碾压超算13000倍！1个月内，谷歌量子AI连斩诺奖+Nature封面

新智元报道

编辑：KingHZ 好困

【新智元导读】当谷歌用量子计算机窥探到经典世界无法触及的物理秘密时，我们离那个能设计新药、创造新材料的「量子霸权」又近了一大步，下一个诺贝尔奖的种子或许已在此刻种下。

谷歌要预定下一个诺贝尔奖了？

谷歌宣布：人类历史上首次在真实硬件上，量子计算机成功运行了可验证算法，性能超越了全球最快的传统超算，速度提升达13,000倍。

刚刚，这一量子计算的里程碑，正式登上Nature封面。

总的来说，谷歌的这项突破让我们距离在医学、材料科学等领域推动重大发现的实用量子计算机，又迈进了一大步。

论文地址：https://www.nature.com/articles/s41586-025-09526-6

谷歌量子算法登Nature

借鉴混沌理论的思路，谷歌工程副总裁、量子AI实验室的创始人兼负责人Hartmut Neven等人，在一台超导量子处理器上，成功测量了量子版的「蝴蝶效应」。

具体而言：

• 针对一项复杂的物理模拟，谷歌的65量子比特处理器的执行速度，比Frontier超算快13,000倍。这标志着在实现实用量子优势方面取得了可衡量的进展。

• 实验采用了新算法「量子回声」（Quantum Echoes），测量了OTOC(2) （二阶无序时序关联函数，second-order out-of-time-order correlators ）的干涉效应，揭示了经典计算机无法有效复现的量子行为。

• 团队将这项工作与现实世界的应用联系起来，包括扩展核磁共振（NMR）光谱学技术，以及推进谷歌在量子计算领域实现硬件和软件突破的双轨路线图。

对此，谷歌量子人工智能的量子硬件首席科学家、2025年诺贝尔物理学奖得主Michel Devoret指出，算法成功的关键在于，Willow芯片庞大的量子比特数量以及约0.1%的低错误率。

谷歌量子AI实验室的这一成果，一举将量子计算进一步带入了所谓的「超越经典」（beyond-classical）的新境界——在这一领域，即便是全球最强的超级计算机也望尘莫及。

在Nature论文中，该团队描述了如何使用其65量子比特的超导处理器，来测量所谓的「二阶无序时序关联函数」（second-order out-of-time-order correlator, 简称 OTOC(2)）的微妙量子干涉现象。

若在目前全球排名第一的经典计算机Frontier上执行此计算，大约需要3.2年；相比之下，谷歌的量子设备仅用时两个多小时，速度提升了约13,000倍。

该团队报告称，这项工作代表了该领域向「实用量子优势」迈出的重要一步。

所谓实用量子优势，指的是量子计算机能产出有意义的科学数据，而经典计算机无法在合理时间内生成这些数据。

新闻发布会上，谷歌工程副总裁Hartmut Neven介绍了团队研究成果。

它圆了费曼的一个梦——它能做出可被验证的预测。

这些预测可以通过两种方式验证：

·你可以在另一台足够强大的量子计算机上重复计算，应该会得到相同的结果；

·或者，你可以直接与自然「对话」，做一个包含量子效应的实验，然后就能非常精确地比较你对真实世界系统所做的预测了。

谷歌的下一个目标是量子硬件路线图上的第三个里程碑——实现「长寿命逻辑量子比特」（long-lived logical qubit）。

重构量子混沌

在混沌或「遍历」（ergodic）的体系中，系统的各个部分会变得高度纠缠，导致大多数可测物理量对微观细节不再敏感，物理学家将此过程称为「信息扰乱」（scrambling）。

经典计算机难以追踪这种信息扩散过程，因为所需参数的数量会随量子比特数呈指数级增长。

为了探测这些动力学过程，团队采用了一种被称为「回声协议」的时间反演技术，使他们能够有效地「倒转」量子演化过程，从而测量到那些本会丢失的干涉图样。

整个算法分为四步：首先让系统在时间上向前演化，然后施加一个微小的「蝴蝶扰动」，接着让系统在时间上向后演化。

在量子计算机上，向前和向后的演化会相互干涉。这种干涉会产生一种类似波的运动，将这个扰动在空间中传播出去，形成一种「蝴蝶效应」，可以在远处的量子比特上被检测到。

而这种蝴蝶效应对向前和向后演化过程中的微观细节极为敏感。

根据该论文，通过测量二阶相关器OTOC(2)，团队得以揭示所谓「泡利串」（Pauli strings）之间的相长干涉。

这种干涉图样仅在量子轨迹以特定方式重新组合时才会出现，从而暴露了标准可观测量无法捕捉的隐藏信息。

这听起来可能有点专业，但通俗地讲，研究人员观察的是量子信息如何编织般地进出混沌状态——这是一个无法用经典工具直接可视化或计算的过程。

模拟复杂性的量化飞跃

研究小组使用一系列随机的单量子比特门和双量子比特门，在一个由65个超导量子比特构成的晶格上测量了这些相关器。

他们将测量结果与包括张量网络收缩和蒙特卡洛算法在内的经典模拟方法进行了比较。

虽然规模较小的40量子比特实例可以在顶级GPU上耗时数天计算后复现，但65量子比特的运行结果超出了所有有效经典模型的模拟能力。

运行相同的电路：

• 在拥有超过9,000块GPU的Frontier超算上需要连续工作3.2年。

• 量子处理器生成每组数据仅需2.1小时（包括校准和读取时间）。

这种悬殊的差距使该实验稳稳地进入了「超越经典」的范畴。

正如团队在论文中所写，OTOC(2)这一可观测量满足了实用量子优势的两大关键标准：它可以通过实验测量得到，且信噪比大于1；同时，它超出了精确和近似经典方法的能力范围。

让这项成果尤为瞩目的是其物理相关性。

不同于主要用作速度基准测试的早期演示（如去年Willow实验所做的随机电路采样），OTOC测量能够得出一个与纠缠、信息置乱和量子混沌相关的、具有物理解释的物理量。

迈向有用的量子优势

在研究的后半部分，他们将同一测量方法应用于一项名为「哈密顿量学习」的任务，即提取控制量子系统演化的未知参数。

在演示中，团队在一个模型系统中改变了一个相位参数，结果表明，实验测得的OTOC(2)数据能够通过简单的优化过程精确定位其正确值。

这项原理验证展示了将量子处理器用作真实物理系统（从磁性材料到分子结构）诊断工具的潜力：

通过不断比较实验数据与量子模拟结果，直到两者背后的哈密顿量参数相匹配。

OTOC(2)信号衰减缓慢且灵敏度高，使其尤其适合此类学习任务，有望帮助研究人员描绘那些光谱学或传统计算方法难以看清的复杂相互作用。

如果这类技术能够规模化，它们可能构成实用量子模拟器的基石——这种设备能够直接从实验中学习自然法则，而非从第一性原理出发进行计算。

扩展核磁共振的应用范围

尽管这一进展看起来似乎只是一个现实应用有限的技术或算法里程碑，但13,000倍的速度提升，可能标志着首个与实体科学工具——核磁共振（NMR）光谱学——相关联的可验证量子算法的诞生。

它有望扩展核磁共振的测量范围，并用真实的实验数据直接验证量子预测。

谷歌量子人工智能的研究人员还表示，他们证明了支撑「量子回声」算法的「向前-向后」时间演化技术同样能扩展核磁共振（NMR）光谱学的应用能力。

核磁共振是化学与材料科学领域最成熟的工具之一，传统上通过测量原子核间的磁相互作用来推断分子结构。然而，其灵敏度随距离增加而急剧下降，限制了能够产生可测信号的两个自旋之间的最大距离。

通过应用「量子回声」算法来模拟这些偶极相互作用，团队展示了量子处理器可以模拟微弱信号如何在分子中传播，从而有效地创造出他们所称的「更长的分子尺度」。

扩展核磁共振的测量范围，可能对生物化学、药物设计和凝聚态物理等领域产生深远影响，因为在这些领域，复杂分子或材料的几何结构决定了其性质。

谷歌首席科学家、诺贝尔奖得主Michel Devoret指出，该算法还可作为一种反演方法，这意味着实验性的核磁共振数据可以被反馈到量子模型中，从而揭示那些无法通过经典方法发现的隐藏结构细节。

从NMR实验中获取数据，实际上是对自然界中某个分子的一次探测。如果你能反演这些数据，便可以揭示出用其他任何方法都无法获知的结构。

从这个意义上说，这项工作不仅是在检验量子力学，更指向了量子计算与量子传感之间的一种共生关系：

一个通过模拟和测量相互促进、共同完善的反馈回路。

尽管核磁共振的演示本身尚未达到「超越经典」的门槛，但它代表了利用量子处理器直接分析实验数据的第一步。

正如O'Brien所说，为一个拥有80年历史并「诞生了多项诺贝尔奖」的领域引入一种全新的计算技术，其本身就是一个意义非凡的里程碑。

局限性

值得一提的是，团队并未声称实现了完全通用的量子优势。

首先，尽管13,000倍这个数字十分惊人，但它仅适用于这类基于干涉的可观测量，并且是基于在Frontier超算当前的架构上通过张量网络收缩进行经典模拟的假设。经典算法仍在不断进步，其他模拟策略也可能会缩小在某些问题上的差距。

其次，实验依赖于精心优化的电路和大量的错误缓解技术。

• 设备的中位双量子比特门错误率为0.15%，在40个电路周期时，系统总保真度为0.001。以当今的标准来看，这已相当出色，但仍未达到容错计算所需的阈值。

• 测得的信噪比虽然高于1，但数值不大（在最大的系统中介于2到3之间），这意味着数据在统计上是可靠的，但并非完全不受噪声或漂移的影响。

此外，乱序相关器是用于捕捉量子混沌某些特性的数学构造，但它们与技术应用的直接联系仍在探索之中。从测量OTOC到加速材料发现或化学设计，中间仍需跨越若干概念性步骤。

尽管如此，作为一次大规模量子控制和测量的测试，该实验标志着技术成熟度达到了新的高度。

在65个量子比特上实现可靠的回声序列和精确的时间反演，预示着量子计算正朝着更实用工作负载所需的高保真度稳步迈进。

Nature采访了多名物理学家，对谷歌的声明表示「怀疑」。

纽约大学量子物理学家Dries Sels坦言：「就个人而言，我认为这尚不足以支撑如此重大的声明。」

其他学者则认为过早断言实际应用为时尚早。达特茅斯学院量子物理学家James Whitfield评价道，虽然这项技术进步令人印象深刻，但「若认为它能立即解决某些具有经济价值的问题，则略显牵强」。

另外值得一提的是，谷歌量子人工智能实验室处理器总监Yu Chen，本科毕业于中科大物理学专业。

参考资料：

https://www.nature.com/articles/s41586-025-09526-6

https://blog.google/technology/research/quantum-hardware-verifiable-advantage/

https://blog.google/technology/research/quantum-echoes-willow-verifiable-quantum-advantage/