Xiao Mi強(qiáng)調(diào)，這項(xiàng)工作完全依賴于過去幾年谷歌在量子硬件上的重大進(jìn)步，尤其是Willow量子芯片的卓越性能。

它究竟對(duì)硬件的要求有多高？Xiao Mi做了一個(gè)強(qiáng)烈的對(duì)比：

六年前，谷歌搞了第一個(gè)成功擊敗經(jīng)典計(jì)算的實(shí)驗(yàn)（即“量子優(yōu)勢(shì)”實(shí)驗(yàn)，那時(shí)候叫做“隨機(jī)線路采樣”），要求很低，從量子計(jì)算機(jī)里得到的數(shù)據(jù)，只要有0.1%是正確的就算成功。

而今天這個(gè)“量子回聲”實(shí)驗(yàn)，要求極高，你只能犯0.1%的錯(cuò)誤，也就是說，從硬件收集到的絕大部分量子數(shù)據(jù)都必須是正確的。

從“允許99.9%的錯(cuò)誤”到“要求99.9%的正確”，這簡(jiǎn)直是天壤之別。Xiao Mi明確表示：“如果沒有過去幾年芯片精度的提升，這根本不可能做到。”

除了極高的保真度（低錯(cuò)誤率），芯片的速度也很重要。“Willow速度非?？?，可以在微秒量級(jí)的時(shí)間內(nèi)運(yùn)行量子算法，在幾秒鐘內(nèi)完成數(shù)百萬次測(cè)量。”Xiao Mi說，這讓團(tuán)隊(duì)可以像訓(xùn)練AI一樣，反復(fù)試驗(yàn)，從海量的結(jié)果中優(yōu)化算法參數(shù)，逐步找到最佳方案。他透露，為了優(yōu)化這個(gè)算法，團(tuán)隊(duì)總共進(jìn)行了將近一萬億次的測(cè)量。

走向?qū)嵱茫阂话涯芸吹酶h(yuǎn)的“分子尺子”

說了半天理論，這東西到底能干嘛？谷歌量子AI團(tuán)隊(duì)首席運(yùn)營官Charina Chou將話題引向了此次發(fā)布的核心——量子芯片在真實(shí)世界里的應(yīng)用。

團(tuán)隊(duì)選擇的第一個(gè)應(yīng)用場(chǎng)景，是幫我們更好地使用“核磁共振（NMR）”技術(shù)。你可能不了解NMR，它是已經(jīng)存在了大約80年、催生了無數(shù)諾貝爾獎(jiǎng)的強(qiáng)大分析工具，在藥物研發(fā)和材料科學(xué)中至今仍扮演著核心角色，功能是幫助科學(xué)家理解分子的結(jié)構(gòu)。比如，醫(yī)院里的核磁共振（MRI）檢查就是基于它。

Charina Chou說，NMR中的“量子回聲”在這里扮演的角色，就像一把“分子尺子”，而且這是一把能量得更遠(yuǎn)的尺子。她說，現(xiàn)有的NMR技術(shù)雖然厲害，但在測(cè)量分子里相距較遠(yuǎn)的兩個(gè)原子時(shí)，就有點(diǎn)力不從心了。而“量子回聲”正好能解決這個(gè)問題。

為了證明這一點(diǎn)，谷歌和加州大學(xué)伯克利分校Pines Lab磁共振中心等機(jī)構(gòu)的專家們做了個(gè)實(shí)驗(yàn)：

第一步，把兩種真實(shí)的分子放進(jìn)一臺(tái)NMR機(jī)器里。

第二步，用Willow量子芯片來模擬和分析NMR機(jī)器產(chǎn)生的復(fù)雜信號(hào)。

結(jié)果發(fā)現(xiàn)，他們不僅驗(yàn)證了已知的分子信息，還發(fā)現(xiàn)了一些以前看不到的、關(guān)于分子內(nèi)部的新信息。

Charina 總結(jié)說，望遠(yuǎn)鏡和顯微鏡讓我們看到了前所未見的世界，而“量子回聲”就像一個(gè)“量子鏡”（quantum-scope），能幫我們揭示從前無法觀察到的微觀結(jié)構(gòu)和分子結(jié)構(gòu)。

量子計(jì)算之路無法單打獨(dú)斗

在量子計(jì)算這么復(fù)雜的領(lǐng)域，單打獨(dú)斗是行不通的。Charina 特別強(qiáng)調(diào)了谷歌的開放合作態(tài)度。

她明確指出，NMR應(yīng)用之所以可能實(shí)現(xiàn)，得益于與加州大學(xué)伯克利分校、達(dá)特茅斯學(xué)院、Google DeepMind、Q-Simulate公司等多個(gè)合作伙伴的協(xié)作。她說，“谷歌雖然在量子計(jì)算方面很強(qiáng)，但我們不是所有領(lǐng)域的專家，這是一個(gè)全球性的努力，沒有哪個(gè)公司或國家能單憑自己搞定量子計(jì)算機(jī)和它所有的應(yīng)用。”

為了踐行開放合作理念，谷歌采取多管齊下的策略：

首先是開源。把自己的軟件、代碼和論文都公開，讓全世界的研究者都能用，谷歌甚至在Coursera等平臺(tái)上開設(shè)關(guān)于量子糾錯(cuò)的課程，以促進(jìn)整個(gè)社區(qū)的發(fā)展。

其次是廣泛合作。谷歌量子AI與來自各個(gè)機(jī)構(gòu)、學(xué)術(shù)界和政府的超過100個(gè)組織建立了合作關(guān)系。

最后是共享硬件。通過一個(gè)名為“量子硬件駐留計(jì)劃”（Quantum Hardware Residency Program）項(xiàng)目，谷歌甚至為特定的研究人員提供直接訪問Willow芯片進(jìn)行實(shí)驗(yàn)的權(quán)限，以激發(fā)更多來自外部的創(chuàng)新。

當(dāng)被問及如何看待競(jìng)爭(zhēng)時(shí)，Charina 坦言，就像經(jīng)典計(jì)算機(jī)一樣，最好的應(yīng)用創(chuàng)新往往來自更廣闊的世界，與其把技術(shù)藏著掖著，不如開放出來，讓大家一起來探索它的無限可能，這也是谷歌期待看到的。

通往終極目標(biāo)：5年之約和百萬量子比特

在問答環(huán)節(jié)，一個(gè)備受關(guān)注的問題是，通往真正實(shí)用的量子計(jì)算機(jī)，還需要哪些突破？

奈文重申了團(tuán)隊(duì)的樂觀預(yù)測(cè)：“五年內(nèi)，我們就能看到只有量子計(jì)算機(jī)才可能實(shí)現(xiàn)的真實(shí)世界應(yīng)用。”而量子回聲的成功，無疑增強(qiáng)了這種樂觀情緒。不過奈文也指出，“量子回聲”算法是在現(xiàn)有的NISQ芯片上實(shí)現(xiàn)的，這些芯片的量子比特?cái)?shù)量尚不足以進(jìn)行完全的算法級(jí)糾錯(cuò)。

那么，未來需要什么？奈文描繪了終極目標(biāo)——一個(gè)終極版的容錯(cuò)量子計(jì)算機(jī)，也就是去年谷歌透露的“谷歌量子計(jì)算路線圖”中的第6個(gè)里程碑。奈文描繪了這臺(tái)機(jī)器的樣子：要解鎖更多應(yīng)用，需要一臺(tái)擁有約100萬個(gè)“物理量子比特”的機(jī)器，其錯(cuò)誤率至少為10的負(fù)9次方（意味著量子計(jì)算機(jī)在進(jìn)行1,000,000,000次運(yùn)算或操作時(shí)，平均只會(huì)出一次錯(cuò)），通過復(fù)雜的糾錯(cuò)技術(shù)，組合成大約1000個(gè)超級(jí)穩(wěn)定、幾乎不出錯(cuò)的“邏輯量子比特”。

谷歌量子計(jì)算路線圖

簡(jiǎn)單打個(gè)比方，物理量子比特就像一群有點(diǎn)粗心、容易犯錯(cuò)的工人。而邏輯量子比特，就是把一群粗心的工人組織起來，讓他們互相檢查工作，從而組成一個(gè)極其可靠的施工隊(duì)。所以，你需要很多“工人”（100萬），才能湊出足夠多的高水平“施工隊(duì)”（1000個(gè)）。要達(dá)到這個(gè)目標(biāo)，既要增加工人的數(shù)量，也要提高每個(gè)工人的技術(shù)水平（降低錯(cuò)誤率）。這再次印證了谷歌一直以來強(qiáng)調(diào)的“質(zhì)量與數(shù)量并重”的路線。

關(guān)于功耗問題，Charina給出了當(dāng)前的數(shù)據(jù)：“目前的量子計(jì)算機(jī)耗電量跟一個(gè)服務(wù)器機(jī)柜差不多。” 奈文估算，未來百萬量子比特的巨型機(jī)，可能需要一個(gè)小型發(fā)電站來供電。這或許暗示了未來大規(guī)模量子計(jì)算中心可能面臨的能源挑戰(zhàn)。

最后當(dāng)被問及“在量子計(jì)算時(shí)代，谷歌的服務(wù)會(huì)是什么樣子”時(shí)，奈文認(rèn)為，量子計(jì)算將以特定的方式增強(qiáng)現(xiàn)有服務(wù)，比如為Gemini這樣的基模提供更好的訓(xùn)練集。他重申了量子計(jì)算作為“數(shù)據(jù)生成器”對(duì)于AI的價(jià)值，這一協(xié)同進(jìn)化正在發(fā)生。