2023年6⽉，IBM量⼦部与加州⼤学伯克利分校、⽇本理研、劳伦斯伯克利国家实验室等合作单位在Nature发表⼀篇封⾯论⽂。他们通过“错误缓解”⽅法，在127量⼦⽐特的处理器上准确获得复杂量⼦线路运⾏结果，在强纠缠区间，这⼀线路已经⽆法⽤经典计算机进⾏蛮⼒模拟。不少⼈认为，这是量⼦计算（机）领域内的⼜⼀⾥程碑进展。那么，什么是错误缓解？IBM做到了什么，还没做到什么？本⽂将试图给出解读。
2022年底，我受《物理》期刊之邀，译过⼀篇IBM量⼦部⻔副总裁Jay M. Gambetta的专访，英⽂标题为“Turning a Quantum Advantage”。如何信雅达地翻译这个标题，着实让我费了些脑筋，最后我和编辑杨⽼师⼀致选择了《点亮量⼦优势》。俗话说得好，⾃古评论区出才⼦，读者们如果有更好的译法，欢迎打到评论区。
翻译的时侯，我就为Gambetta的⼀些⾔论感到凛然。⼀⽅⾯是他提到的⼀些数字，包括退相⼲时间，他说已经达到了100毫秒且即将达到300毫秒，我⼀度认为是记者搞错了；以及两⽐特⻔保真度，已经达到99.9%，并将在23年底达到99.99%。我是做量⼦硬件的，这两个数字就⾜以震撼我了，⽽后⾯的内容则更令⼈惊叹。
⾸先，他说道，“采⽤更聪明的⽅法来做事，将⽐堆指标更重要”。换句话说，未来能否实现量⼦计算优势，光靠不断提升技术指标——⽐如⽐特数、退相⼲时间、⻔保真度等——是不够的，我们需要从架构层⾯去思考如何扩展、如何⼯程化，引⼊新的⽅法来应对量⼦计算机所不可避免的错误，等等。
其次，提到量⼦纠错的时侯，他说他们正在进⾏错误缓解⽅⾯的⽅法研究，针对有代表性的错误模型构建⼤量的线路实例，再对这些线路演化结果进⾏采样，通过统计学⽅法对整个量⼦系统的错误⾏为进⾏学习，以此来给出⼀个量⼦线路的⽆错估计。假如这个⽆错估计的准确率不断趋近于1，那我们不就相当于实现了量⼦纠错？
在这样的思路下，量⼦纠错将不再是⼀个跨越式的艰巨挑战，⽽变成了⼀个渐进式进程，如同徒步登⼭，⼀步虽⼩，然夕阳过处，回望或已是⼭巅。
时隔半年，IBM在Nature上发表了题为“前容错量⼦计算的效⽤证据（Evidence for the utility of quantum computing before fault tolerance）”的论⽂，在学界和⼯业界瞬间引起很⼤反响。
100+量⼦⽐特、⽆需量⼦纠错、超越经典计算、新⾥程碑，这些词汇⽆不牢牢抓住读者的眼球，或许这真是⾃Google的“量⼦霸权”以来量⼦计算发展的⼜⼀⾼光时刻了。仔细读了⼀遍论⽂，脑中回想起Gambetta专访中的⼀些观点，我有些凝神：Gambetta已经将论⽂中的思想清晰表达过了，且半年前我就译成中⽂介绍给国内读者。此时论⽂⼀出震惊全场，所有⼈⽅惊坐⽽起，原来量⼦计算还可以这样玩……
IBM成果登上Nature 6⽉15⽇刊封⾯。⽆论如何，我还是希望尽可能以⾃⼰的专业知识，以尽量冷静的态度来解读⼀下这项⼯作。这次，IBM的研究者和合作者们在127位的量⼦处理器上演示了⼀个⼆维横场伊⾟（Ising）模型（与量⼦芯⽚具有相同的拓扑连接）的Trotter展开时间演化，通过零噪声外推（ZNE）错误缓解⽅法，对演化结果做出了“准确”的零噪声外推估计。
整个线路涉及到127个量⼦⽐特，最多60层两⽐特⻔，共2880个CNOT⻔。在强纠缠情况下，经典的张量⽹络近似⽅法已经⽆法给出正确的结果，换句话说，已经超出了经典蛮⼒模拟的能⼒。
在127⽐特量⼦处理器上实现⼆维横场Ising模型的Trotter时间演化（a, b），以及如何标定整个系统中的错误（c, d）。⽂中对量⼦优势做了⼀番解释：量⼦优势可分两步来实现。
⾸先在现有的量⼦硬件设施上实现超越经典蛮⼒模拟能⼒的准确计算，然后在此基础上找（有价值的）问题，实现问题相关量⼦线路的准确估计（这⾥我⽤“估计”⽽不是计算，因为在含噪声量⼦线路上，所能给出的永远是统计性结果）。论⽂涉及的⼯作算是完成了第⼀步，因此严格来说并没有实现量⼦优势。
不过，这⼀⼯作相对于Google的“量⼦霸权”仍前进了⼀步。
倒不是因为⽐特数更多、线路深度更⼤、两⽐特⻔更多，⽽是当年Google所执⾏的随机线路采样给出的保真度极低，⽽本次IBM的⼯作，通过错误缓解⽅法，能够准确地给出⼀个复杂量⼦线路的有偏估计。这就为含噪声量⼦计算机的效能给出了很强的预期，只要再往前⼀步，将这次所⽤到的⼆维横场伊⾟模型演化线路换成⼀个有价值问题相关的量⼦线路，尽管这⼀步依旧很难，量⼦优势就真的确⽴了。
那这个错误缓解⽅法是何⽅神技，能化腐朽为神奇呢？要知道100+⽐特规模，60层线路，即便操控和读取的平均保真度都达到了99%以上，得到正确结果的概率也⼏乎为零。IBM⽤到了⼀种叫“零噪声外推”的⽅法。
具体来说，研究⼈员采⽤了所谓稀疏Pauli-Lindblad模型，对系统错误进⾏学习；通过调节其中的参数，可以实现不同的噪声增益G，对⼤量不同增益下的噪声线路实例进⾏采样并计算其期望值，进⼀步，再通过不同噪声增益下的期望值去外推G=0（也就是⽆噪声的情况）时的期望。这样⼀来，就相当于推出⽆错情况下的结果了。学过数值计算的读者⼤概会知道，相⽐内插，外推很多时候是不靠谱的，特别在距离真值点较远时。
为此，IBM测试了指数外推和线性外推两种⽅法，并与可经典模拟的特定情况（当线路中所有的⻔都变成Clifford⻔时）做了量⼦-经典对⽐验证，结果是⾼度⼀致的，这也是IBM声称这⼀⽅法能给出准确计算结果的底⽓所在。
蓝⾊点为错误缓解后的数据点，绿⾊为没有做错误缓解的数据点。粉⾊、橘⾊线则分别是采⽤MPS、isoTNS两种张量⽹络近似⽅法的计算结果。
此外，研究⼈员同时将量⼦计算机的运⾏时效与张量⽹络⽅法进⾏了对⽐。实际上，张量⽹络在应对深层线路时已⽆法给出准确的期望值。另⼀⽅⾯，执⾏同⼀个线路，张量⽹络⽅法获得⼀个数据点的运⾏时间分别是8⼩时和30⼩时（对应两种演化模型），量⼦的运⾏时间则分别是4⼩时和9.5⼩时。⽽这些时间中，真正的量⼦处理器运⾏时间只有5分零7秒，且可以通过降低量⼦⽐特重置时间来进⼀步降低运⾏时间。
换⾔之，量⼦计算机的运⾏时效仍有巨⼤的提升空间。
当然，错误缓解⽅法是有代价的。零噪声外推相⽐之前提出的概率性错误消除，在采样开销上已经⼤幅降低，能够应对100+量⼦⽐特规模的复杂量⼦线路。但以⽬前透露的消息来看，这种开销随着量⼦系统规模的增⼤，仍是指数级增⻓的，未来更⼤规模的量⼦处理器如何⾼效地进⾏错误缓解，仍存在挑战。
这⼀⽅法的成功验证，就像是照进含噪声量⼦计算时代的⼀束光，要让量⼦计算形成⽣产⼒，还有⼤量的⼯作要做。⼀⽅⾯我们需要进⼀步提升量⼦硬件的性能，⽂中提到两⽐特⻔保真度需要有“数量级”提升，⽽运⾏速度也要求⼤幅提升；另⼀⽅⾯，如何针对⽐如现在关注度较⾼的启发式量⼦算法，包括量⼦化学计算、近似优化等，进⼀步验证噪声缓解/消除算法的有效性，也是亟待研究的。
回来再说⼀下Gambetta的专访，在问到量⼦计算何时能打败经典计算时，他说了⼀段令我敬佩的话。他说，与其区分经典和量⼦，并将⼆者对⽴，期待⼀个量⼦打败经典的时刻，不如站在⼀个更⼀般的⻆度，将⼆者统⼀。计算就是计算。实际的情况是，量⼦计算需要⼤量的经典计算辅助，上⾯提到的错误缓解⽅法，就是⼀个典型的例⼦。
我们真正追求的，是解决复杂问题的运⾏时效，经典辅助量⼦，量⼦反过来帮助经典，⼆者本就是难以区分的统⼀体。我们需要站在更⾼的视⻆去看待量⼦计算。
最后值得⼀提的是，优质的量⼦资源是极其宝贵的。IBM的⼯作是在⼀个代号为“ibm_kyiv”的量⼦云平台上完成的，所⽤的芯⽚为“Eagle_r3” 127量⼦⽐特处理器。
这个处理器的退相⼲时间T1和T2的中位数分别为288微秒和127微秒，达到了前所未有的⽔平。临近⽐特之间的CNOT⻔通过交叉共振相互作⽤（Cross-Resonance，简称CR）校准实现。得益于⾼的退相⼲时间和其他性能，两⽐特⻔操控保真度的中位数超过了99%，读取保真度中位数也超过了99%。这是错误缓解⽅法得以收敛的重要硬件条件。
量⼦硬件的进⼀步发展固然要依靠核⼼的硬件团队来推进，但如何发挥这些有噪声的量⼦硬件效能，则需要⼴泛的智⼒参与，需要来⾃数学、统计、计算、信息学、软件等多学科的⼈才共同参与。⽽⿎励这种⼴泛的⾼智⼒协同创新的最好⽅式，就是将最好的量⼦资源共享出去——通过量⼦云计算平台，IBM⼀直就是这么做的。
遗憾的是，这些顶尖的量⼦计算资源对中国已经不开放了，⽽好消息则是我们⾃⼰的100+规模量⼦计算云平台已经推出，并且对全球开放！随着国内越来越多的⼈参与其中，随着量⼦应⽤需求的预期不断增强，相信属于中国的量⼦优势“临界时刻”定会加速到来。