經典演算法重現 D‑Wave 所謂「量子專屬」模擬

相反，佢哋利用系統本身嘅數學結構，設計出更聰明嘅模擬方式，包括：

• 與晶格結構對應嘅 二維同三維 tensor networks
• 用於快速更新網絡嘅 belief propagation 訊息傳遞演算法
• 壓縮技術，用嚟控制量子糾纏增長帶來嘅計算量

透過呢種方法，模擬可以追蹤系統動力學，而唔需要明確表示整個 5,000‑qubit 波函數。結果大幅降低計算成本，同時保持高準確度。

研究人員表示，呢套方法可以 準確而有效地模擬與 D‑Wave 量子退火相同嘅動力學過程。

點解手提電腦都跑得到？

tensor networks 嘅核心概念係 壓縮量子態。

完整量子波函數需要儲存指數級數量嘅參數，但現實物理系統入面，真正出現嘅相關性往往遠少於理論上嘅可能情況。tensor networks 可以只保存重要相關性，忽略多餘資訊。

對於有規律晶格結構嘅系統，例如 spin‑glass 模型，糾纏增長有時仍然可以用較少參數表示。於是模擬就唔需要超級電腦。

喺 Flatiron 團隊嘅實驗入面，結合 tensor network 壓縮同 belief propagation 更新後，部分模擬甚至可以喺普通個人電腦上完成。

對「量子優勢」意味住乜

呢個結果唔代表量子電腦冇優勢，而係揭示咗一個重要事實：

量子優勢嘅標準其實一直喺變。

大部分量子優勢聲稱，係將量子硬件同「當時最好嘅經典演算法」比較。但經典計算方法——例如 tensor networks、Monte Carlo、同其他近似演算法——一直都喺快速進步。

換句話說，一個今日睇落「經典電腦做唔到」嘅問題，如果有人發明更好演算法，明日可能就變得可行。Flatiron 呢項研究正好示範咗呢個現象：真正嘅限制唔一定係物理定律，而可能只係演算法水平。

量子與經典計算嘅「軍備競賽」

因此，研究界而家對量子優勢嘅要求越來越嚴格。理想嘅測試問題通常需要：

• 經典演算法難以再有大突破
• 量子硬件有明顯規模優勢
• 結果可以被獨立驗證

整體而言，計算科學嘅進步往往來自 硬件同演算法兩邊同時演化。量子處理器不斷進步，但經典演算法亦同步提升。

目前呢場競爭仍然係一場持續嘅技術競賽——每一次「量子優勢」宣稱，都可能要面對下一個經典演算法突破嘅考驗。