[论文解读] Gaussian Boson Sampling with Pseudo-Photon-Number Resolving Detectors and Quantum Computational Advantage

Yu‐Hao Deng, Yi-Chao Gu+27 more|arXiv (Cornell University)|Apr 24, 2023

Quantum Information and Cryptography被引用 7

一句话总结

该论文在九章3.0量子计算机中利用伪光子数分辨探测器（PPNRD）实现了高斯玻色采样，通过生成经典超级计算机需超过600年才能完成的样本，实现了量子计算优越性（QCA）。实验通过贝叶斯检验和相关函数分析，对所有当前的类经典欺骗模型进行了验证，确认了相对于前沿超级计算机的1.5×10¹⁶倍速度提升。

ABSTRACT

We report new Gaussian boson sampling experiments with pseudo-photon-number-resolving detection, which register up to 255 photon-click events. We consider partial photon distinguishability and develop a more complete model for the characterization of the noisy Gaussian boson sampling. In the quantum computational advantage regime, we use Bayesian tests and correlation function analysis to validate the samples against all current classical mockups. Estimating with the best classical algorithms to date, generating a single ideal sample from the same distribution on the supercomputer Frontier would take ~ 600 years using exact methods, whereas our quantum computer, Jiuzhang 3.0, takes only 1.27 us to produce a sample. Generating the hardest sample from the experiment using an exact algorithm would take Frontier ~ 3.1*10^10 years.

研究动机与目标

• 通过伪光子数分辨探测（PPNRD）在高斯玻色采样中实现量子计算优越性（QCA）。
• 建立一个更完整的噪声高斯玻色采样模型，以考虑部分光子不可区分性的影响。
• 通过相关函数分析与贝叶斯检验，对实验样本进行所有已知类经典欺骗模型的验证，包括树宽采样器和IPS模拟器。
• 使用前沿超级计算机上的精确算法，对实验的经典模拟成本进行基准测试。
• 建立一个稳健的验证框架，结合贝叶斯检验与二阶相关函数分析，以排除经典模拟的可能性。

提出的方法

• 实验采用九章3.0，其1152个分束器输出端口作为独立输出模式，每个端口配备阈值探测器，以模拟伪光子数分辨探测（PPNRD）。
• 通过将1152个输出端口视为独立模式，形式化PPNRD模型，从而增加有效探测事件数与计算复杂度。
• 采用改进的环状哈夫尼安模拟方法，计算成本建模为 $ T(\vec{N}) = \frac{1}{2} C_{\text{Frontier}} M N^3 G^{N/2} $，其中 $ G = \left( \prod_{i=1}^{M} (n_i + 1) \right)^{1/N} $，用于捕捉光子-点击多重性的效应。
• 使用贝叶斯假设检验，将实验样本与类经典欺骗分布进行比较，评估其统计合理性。
• 计算并比较实验结果、理论真值与模拟结果之间的二阶相关函数，以检测偏差并排除经典模拟。
• 通过前沿超级计算机估算模拟成本，其中 $ C_{\text{Frontier}} $ 基于先前基准测试结果得出，用于量化量子加速比。

Figure 1: The experimental setup. 25 stimulated two-mode squeezed state photon sources are all phase-locked to each other and sent into a 144-mode ultralow-loss fully-connected optical interferometer. The photons go through 72 units of fiber loop setups for temporal-spatial demultiplexing and are de

实验结果

研究问题

• RQ1 使用伪光子数分辨探测的高斯玻色采样能否在可验证的意义上实现对经典超级计算机的量子计算优越性？
• RQ2 部分光子不可区分性与实验噪声如何影响GBS实验的有效性与模拟成本？
• RQ3 能否通过基于相关性的方法与贝叶斯验证方法，排除所有已知的类经典欺骗模型，包括树宽采样器与IPS模拟器？
• RQ4 在前沿超级计算机上使用精确算法生成该实验单个样本的经典模拟成本是多少？
• RQ5 与标准阈值探测相比，PPNRD的使用是否显著增加了GBS的计算复杂度？

主要发现

• 九章3.0量子计算机在1.27 μs内生成单个样本，而相同任务在前沿超级计算机上使用精确经典模拟方法需约600年。
• 实验中最难的样本使用前沿超级计算机上的精确经典算法需超过3.1×10¹⁰年才能生成，表明量子加速比达到1.5×10¹⁶。
• 此前被视为强类经典欺骗模型的树宽采样器，被二阶相关函数分析明确排除，其结果与实验及理论真值存在显著偏差。
• 实验的二阶相关函数与真值的两范数距离为 D=0.040，斜率为 K=1.006，优于热态模拟器（D=0.275，K=2.108）与压缩态模拟器（D=0.052，K=1.110）。
• 贝叶斯检验确认，实验样本在统计上与理想GBS分布无法区分，且可排除其由当前任何类经典欺骗模型生成的可能性。
• PPNRD探测方案通过增加有效输出模式数与模拟成本公式中的G值，显著提升了计算复杂度，使得即使在中等光子-点击计数下，精确经典模拟也变得不可行。

Figure 2: The experimental photon-click number distribution and the Bayesian validation results. (a) Photon-click number distribution of this work. Data from experiments of three pump laser power ranging from 0.72 W and 1.30 W are displayed. A maximum photon-click number of 129, 203, and 255 are reg