张量网络结合置信传播算法难以有效模拟谷歌量子回声实验

在最近的量子回声实验中,谷歌量子人工智能团队证明,对于随机电路时间演化的非时序关联函数(OTOC),用量子处理器进行测量比用经典计算机以相近精度进行计算的效率快一万倍以上。通过与多种前沿经典模拟方法对比,该结论得到了验证。其中未被明确测试的一种经典模拟方法是基于置信传播的张量网络(TNBP)——这种方法本应极不适用于模拟谷歌回声实验:实验涉及的量子态具有高度纠缠性(这对张量网络态构成挑战),且Willow芯片具备密集的二维连接结构(这对置信传播算法形成挑战)。本文通过理论标度论证和具体数值模拟相结合的方式,证实了TNBP无法模拟该量子回声实验的推断。研究表明,OTOC电路产生的纠缠度足以使其基本无法被压缩,这意味着其他通过薛定谔绘景演化张量网络态来计算OTOC的方法同样会失败。这些结果进一步强化了“经典计算无法复现量子回声实验”的论断。
作者单位: VIP可见
页数/图表: 登录可见
提交arXiv: 2026-04-16 18:00

量科快讯