QPRIMORA · QUANTUM SAMPLING

Random Circuit Sampling

随机量子电路没有在寻找一个普通的数值答案。它真正输出的是一个巨大概率空间中的 bitstring 样本。这个过程怎样发生?

QPRIMORA 在小规模上精确计算完整 statevector,再真正执行有限次数采样,因此每个输出概率仍可用经典计算验证。
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

随机电路采样为什么成为量子计算里程碑?

EXTERNAL PUBLISHED EXPERIMENT · NOT EXECUTED BY QPRIMORA

Sycamore · Nature 2019

USED QUBITS 53
CYCLES 20
SAMPLES 1 million
QPU TIME ~200 s reported

Google 的 2019 Sycamore 论文使用 53 个工作的 qubits,并在最大随机电路中运行 20 cycles。论文当时报告约 200 秒生成一百万 samples。论文中的经典计算时间估计属于 2019 年当时的 benchmark,并不是今天固定不变的经典计算成本。

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