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