官方网站-首页

光(guāng)量(liàng)子(zi)随(suí)机(jī)行(xíng)走(zǒu)：从(cóng)理(lǐ)论(lùn)到(dào)实(shí)验(yàn)的(de)跨(kuà)越(yuè)式(shì)突(tū)破(pò)

想(xiǎng)象(xiàng)一(yī)下(xià)，一(yī)个(gè)粒(lì)子(zi)在(zài)格(gé)点(diǎn)中(zhōng)行(xíng)走(zǒu)时(shí)，不(bù)仅(jǐn)能(néng)同(tóng)时(shí)向(xiàng)左(zuǒ)和(hé)向(xiàng)右(yòu)“分(fēn)身(shēn)”，还(hái)能(néng)让(ràng)这(zhè)些(xiē)“分(fēn)身(shēn)”产(chǎn)生(shēng)干涉(shè)，形(xíng)成(chéng)独(dú)特(tè)的(de)概(gài)率(lǜ)分(fēn)布(bù)——这(zhè)便(biàn)是(shì)量(liàng)子(zi)随(suí)机(jī)行(xíng)走(zǒu)的(de)奇(qí)妙(miào)之(zhī)处(chù)。作(zuò)为(wèi)经(jīng)典(diǎn)随(suí)机(jī)行(xíng)走(zǒu)的(de)量(liàng)子(zi)升(shēng)级(jí)版(bǎn)，它(tā)凭(píng)借(jiè)量(liàng)子(zi)叠(dié)加(jiā)和(hé)干涉(shè)效(xiào)应(yīng)，在(zài)扩(kuò)散(sàn)速(sù)度(dù)上(shàng)实(shí)现(xiàn)了(le)对(duì)经(jīng)典(diǎn)模(mó)型(xíng)的(de)“平(píng)方(fāng)级(jí)碾(niǎn)压(yā)”。2025年(nián)，中(zhōng)国(guó)💰全站科(kē)学(xué)技(jì)术(shù)大(dà)学(xué)潘(pān)建(jiàn)伟(wěi)团(tuán)队(duì)在(zài)超(chāo)导(dǎo)量(liàng)子(zi)处(chù)理器上首次实现12量子比特的量子随机行走实验，观测到光子密度分布与理论模型的完美吻合，这一成果被《科学》杂志收录，标志着量子随机行走从理论走向实验验证的关键一步。而到了2025年，该团队更进一步，在64量子比特的“祖冲之号”处理器上实现了可编程的二维量子随机行走，解决了布线串扰等扩展难题，为通用量子计算铺平了道路。

多光子量子行走：从“独舞”到“群舞”的进化

如果说单光子量子行走是“独舞”，那么多光子量子行走便是“群舞”。2025年，上海交通大学金贤🈶敏团队在三维光子芯片中实现了三个全同光子的量子行走，这一实验不仅将量子行走扩展至多粒子领域，更通过图形表示（Graph Representation）揭示了复杂图结构中的量子关联特性。例如，当两个光子在晶格中行走时，它们会因强关联作用产生类似费米子的反聚束效应——空间密度呈现反相关性，而非自由光子的随机分布。这种特性为量子空间搜索、指数快速击中等算法提供了潜在应用前景。更令人兴奋的是，研究团队通过机器学习技术，仅需部分概率分布数据即可区分经典关联与量子关联，这一方法不拘泥于具体数值，而是从整体特征上验证了量子行走的独特性，为大规模量子模拟提供了新工具。

开放系统中的“智能学习”：量子态重构的革命

量子随机行走的研究不仅限于理想封闭系统，开放系统中的噪声与损耗同样值得探索。2025年3月，中国科学技术大学郭光灿团队在《科学·进展》上发表了一项突破性成果：他们利用人工神经网络作为开放量子系统的“拟设”，通过改进自然梯度下降算法，仅用传统方法50%的测量基数目，便实现了开放光量子行走中混合量子态的高保真度重构（平均保真度达97.5%）。这一成果的亮点在于“效率”与“规模”的双重突破：神经网络训练迭代次数减少一个数量级，且能高效规🔴全站避局域极小值，使损失函数降至更低水平。这一技术为噪声辅助的量子计算和量子模拟奠定了基础，例如，在量子通信中，通过模拟噪声环境下的量子行走，可优化纠错码设计；在量子机器学习中，神经网络与量子行走(zǒu)的(de)结(jié)合(hé)或(huò)能(néng)实(shí)现(xiàn)更(gèng)高(gāo)效(xiào)的(de)模(mó)式(shì)识(shi)别(bié)。

从(cóng)实(shí)验(yàn)室(shì)到(dào)现(xiàn)实(shí)：量(liàng)子(zi)随(suí)机(jī)行(xíng)走(zǒu)的(de)“落(luò)地(de)”挑(tiāo)战(zhàn)

尽(jǐn)管(guǎn)量(liàng)子(zi)随(suí)机(jī)行(xíng)走(zǒu)在(zài)理(lǐ)论(lùn)和(hé)实(shí)验(yàn)上(shàng)均(jūn)取(qǔ)得(de)显著进展，但其实际应用仍面临两大挑战：一是量子比特质量的提升，二是系统规模的扩展。以超导量子比特为例，目前主流平台的退相干时间（量子态保持时间）虽已突破100微秒，但距离通用量子计算所需的毫秒级仍有差距；而在光量子芯片中，虽然三维集成技术可实现多光子行走，但光子损耗与模式串扰问题仍需解决。不过，科学家们已提出多种解决方案：例如，潘建伟团队通过时间复用干涉框架，在光学系统中实现了50步的高保真度量子行走；郭光灿团队则通过改进神经网络算法，降低了开放系统模(mó)拟(nǐ)的(de)复(fù)杂(zá)度(dù)。这(zhè)些(xiē)进(jìn)展(zhǎn)表(biǎo)明(míng)，量(liàng)子(zi)随(suí)机(jī)行(xíng)走(zǒu)正(zhèng)从(cóng)“实(shí)验(yàn)室(shì)玩(wán)具(jù)”逐(zhú)步(bù)走(zǒu)向(xiàng)“实(shí)用(yòng)化(huà)工(gōng)具(jù)”，未(wèi)来(lái)或(huò)将(jiāng)在(zài)量(liàng)子(zi)加(jiā)密(mì)、量(liàng)子(zi)优(yōu)化(huà)等(děng)领(lǐng)域发(fā)挥(huī)关键作(zuò)用(yòng)。

量(liàng)子(zi)随(suí)机(jī)行走的探索，本质上是人类对量子世界“不确定性”的驯化过程。从单光子的“分身术”到多光子的“群舞”，从封闭系统的理想模拟到开放系统的智能学习，每一次突破都在拓展量子技术的边界。正如🍀爱因斯坦所言：“上帝不掷骰子”，但量子随机行走告诉我们，即使“掷骰子”，也能走出精准的“量子之舞”。随着技术的不断进步，这一“量子版随机行走”或许将成为开启通用量子计算大门的钥匙之一。