更关键的是，结果可在同等级量子硬件上重复验证，被谷歌称作“首个在硬件上实现、可验证的量子优势”。

总计 200 位作者参与了这次研究。其中包括新晋诺奖得主、现任谷歌量子AI实验室硬件首席科学家 Michel Devoret，还有来自普林斯顿大学、加州大学伯克利分校、MIT等顶尖院校的研究人员。

解决了什么难题？

研究量子多体系统时，信息会在快速纠缠产生的动力学中被扰乱，导致测量对长时间内底层动力学的细节不敏感。

谷歌的解决办法，是在超导量子处理器上实验测量了“二阶非时间序相关器”（OTOC）。

该方案显著改变了 OTOC 的测量值，观测到的干涉机制也赋予 OTOC 较高的经典模拟复杂度。

计算可观测量可以表示为对不同轨迹的总和。在这个概念框架中，每次时间反转都对应于两个干扰臂的增加以及其他有助于实验可观测量的交叉项。

研究人员利用数字量子处理器独特的可编程性来改变干涉臂的数量，并在每个臂中插入噪声或相关移相器。

结果显示，与没有时间反转的可观测量相比，OTOC 对这些扰动更敏感。而且这种敏感性会随着干涉臂数量的增加而增强，这在低阶可观测量中是不可见的。

实用性更强

OTOC 可以在目前经典超级计算机难以解决的领域中得到精确求解。

实验结果表明，OTOC 项目每个电路的数据收集时间长为 2.1 小时，而超级计算机 Frontier 的市场为 3.2 年，足足长了 13000 倍！

为了证实 OTOC 的实用性，研究团队对其进行了“哈密顿学习”的测试。哈密顿系统带有一组未知参数的哈密顿量，将一组 OTOC 数据其与相同哈密顿量的量子模拟进行比较。结果显示，OTOC 的信号大小和灵敏度缓慢衰减，使其成为完成这项任务的特别合适的候选者。

结论

在论文中，Google 量子团队证明了 OTOC 具有量子干涉效应，这使其对量子动力学细节具有高度的敏感性。

OTOC 是实现实用量子优势的可行候选者，而实用量子优势是当前物理界所共同追求的目标。

量子优势需要满足三个标准条件：

1. 可观测量属于有界误差量子多项式时间 (BQP) 类别

2. 可观测量超出了精确的经典模拟和启发式方法的范围

3. 可观测量应该产生与量子系统相关的实际信息

研究人员表示，团队已在满足条件 (1) 和 (2) 方面取得了进展。动态学习问题也证明了 (3) 的原理。虽然动态学习演示中使用的随机电路仍然是汉密尔顿量的玩具模型，但该方案很容易应用于真实的物理系统。

团队表示，如果能将此类系统的实验数据与量子模拟结果进行比较，可以更准确地估计这些耦合。这些研究将会在今后更多实验中展现。

参考资料：

https://www.nature.com/articles/s41586-025-09526-6?utm_source=chatgpt.com