[论文解读] 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 5

一句话总结

该论文报道了一项大规模高斯玻色抽样实验（Jiuzhang 4.0），输入为1024个压缩态，输出模式为8176，达到3050次光子探测，并通过巨大的量子加速超越所有经典欺骗算法，包括基于MPS的方法。

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.

研究动机与目标

• 在光子损耗条件下，证明光子高斯玻色抽样的鲁棒量子计算优势（QCA）。
• 将输入压缩态和输出模的大规模扩展到挑战经典仿真。
• 将实验结果与真实真值进行对比，并与最先进的经典欺骗算法进行比较进行验证。
• 在相关性基准和贝叶斯测试中，显示量子设备优于经典算法。

提出的方法

• 使用 1024 个高效压缩态注入一个时空混合编码电路，最多产生 3050 次光子探测。
• 实现一个可编程电路，包含三个级联的 16 模态干涉仪，由两个延迟环阵列互连，形成三次连接。
• 采用带损耗的真值 GBS 建模和贝叶斯测试来将样本与经典伪装（如 squashed 状态和热态）进行验对比。
• 在 EI Capitan 上对比矩阵积态（MPS）模拟，强调在实验规模下对经典复现的不可行性。
• 表征性能指标，包括二阶和三阶相关性以及子系统贝叶斯分数，以区分于经典采样器。

实验结果

研究问题

• RQ1 具有 1024 输入压缩态和 8176 输出模的光子处理器是否能够产生现有经典算法无法高效伪造的样本？
• RQ2 光子损耗在大规模实验中如何影响高斯玻色抽样的计算难度？
• RQ3 贝叶斯测试和相关性基准是否能在子系统规模增加时稳健地区分实验样本与经典近似？
• RQ4 相对于强大超级计算机上最先进的 MPS 模拟，该实验的量子加速估计值是多少？
• RQ5 观察到的性能是否可扩展到容错光子量子计算硬件？

主要发现

• 在 1024 输入压缩态和 8176 输出模下实现了高达 3050 次光子探测事件。
• 实验观测的光子数分布和高阶相关性与真值 GBS 一致，并偏离所有经典伪装。
• 贝叶斯分数随子系统规模增大而上升，表明随着系统信息增多，对真实值相对于经典假设的置信度提高。
• 基于 MPS 的经典模拟需要极其庞大的绑定维度和资源；即使是已知的最佳经典方法在规模上也被超越。
• 与 EI Capitan 相比，量子加速估计超过 10^54，量子设备在 25.6 微秒内产生样本，而最佳的 MPS 基模拟需要 >10^42 年。
• 希尔伯特空间维数约达到 10^2461，展示了波色抽样前所未有的规模。