✨ **可验证的量子优势与超乎想象的计算速度：** “量子回声”算法通过“模拟时间倒流”的方式，能够克服量子信息快速扩散（信息加扰）的问题，从而长时间精确地测量量子系统的演化细节。与经典方法相比，该算法在处理特定计算任务时展现出惊人的速度优势，例如，一项原本需要经典超级计算机Frontier花费3.2年完成的计算，量子计算机仅用2.1小时便得以实现，速度提升了约13000倍。这不仅证明了量子计算机在特定问题上的强大算力，也解决了结果难以验证的难题，为实现“实用量子优势”奠定了基础。

🔬 **“量子镜”的诞生：推动科学观测新范式：** 该算法的提出被视为朝着构建“量子镜”迈出的关键一步。正如望远镜和显微镜开启了对宏观和微观世界的全新观测一样，“量子镜”能够以前所未有的精度测量通常无法观测到的自然现象。通过测量量子系统中的“非时序关联函数”（OTOC），研究人员能够揭示传统核磁共振（NMR）等技术难以获取的关于原子、粒子相互作用以及分子结构的信息。这种能力有望在药物研发中精确模拟药物与靶点的结合过程，或在材料科学中深入表征新型材料的分子结构。

💡 **实际应用潜力巨大：从理论到实践的飞跃：** “量子回声”算法不仅在理论上展示了其优越性，更在实际应用中得到了验证。研究人员成功利用该算法学习了未知参数的量子系统的哈密顿量，这在许多需要确定系统参数的物理问题中至关重要，而传统方法常受限于量子态的快速退相干。OTOC的缓慢衰减特性和对动力学细节的高度敏感性使其成为理想的探测工具，能够精确分析真实量子材料的内部作用规律。这预示着量子计算将在药物发现、材料科学等领域发挥越来越重要的作用。

刚获得诺贝尔物理奖的Google量子团队，再登Nature封面：提出“Quantum Echoes”（量子回声）新算法，算出来的结果还能重复验证，解决了之前量子计算结果难确认的问题。经典超级计算机Frontier需要3.2年才能完成的计算，量子计算机仅用2.1小时就搞定，速度快了13000倍。

论文刚刚登上Nature，新晋诺奖得主、现任Google量子AI实验室硬件首席科学家Michel Devoret参与，还包括来自普林斯顿大学、加州大学伯克利分校、MIT等顶尖院校的研究人员，总计超过200位作者参与了这项研究。

在另一项研究中（稍后将上传到arXiv），新算法在探测原子和粒子的相互作用以及分子的结构中得到验证。

量子计算机得出的结果与传统核磁共振（NMR）的结果相符，并且揭示了通常无法从核磁共振中获得的信息。

正如望远镜和显微镜打开了新的世界的大门一样，这项实验朝着 “量子镜” 迈出关键一步，能够测量以前无法观测到的自然现象

量子计算增强的核磁共振技术有望成为药物研发领域的强大工具，助力确定潜在药物如何与其靶点结合；在材料科学领域，它也能用于表征聚合物、电池组件乃至构成量子比特的材料等新型材料的分子结构。

量子回声算法，一种可验证的量子优势

量子计算机的核心就是一种 “量子多体系统”（比如一堆纠缠的量子比特），但研究它有个大问题：

随着时间演化，量子信息会快速扩散到整个系统中，这种现象被称为”信息加扰”（scrambling）。

这时候再想通过常规方法，比如 “时序关联函数”（TOC）观察它的细节，信号会指数级消失，严重限制了人们探测量子信息的能力。

为了解决这个问题，Google团队提出“量子回声”算法：

先让系统正向演化，然后施加一个操作，再反向演化，如此反复。模拟时间倒流，把已经扩散的量子信息重新聚焦回来。

这次研究的主角 “非时序关联函数”（OTOC），就是这种思路的升级，它能把量子系统里不同 “演化路径” 的信号叠在一起，放大有用信息、抵消杂音。

研究团队用超导量子处理器（最多用到 65 个量子比特）做了两类关键实验，得出两个核心结论：

第一，OTOC能长时间观测量子系统的细节，比传统方法强太多

传统的TOC信号，演化9个周期后就弱到几乎测不到（标准差＜0.01）；但测的OTOC（尤其是二阶 OTOC，记为 OTOC⁽²⁾），就算演化20个周期，信号依然清晰（标准差＞0.01）。

第二，二阶OTOC里藏着 “大循环干涉”（large-loop interference）的现象，经典计算机算不出来

量子系统演化时，会产生很多 “泡利字符串”（可以理解为量子状态的 小单元），这些字符串会形成 “大循环”，并且这些大循环的信号会相互加强出现：“相长干涉”。

这种“大循环干涉”让经典计算机很难模拟。他们用最强超级计算机Frontier尝试模拟 65 个量子比特的 OTOC⁽²⁾信号，需要约 3.2 年；而量子处理器测一次只需要 2.1 小时，速度差了1.3万倍。

就算用更快的经典模拟方法如蒙特卡洛，算出来的信号信噪比（1.1）也远不如量子实验（3.9）。

证明了 “实用量子优势” 的可能

所谓“量子优越性” 不只是量子计算机比经典计算机快就行，还得做到“有用”。

这一次团队还演示了OTOC(2)在实际问题中的应用——学习量子系统的哈密顿量（Hamiltonian learning）。

在许多物理系统中，需要确定系统哈密顿量的未知参数。传统方法往往受限于量子态的快速退相干。而OTOC(2)由于其缓慢衰减的特性和对动力学细节的高度敏感性，成为了理想的探测工具。

研究人员设计了一个单参数学习实验：先模拟一个 “未知规则的量子系统”，再用 OTOC⁽²⁾测这个系统的信号，然后通过调整参数、让量子模拟的信号和实测信号匹配，最终精准找到了那个未知的相位（误差很小）。

这说明OTOC⁽²⁾不只是 “能测到特殊现象”，还能用来解决实际问题，比如分析真实的量子材料（像固态核磁共振系统）、反推它们的内部作用规律。

这次突破也依赖Willow芯片的硬件优势：去年它就通过 “随机电路采样” 测试证明了处理复杂量子状态的能力，如今能支持”量子回声“算法，关键在于其极低的出错率”和“高速运算”两大特质，既满足算法对计算复杂度的要求，也保证了结果精度。

发布后持续改进到今天，当前一代 Willow 芯片在规模化方面实现了一流的性能。在整个105个量子比特阵列中，单量子比特门的保真度高达99.97%，纠缠门的保真度高达99.88%，读出的保真度高达99.5%，所有操作均以数十至数百纳秒的速度运行。

对于未来规划，Google量子团队表示接下来他们将聚焦研发 “长寿命逻辑量子比特”，为构建更大规模、可纠错的实用量子计算机打基础。

论文地址：

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

参考链接：

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

查看评论