量子计算
Google Quantum AI 展示跨越 105 个量子比特的情境性

要点谷歌的幻方游戏在对抗88.9%的经典极限时,获胜率达到98.3%。
查看更多
- 谷歌的幻方游戏在对抗88.9%的经典极限时,获胜率达到98.3%。
- 随着参与者数量的增加,GHZ奇偶校验游戏的量子优势缩小了。
- 上下文性测试通过揭示随机操作遗漏的相干错误,同时充当硬件诊断工具。
Google Quantum AI 于 2026 年 11 月 19 日宣布,一项登上《Science》封面的研究在其超导处理器上大规模展示了测量情境性;其中一项协调博弈的胜率为 98.3%,高于经典极限 88.9%。
情境性是指测量结果并非预先确定的数值,而取决于同时进行哪些其他兼容测量。理论认为,这一性质或许能为某些量子算法提供动力,但早期的演示大多只涉及由少数粒子组成的系统。最新发表的研究报告了将这些测试扩展至多达 105 个量子比特的实验。
这项研究最初于 2025 年 12 月 1 日以 arXiv 预印本的形式提交。2026 年 11 月的进展是论文在期刊上发表,而非首次披露这些实验。
经典玩家无法确保每次都赢的游戏
预印本中的实验介绍从 Mermin–Peres 魔方游戏讲起。两名玩家 Alice 和 Bob 可以在分开之前商定策略。随后,裁判分别给 Alice 指定一个三行三列表格中的行,给 Bob 指定一列。Alice 所得一行中的数值相乘必须等于 +1,Bob 所得一列中的数值相乘必须等于 −1;如果两人在交叉单元格中的数值相同,他们就获胜。
无论事先安排怎样的经典表格,都无法对每种分配同时满足这些相互对立的约束。量子实现采用一个由量子比特组成的 2×2 方阵和两对共享的 Bell 对;在理想、无噪声的情况下,策略可以赢得每一局。实验报告的平均值来自九种行列分配,每种重复 100,000 次。
研究人员还进行了独立的 Kochen–Specker–Bell 测试,以 χKSB 量化情境性;χKSB 是由兼容测量的相关性组合而成的指标。论文报告 χKSB = 5.618 ± 0.005,高于经典界限 4,接近量子极限 6,剩余差距归因于实验误差。其电路在 1,000 次运行中流式处理了 180 种随机选取的测量情境。
在 Willow 处理器上扩展测试规模
为研究情境性在少量量子比特状态之外的表现,研究团队实现了一种 N 人 GHZ 奇偶校验游戏。每名玩家对应一个量子比特,所有玩家共享一个在这些量子比特之间纠缠的 GHZ 态。每名玩家收到一个二进制问题并返回一个比特;若要获胜,所有答案的奇偶性必须与由问题决定的数值相符。
论文报告了最多涉及 71 个量子比特的测试,在所有测试规模下,量子胜率都高于经典胜率。不过,随着玩家人数增加,量子优势逐渐缩小。对于每种玩家人数,研究人员在 50 种量子比特配置下测试了 20 场游戏,并将每种配置重复运行 1,000 次,以便在优势差距缩小时区分实际表现与统计波动。
另一项独立的二维隐藏线性函数任务要求处理器找出与某个对称矩阵相关联的隐藏比特串。实验使用 Willow 超导处理器,并采用受控 Z 门作为原生纠缠操作,测试规模从 9 个量子比特一直扩展到最大设备的规模。每种规模下,团队测量了 1,000 个随机矩阵,并对每个矩阵运行 100 次。
在无误差实现中,经过四层有效双量子比特门操作后即可返回正确的比特串。为量化硬件误差,研究人员将正确输出的比例换算为有效深度,这是一种求解时间指标,反映获得正确答案所需额外运行次数。论文报告称,在最大的网格上,这项指标升至约六层。
硬件诊断与量子优势差距的局限
作者提出,可将基于情境性的算法用作处理器基准测试,并报告称,多体版本的测试揭示了随机酉操作未能显现的细微相干误差。因此,这些测试除了用于评估博弈成绩,还能发挥硬件诊断作用。
Google 将这种检错能力视为迈向未来化学和材料科学应用的一步。这些只是文中指出的潜在用途;报告的实验并未模拟其中任何一种应用。
量子与经典计算之间优势差距的适用范围同样重要。论文指出,对于一般计算模型,目前不存在无条件证明量子优势的结论;研究结果针对的是资源受限的特定任务。在隐藏线性函数的比较中,已知的经典下界只有在量子比特数量达到约一百万时才会变得相关。实验结果所对应的对数级近期经典深度上界明确属于猜想,因此,这些测量结果并未证明在当前处理器规模下,量子实现无条件优于所有经典实现。
这项工作的直接价值,在于提供了一种更精确评估量子硬件的方法:情境性带来了可扩展的任务,这些任务与一种假设的计算优势来源相关;与此同时,这些任务对误差的敏感性也能揭示较少结构化的测试可能掩盖的问题。但 GHZ 游戏的优势差距不断缩小、有效深度不断上升,这些结果也表明,随着更多量子比特参与,维持量子优势会变得更加困难。












