[論文レビュー] Robust quantum computational advantage with programmable 3050-photon Gaussian boson sampling

Hua-Liang Liu, Hao Su+35 more|ArXiv.org|Aug 12, 2025

Quantum Computing Algorithms and Architecture被引用数 5

ひとこと要約

本論文は、1024 個の入力 squeezed 状態と 8176 出力モードを備えた、大規模な Gaussian boson sampling 実験（Jiuzhang 4.0）を報告し、3050 個の光子検出を達成し、MPS ベースの手法を含むすべての古典的ななりすましアルゴリズムを、巨大な量子スピードアップで凌駕した。

ABSTRACT

The creation of large-scale, high-fidelity quantum computers is not only a fundamental scientific endeavour in itself, but also provides increasingly robust proofs of quantum computational advantage (QCA) in the presence of unavoidable noise and the dynamic competition with classical algorithm improvements. To overcome the biggest challenge of photon-based QCA experiments, photon loss, we report new Gaussian boson sampling (GBS) experiments with 1024 high-efficiency squeezed states injected into a hybrid spatial-temporal encoded, 8176-mode, programmable photonic quantum processor, Jiuzhang 4.0, which produces up to 3050 photon detection events. Our experimental results outperform all classical spoofing algorithms, particularly the matrix product state (MPS) method, which was recently proposed to utilise photon loss to reduce the classical simulation complexity of GBS. Using the state-of-the-art MPS algorithm on the most powerful supercomputer EI Capitan, it would take > $10^{42}$ years to construct the required tensor network for simulation, while our Jiuzhang 4.0 quantum computer takes 25.6 $μ$s to produce a sample. This work establishes a new frontier of QCA and paves the way to fault-tolerant photonic quantum computing hardware.

研究の動機と目的

• 光子損失下での photonic Gaussian boson sampling に対する頑健な量子計算的優位性（QCA）を示す。
• 古典的なシミュレーションに挑戦するため、入力 squeezed 状態と出力モードの大規模化を図る。
• 実験結果を ground-truth および最先端の古典的な spoofing アルゴリズムと比較して検証する。
• 相関ベンチマークおよび Bayesian テストにおいて、古典アルゴリズムを上回ることを示す。

提案手法

• 高効率の 1024 個の squeezed 状態を空間-時間ハイブリッドエンコード回路に注入して、最大 3050 個の光子検出を生成する。
• 二つの遅延ループ配列で連結された三つのカスケード16モード干渉計からなるプログラム可能な回路を実装し、立方的な接続性を達成する。
• ground-truth の損失を伴う GBS モデリングと Bayesian テストを用いて、サンプルを squashed 状態や熱状態などの古典的モックアップと比較して検証する。
• EI Capitan 上の matrix product state (MPS) シミュレーションと比較して、実験規模での古典的再現性の不可能性を強調する。
• 2次・3次相関、サブシステム Bayesian スコアなどの性能指標を特徴づけ、古典的サンプラーと区別する。

実験結果

リサーチクエスチョン

• RQ1 1024 個の input squeezed 状態と 8176 出力モードを持つフォトニック・プロセッサは、既存の古典的アルゴリズムにより効率的になりすますことができないサンプルを生み出せるのか？
• RQ2 大規模実験における光子損失は Gaussian boson sampling の計算の硬さにどう影響するか？
• RQ3 Bayesian テストと相関ベンチマークは、サブシステムサイズが大きくなるにつれて、実験サンプルと古典的近似とを堅牢に区別できるか？
• RQ4 強力なスーパーコンピュータ上の最先端 MPS シミュレーションと比較して、この実験の推定量子スピードアップはどれくらいか？
• RQ5 観測された性能は、フォールトトレラントな光子量子計算ハードウェアへと拡張可能か？

主な発見

• 1024 個の input squeezed 状態と 8176 出力モードで、最大 3050 個の光子検出イベントを達成した。
• 実験的に観測された光子数分布と高階相関は ground-truth GBS に一致し、すべての古典的モックアップから逸脱する。
• Bayesian スコアはサブシステムサイズの拡大につれて増加し、システム情報が増えるほど ground-truth に対する古典的仮説の信頼度が高まることを示している。
• MPSベースの古典的シミュレーションには、現実的でないほど大きなボンド次元と資源が必要となり、規模においては既知の最良の古典手法でさえ上回らない。
• EI Capitan との比較で推定される量子スピードアップは 10^54 を超え、量子デバイスは 25.6 マイクロ秒でサンプルを生成するのに対し、最良の MPS ベースのシミュレーションは >10^42 年かかる。
• ヒルベルト空間の次元は概ね 10^2461 に達し、boson sampling の前例のない規模を示している。