? 文 徐令予

2026年4月2日，頂級期刊 Nature Physics 發(fā)表了一篇關(guān)于量子計(jì)算的重要論文：《Noise-induced shallow circuits and the absence of barren plateaus》

作者來自Freie Universit?t Berlin、école Polytechnique Fédérale de Lausanne、Massachusetts Institute of Technology、University of Chicago等多家一流機(jī)構(gòu)。無論從期刊層級還是作者背景來看，這都是一篇具有較高可信度的重磅論文。

但這篇論文真正值得關(guān)注的，不是技術(shù)細(xì)節(jié)，而是它提出的一個(gè)更為根本性的問題：在尚未實(shí)現(xiàn)容錯(cuò)糾錯(cuò)的前提下，量子計(jì)算究竟還能保留多少真正的優(yōu)勢？

一、噪聲會降低量子線路深度[1]

過去幾年，量子計(jì)算領(lǐng)域一個(gè)重要方向是“變分量子算法”。它的基本思路并不復(fù)雜：給量子計(jì)算過程引入一組參數(shù)，通過不斷調(diào)整，使輸出結(jié)果逐步逼近目標(biāo)，這一點(diǎn)與機(jī)器學(xué)習(xí)中的訓(xùn)練過程相似。

但很快，一個(gè)困難顯現(xiàn)出來。隨著系統(tǒng)規(guī)模增加，優(yōu)化過程往往陷入停滯：參數(shù)變化變得越來越不明顯，幾乎無法判斷下一步該如何調(diào)整。這種現(xiàn)象常被稱為“梯度消失”[2]。

在這樣的背景下，一個(gè)看似合理的判斷逐漸形成：如果這種“難以優(yōu)化”的問題能夠避免，那么量子算法或許還有希望發(fā)揮一定的作用。

這篇論文的出發(fā)點(diǎn)，正是對這一判斷進(jìn)行重新審視。不過作者并沒有直接討論優(yōu)化技巧，而是把問題往前推了一步：在現(xiàn)實(shí)噪聲條件下，這種原本層層展開的計(jì)算過程的復(fù)雜度——量子線路深度，是否還能順利地保留下來？

二、別被表象所迷惑

論文從一個(gè)非?，F(xiàn)實(shí)的前提出發(fā)：在尚未實(shí)現(xiàn)糾錯(cuò)的情況下，量子計(jì)算不可避免地受到噪聲影響，而且這種干擾是分散在每個(gè)量子比特上的，也就是說，每個(gè)基本單元都會各自受到影響。

在這一條件下，作者得到一個(gè)關(guān)鍵結(jié)論。對于一類很常見的任務(wù)——不是關(guān)心單次計(jì)算結(jié)果，而是關(guān)心重復(fù)多次之后的平均結(jié)果——計(jì)算過程中越早發(fā)生的操作，其影響會迅速衰減。結(jié)果是，無論原本的計(jì)算過程有多復(fù)雜，真正能夠?qū)ψ罱K結(jié)果產(chǎn)生作用的，只剩下最后少數(shù)幾步。從效果上看，一個(gè)復(fù)雜而漫長的計(jì)算過程，會退化為一個(gè)相當(dāng)“淺”的過程[2]。

這個(gè)結(jié)論直接動(dòng)搖了量子計(jì)算中一個(gè)被認(rèn)為非常重要的優(yōu)勢：通過增加計(jì)算步驟來提升能力。在現(xiàn)實(shí)噪聲環(huán)境下，這種優(yōu)勢并不會自然保留下來，而是會被系統(tǒng)性壓縮。

在此基礎(chǔ)上，論文給出一個(gè)看似反直覺的結(jié)果：在這種條件下，優(yōu)化過程并不會出現(xiàn)“完全失去方向”的情況，也就是說，上面提到的“梯度消失”現(xiàn)象反而不再明顯。

但這一點(diǎn)并不能簡單理解為好消息。原因恰恰在于前述的壓縮效應(yīng)：由于只有最后少數(shù)步驟仍然對結(jié)果有影響，真正參與調(diào)整的部分已經(jīng)大幅減少。換句話說，之所以“容易調(diào)整”，并不是因?yàn)橄到y(tǒng)更強(qiáng)，而是因?yàn)樗呀?jīng)變得更簡單了。

從這個(gè)角度看，優(yōu)化變得容易，并不意味著能力提升，反而可能說明原本依賴復(fù)雜結(jié)構(gòu)的計(jì)算能力已經(jīng)明顯減弱。

三、噪聲環(huán)境中的量子算法對經(jīng)典算法不具優(yōu)勢

如果真正起作用的只是一個(gè)被壓縮后的“淺層”結(jié)構(gòu)，那么一個(gè)自然的問題是：這樣的計(jì)算，還需要量子設(shè)備嗎？

論文的回答相當(dāng)直接。正是由于這種結(jié)構(gòu)上的簡化，可以構(gòu)造出相應(yīng)的經(jīng)典算法，在合理精度范圍內(nèi)完成同樣的平均值計(jì)算。這意味著，在當(dāng)前噪聲條件下，一類常見量子算法并不必然具備穩(wěn)定的優(yōu)勢。

更進(jìn)一步，作者還比較了不同類型的噪聲。過去不少分析依賴一種較為理想化的模型，而現(xiàn)實(shí)系統(tǒng)中的噪聲往往更加復(fù)雜。一個(gè)自然的期待是，更接近真實(shí)情況的噪聲，是否會帶來不同甚至更有利的結(jié)果。

論文給出的結(jié)論是，在所討論的任務(wù)范圍內(nèi)，這些不同類型的噪聲在效果上是相似的，都會導(dǎo)致計(jì)算過程被壓縮到類似的“淺層”結(jié)構(gòu)。雖然在理論上可以通過精心設(shè)計(jì)來利用噪聲，從而獲得某些特殊優(yōu)勢，但這種情況并不具有普遍性。

結(jié)語

綜合來看，這篇論文傳達(dá)的信息相當(dāng)明確：在沒有容錯(cuò)糾錯(cuò)的前提下，量子計(jì)算并不會自然保留其“深度優(yōu)勢”。相反，在噪聲作用下，這一優(yōu)勢往往被壓縮，使得典型量子計(jì)算過程在效果上更接近一個(gè)淺層次的簡單結(jié)構(gòu)，它們可以被經(jīng)典算法替代。

自量子計(jì)算研究起步，噪聲問題就如影相隨一直困擾著研究者。希伯來大學(xué)的數(shù)學(xué)教授 Gil Kalai 是量子計(jì)算領(lǐng)域著名的“懷疑論者”。他的核心觀點(diǎn)并非基于工程實(shí)現(xiàn)的難度，而是從數(shù)學(xué)邏輯和計(jì)算復(fù)雜性的角度出發(fā)，認(rèn)為在大規(guī)模系統(tǒng)中，噪聲（Noise）是不可逾越的障礙[3]。今日這篇論文無疑為 Gil Kalai 的觀點(diǎn)提供了新的證據(jù)，看來，噪聲確實(shí)是量子計(jì)算難w以戰(zhàn)勝的天敵。

注釋：

[1] 量子線路深度

指量子計(jì)算中操作步驟的層數(shù)。深度越大，意味著計(jì)算過程越長。

[2] 梯度消失

在優(yōu)化過程中，指參數(shù)應(yīng)如何調(diào)整的方向和大小。梯度接近零時(shí)，優(yōu)化會變得困難。

[3] 著名學(xué)者 Gil Kalai 對量子計(jì)算質(zhì)疑的核心要點(diǎn)：

1. 噪聲的相關(guān)性難題

主流觀點(diǎn)認(rèn)為噪聲是隨機(jī)且獨(dú)立的，可以通過糾錯(cuò)抵消。但 Kalai 認(rèn)為，在大規(guī)模量子系統(tǒng)中，噪聲必然是高度相關(guān)的。這種相關(guān)噪聲會隨規(guī)模呈指數(shù)級增長，最終徹底破壞計(jì)算。

2. 量子糾錯(cuò)的“門檻悖論”

實(shí)現(xiàn)量子糾錯(cuò)需要操作精度達(dá)到一個(gè)極高的閾值。Kalai 預(yù)言，物理學(xué)上存在一個(gè)誤差下限，這個(gè)下限高于糾錯(cuò)所需的閾值。這意味著我們永遠(yuǎn)無法跨入“自我修復(fù)”的門檻。

3. 計(jì)算能力的“平庸化”

他從計(jì)算復(fù)雜性理論推斷，受噪聲干擾的量子系統(tǒng)在本質(zhì)上只能處理簡單的數(shù)學(xué)問題。在處理復(fù)雜任務(wù)時(shí)，其表現(xiàn)并不優(yōu)于經(jīng)典計(jì)算機(jī)，所謂的“量子優(yōu)越性”在現(xiàn)實(shí)應(yīng)用中難以實(shí)現(xiàn)。

4. 噪聲靈敏度

量子態(tài)極其脆弱，對微小擾動(dòng)有著極高的噪聲靈敏度。Kalai 認(rèn)為，試圖在大規(guī)模系統(tǒng)中維持相干性，就像在狂風(fēng)中搭建紙房子，違背了自然的基本規(guī)律。

核心結(jié)論：

Gil Kalai 認(rèn)為量子計(jì)算在本質(zhì)上是不可容錯(cuò)的。他承認(rèn)小規(guī)模量子實(shí)驗(yàn)的成功，但斷定大規(guī)模、可用的容錯(cuò)量子計(jì)算機(jī)在物理和數(shù)學(xué)邏輯上都是行不通的。

來源|心智觀察所