QPRIMORA · QUANTUM SAMPLING

Large-Scale Random Circuit Sampling

当随机电路从几个 qubits 扩展到几十甚至上百个物理 qubits 时,为什么完整经典模拟会迅速变得困难?

本站仍只运行小规模可验证模拟,再用公开论文说明真实硬件进入大规模区域以后发生了什么。
01 · YOUR PROBLEM

设置随机量子电路

6
8
1500
27

我们究竟让计算机做什么?

对量子比特施加大量随机单比特门和纠缠门。 最终量子态给每一个 bitstring 一个概率, 反复测量就是从这个复杂概率分布中不断抽样。

02 · QPRIMORA TRANSFORMATION

从物理系统到可测量的概率分布

|0...0⟩
↓
RANDOM 1-QUBIT GATES
↓
ENTANGLING GATES
↓
COMPLEX QUANTUM STATE
↓
MEASUREMENT
↓
BITSTRING DISTRIBUTION
03 · ACTUAL COMPUTATION

反复测量真正得到了什么?



实际采样分布

最常出现的输出

04 · PUBLISHED HARDWARE VALIDATION

目前公开的大规模 RCS 实验之一

EXTERNAL PUBLISHED EXPERIMENT · NOT EXECUTED BY QPRIMORA

Zuchongzhi 3.0 · PRL 2025

PROCESSOR 105 qubits
RCS USED 83 qubits
CYCLES 32
SAMPLES 1 million

Zuchongzhi 3.0 处理器包含 105 qubits;PRL 2025 报告的随机电路采样实验实际使用 83 qubits、32 cycles,并在几百秒内生成约一百万 samples。105 是处理器规模,不应与实验实际使用的 83 qubits 混淆。

查看公开论文 ↗
WHY SCALE MATTERS

为什么规模增加以后经典模拟会迅速困难?

一个 n-qubit 理想纯态需要描述 2^n 个复振幅。 QPRIMORA 故意停留在小规模区域,因此我们仍然能够精确计算每一个输出概率。 真实的大规模 RCS 实验则进入直接经典模拟成本极高的区域。
QPRIMORA ARCHITECTURE

从量子状态到可以观察的样本

Problem→ Quantum State→ Evolution→ Measurement→ Samples→ Distribution