今天，我們宣布一項研究，歷史上首次展示了量子電腦能在硬體上成功運行可驗證的演算法，速度甚至超越了最快的傳統超級電腦（快上 13,000 倍）。它能計算分子結構，並為量子運算的實際應用奠定非常穩健的基礎；而現在的進展，建立在數十年的努力和六年的重大突破之上。
回顧 2019 年，我們分享了量子電腦能解決一個最快超級電腦需要數千年才能解決的問題。接著，在去年（2024）年底，我們新的 Willow 量子晶片展示了如何大幅抑制錯誤，解決了近 30 年來困擾科學家的一個主要問題。今天的突破使我們更接近能推動醫藥和材料科學等領域重大發現的量子電腦。
想像一下，你正試圖在海底尋找一艘沉船。聲納技術或許能給你一個模糊的輪廓，告訴你：「底下有殘骸。」但如果，你不僅能找到這艘船，還能清晰地讀取船體上的銘牌呢？
這正是我們剛透過 Willow 量子晶片所實現的前所未有的精確度。今天，我們宣布一項重大的演算法突破，這標誌著我們朝向量子運算的第一個實際應用邁出了重要一步。正如剛發表於《自然》(Nature) 期刊的內容，我們展現了史上首次可驗證的量子優勢，運行了我們稱之為「量子迴聲」(Quantum Echoes) 的「亂序時間相關器」(OTOC) 演算法。
「量子迴聲」有助於學習自然界中各種系統的結構，從分子、磁鐵到黑洞；我們已經證明，它在 Willow 晶片上的運行速度，比目前全球最快超級電腦上的最佳經典演算法快上 13,000 倍。
在另一項獨立的概念驗證實驗（透過多體核自旋迴聲進行分子幾何的量子計算，Quantum computation of molecular geometry via many-body nuclear spin echoes，將於今日稍晚發布於 arXiv）中，我們展示了這項新技術——一支「分子尺」——如何能測量比現今方法更長的距離，利用核磁共振 (NMR) 的數據來獲取更多關於化學結構的資訊。
▼Quantum Echoes: Towards real world applications (Video)
「量子迴聲」演算法：可驗證的量子優勢
這是歷史上第一次，有量子電腦成功運行一個可驗證的、超越超級電腦能力的演算法。「量子可驗證性」(Quantum verifiability) 意味著這個結果可以在我們的量子電腦上——或任何其他同等級的電腦上——被重複執行，並得到相同的答案，從而確認結果。這種可重複、超越經典的計算，是實現可規模化驗證的基礎，使量子電腦更接近成為實際應用的工具。
我們的新技術就像一種高度先進的迴聲。我們向量子系統（Willow 晶片上的量子位元）發送一個精心設計的訊號，擾動其中一個量子位元，然後精確地反轉訊號的演進，聆聽傳回的「迴聲」。
這個量子迴聲非常特別，因為它會被「建設性干涉」(constructive interference) 放大——這是一種量子波疊加後變得更強的現象。這使得我們的測量極其靈敏。
「量子迴聲」演算法的實現，得益於我們 Willow 晶片在量子硬體上的進步。去年，Willow 透過我們的「隨機電路採樣」(Random Circuit Sampling) 基準測試證明了它的能力，這項測試旨在測量最大的量子態複雜度。而「量子迴聲」演算法代表了一種新型態的挑戰，因為它模擬的是一個物理實驗。
這意味著此演算法不僅測試複雜度，還測試最終計算的精確度。這就是為什麼我們稱之為「量子可驗證」，意味著其結果可以被另一台品質相近的量子電腦進行交叉基準測試和驗證。為了同時提供精確度和複雜度，硬體必須具備兩個關鍵特性：極低的錯誤率和高速的運算。
邁向實際應用
量子電腦將在模擬量子力學現象（例如原子和粒子的交互作用，以及分子的結構或形狀）方面發揮關鍵作用。科學家們用來理解化學結構的工具之一是核磁共振 (NMR)，這與醫院的核磁共振造影 (MRI) 技術背後的科學相同。NMR 就像一個分子顯微鏡，強大到足以讓我們看到原子的相對位置，幫助我們理解分子的結構。
模擬分子的形狀和動態是化學、生物學和材料科學的基礎，這方面的進步支持著從生物技術到太陽能、乃至核融合等領域的發展。
在與美國加州大學柏克萊分校 (The University of California, Berkeley) 合作的一項概念驗證實驗中，我們在 Willow 晶片上運行了「量子迴聲」演算法，研究了兩個分子（一個有 15 個原子，另一個有 28 個原子），以驗證這種方法。我們量子電腦上的結果與傳統 NMR 相符，並揭示了通常無法從 NMR 獲得的資訊，這有力地驗證了我們的方法。
正如望遠鏡和顯微鏡開闢了全新、未見的世界，這項實驗是邁向「量子顯微鏡」(quantum-scope) 的一步，未來它將有能力測量以前無法觀測到的自然現象。由量子運算增強的 NMR 可望成為藥物開發的強大工具，幫助確定潛在藥物如何與其標靶結合；或在材料科學中，用於鑑定新材料（如聚合物、電池組件，甚至構成我們量子位元 (qubit) 的材料）的分子結構。
Google 量子 AI 合作夥伴、加州大學柏克萊分校化學系助理教授 Ashok Ajoy：「核磁共振 (NMR)—磁振造影 (MRI) 的光譜學近親—透過探測原子中心的微小磁『自旋』(spin) 來揭示分子結構。Google 的『量子迴聲』演算法展示了量子電腦在高效模擬和解開這些複雜自旋交互作用（甚至可能跨越長距離）方面的潛力。隨著量子運算的持續成熟，這樣的方法可以增強核磁共振的光譜學，為其在藥物探索和先進材料設計的強大工具箱中，再增添一項利器。」
下一步
我們透過「量子迴聲」演算法首次展示了可驗證的量子優勢，這標誌著量子運算朝向第一個實際應用邁出了重要的一步。
隨著我們朝向全尺寸、具容錯能力的量子電腦擴展，我們預期將有更多此類有用的實際應用被發明出來。現在，我們正專注於實現我們量子硬體發展藍圖中的第三個里程碑：一個長壽命的邏輯量子位元 (logical qubit)。
本文作者：Google AI 量子團隊工程總經理 Hartmut Neven、Google 量子 AI 創辦人暨負責人 Vadim Smelyanskiy
