Jiuzhang 4.0 und das Rennen um den photonenbasierten Quantenvorteil

• 1.024 hocheffiziente gepresste Lichtzustände in den Prozessor eingespeist
• ein programmierbares optisches Netzwerk mit 8.176 Moden verwendet
• bis zu 3.050 Photonen in Sampling‑Ereignissen detektiert

Durch diese Architektur entstehen hochkomplexe Interferenzmuster von Photonen, die das eigentliche Rechenproblem kodieren.

Der neue Rekord im Quantencomputing

Nach Angaben der beteiligten Forschenden setzt Jiuzhang 4.0 einen Weltrekord in der optischen Quanteninformationstechnologie, da erstmals ein Gaussian‑Boson‑Sampling‑Experiment in dieser Größenordnung durchgeführt wurde.

Berichten zufolge kann das System die entsprechende Sampling‑Aufgabe mehr als 10^54‑mal schneller lösen als die leistungsstärksten klassischen Supercomputer unter bestimmten Modellannahmen.

Solche Vergleiche hängen stark von den verwendeten Simulationsmethoden ab. Dennoch gilt das Experiment als Beleg für einen robusten quantencomputationalen Vorteil, bei dem ein Quantenprozessor Aufgaben ausführt, die für klassische Simulationen selbst mit verbesserten Algorithmen zunehmend unpraktisch werden.

Fortschritt gegenüber Jiuzhang 3.0

Jiuzhang 4.0 ist die jüngste Generation einer Reihe photonenbasierter Quantenprototypen aus demselben Forschungsteam.

Der Vorgänger Jiuzhang 3.0 erreichte in einem Boson‑Sampling‑Experiment 255 nachgewiesene Photonen.

Die neue Version erweitert das System in mehreren zentralen Punkten:

Photonenzahl

• Jiuzhang 3.0: 255 Photonen
• Jiuzhang 4.0: bis zu 3.050 Photonen, also mehr als das Zehnfache

Systemarchitektur

• Einsatz von 1.024 Quellen für gepresste Lichtzustände
• ein programmierbares optisches Netzwerk mit 8.176 Moden, deutlich komplexer als frühere Aufbauten

Programmierung

• Jiuzhang 4.0 ist als programmierbare Plattform ausgelegt, sodass verschiedene optische Transformationen eingestellt werden können – nicht nur ein einzelnes festes Experiment.

Diese Erweiterungen ermöglichen deutlich größere Quanten‑Zustände und komplexere Sampling‑Verteilungen als bei früheren photonenbasierten Maschinen.

Warum Gaussian Boson Sampling wichtig ist

Gaussian Boson Sampling ist kein universelles Rechenproblem, sondern dient vor allem als Benchmark für Quantenhardware.

Die Schwierigkeit entsteht aus der zugrunde liegenden Mathematik: Um die Wahrscheinlichkeit bestimmter Photonenmuster zu berechnen, müssen klassische Computer Funktionen wie sogenannte Loop‑Hafnians berechnen. Diese wachsen mit der Zahl der Photonen exponentiell im Aufwand.

Schon moderate Steigerungen bei Photonenanzahl oder Modenzahl können klassische Simulationen deshalb schnell an ihre praktischen Grenzen bringen. Große Experimente wie Jiuzhang 4.0 zeigen daher, in welchen Bereichen Quantenhardware klassischen Rechnern überlegen sein könnte.

Bedeutung für die Zukunft von Quantencomputern

Die Demonstration zeigt vor allem, dass photonenbasierte Quantenhardware auf Tausende Photonen skaliert werden kann, während die Genauigkeit hoch genug bleibt, um einen Quantenvorteil zu demonstrieren.

Das ist aus mehreren Gründen relevant:

• stärkere experimentelle Hinweise auf Quantum Advantage
• Fortschritte bei Photonik‑Architekturen, die oft bei Raumtemperatur arbeiten können
• technologische Grundlagen für größere photonenbasierte Quantenmaschinen

Gleichzeitig bleibt Jiuzhang 4.0 kein universeller Quantencomputer. Das System löst ein spezifisches Sampling‑Problem und kann nicht beliebige Quantenalgorithmen ausführen.

Das größere Bild im globalen Quantenrennen

Die Jiuzhang‑Serie steht für einen wichtigen Trend in der Quantenforschung: Mehrere Hardware‑Ansätze konkurrieren darum, skalierbare Quantencomputer zu entwickeln. Dazu gehören unter anderem supraleitende Qubits, Ionenfallen, neutrale Atome und photonische Systeme.

Mit seinem 3.050‑Photonen‑Experiment gehört Jiuzhang 4.0 zu den größten photonenbasierten Demonstrationen bisher und verschiebt die Grenze dessen, was optische Quantenprozessoren leisten können. Ob solche Systeme langfristig zu fehlertoleranten, universellen Quantencomputern führen, bleibt eine offene Forschungsfrage – aber die jüngsten Ergebnisse zeigen, wie schnell sich die Technologie weiterentwickelt.