← 返回 PaperDaily
视觉与图像
乌尔姆大学最新：一张公式揭示相位噪声如何绞杀量子干涉
量子霸权最怕什么？不是经典算法变强，而是自己身上的噪声先叛变。这篇论文用张量网络把高斯玻色采样的概率拆成“经典 dimer 模型 + 干涉扇区”，然后一刀一刀展示相位扩散如何掐死多体干涉，还顺手揭示了“光子越多越脆弱”的反直觉结论。量子计算实验的人必读，做理论模拟的也值得一看。
龙哥读论文
发布于 2026-09-12 16:53:31
阅读 1
查看原文
原论文信息如下：
量子计算这几年最出圈的名场面，莫过于“量子霸权”这个词被反复刷屏。从谷歌的悬铃木到中科大的九章，每一次宣称都让吃瓜群众热血沸腾，仿佛通用量子计算机明天就要取代你的笔记本电脑。但真正懂行的人心里都清楚，这些“霸权”展示与其说是量子计算实力的证明，不如说是在跟实验误差赛跑——只要噪声再大一点点，所谓的量子优势就会像沙滩上的城堡，一个浪头打过来就没了踪影。
在所有噪声源里，光子损耗一直是公认的头号杀手，各路理论工作恨不得把它翻来覆去研究个遍。但最近德国乌尔姆大学的团队却把目光投向了一个相对被忽视的角落——相位噪声。他们发现，这种看似温和的噪声，其实正在以一种极其“阴险”的方式悄悄瓦解高斯玻色采样（Gaussian Boson Sampling，简称GBS）的量子优势，而且光子数越多，瓦解得越彻底。这个反直觉的结论，直接把“量子霸权”的脆弱性摆在了桌面上。
相位噪声如何摧毁量子优势？——GBS中的多体干涉抑制 要理解这篇论文在讲什么，得先搞清楚高斯玻色采样到底是个什么游戏。简单来说，GBS是一种量子计算方案：把一系列双模压缩态（可以理解为成对产生的光子）送入一个线性光学网络，然后在输出端测量每个模式上的光子数。由于光子是玻色子，它们在干涉仪里会展现出一种叫做“多体干涉”的量子效应——大量光子走哪条路径的概率幅会相互叠加或抵消，最终在输出端形成一种极其复杂的概率分布。
这种分布的复杂程度有多夸张？计算某个特定输出模式组合的概率，在数学上等价于计算一个叫做Hafnian的矩阵函数。这个函数的计算复杂度随着光子数呈指数增长，被认为是经典计算机难以攻克的任务。正是基于这种计算难度，GBS才被捧上“量子霸权”候选者的宝座——理论上，你只要把实验做出来，就能证明量子计算机在某些任务上碾压经典计算机。
但问题来了：这种霸权论证有一个隐含前提——实验必须是“完美”的，至少噪声要小到可以忽略。一旦考虑真实的实验条件，光子损耗、相位抖动、探测器非理想响应等噪声就会像一群调皮的孩子，把精心设计的量子干涉搅得一塌糊涂。之前的理论研究大多聚焦于光子损耗的影响，而相位噪声虽然被认识到存在，却一直没有被系统性地刻画过——它到底怎么影响GBS的输出概率？影响有多大？会不会直接摧毁量子优势？这些问题一直悬而未决。
乌尔姆大学的Dario Cillufo、Matthias Kost和Martin B. Plenio三位研究者，在这篇论文里给出了一个相当系统的回答。他们开发了一套基于海森堡图像张量网络的数学工具，把GBS的输出概率拆解成两个截然不同的部分：一部分是对相位噪声完全免疫的“经典”贡献，另一部分是对相位极度敏感的“量子干涉”贡献。然后他们用这套工具定量展示了相位扩散（phase diffusion）如何一步一步把量子干涉绞杀殆尽，最终让GBS的输出分布退化成一个经典统计模型可以描述的东西——这等于说，量子优势在相位噪声面前，可能比想象中更脆。
从Hafnian到干涉扇区：一种新的张量网络分解框架 要搞清楚相位噪声怎么影响GBS，第一步得有一个足够清晰的数学框架来描述“无噪声”时候的概率。传统做法是走协方差矩阵路线，把压缩态、干涉仪、探测器全部用高斯态的均值和协方差来编码，然后套用现成的公式。这个路线当然没问题，但它有一个短板：一旦噪声不再是高斯型的（比如相位随机涨落导致的时间平均），协方差矩阵就不够用了，得另起炉灶。
这篇论文换了一条路：海森堡图像张量网络。这个思路不盯密度矩阵，而是直接把演化算符作用在产生算符的二次型上，然后用一种叫做“有序玻色子矩阵乘积态”（OBMPS）的结构来表示。听着有点绕，但核心思想其实很朴素：把干涉仪对“双光子产生项”的演化，拆成一系列小的、可以逐项处理的张量收缩问题。
这里的数学细节值得稍微多说两句。一个纯的M模高斯态，在忽略位移的情况下，可以写成压缩真空态的形式，即一个关于产生算符二次型的指数作用在真空态上。这个二次型的系数构成一个对称矩阵T。在GBS的标准设置里，输入是M/2对双模压缩态，所以T是一个分块对角矩阵，每个块对应一对压缩模。
当这个输入态经过一个由酉矩阵U描述的线性干涉仪后，原来的配对矩阵T会变成一个新的对称矩阵τ，它的矩阵元可以通过U和T的相似变换得到。关键来了：这个τ矩阵的每个非对角元，恰好对应着“两个光子分别从模式i和模式j输出”的概率幅。于是，一个包含n个探测光子的输出态|n⟩的概率幅，就可以写成从占位模式集合中选取n/2对完美匹配（perfect matching），把每对的τ矩阵元乘起来再求和——这不就是Hafnian的定义嘛！
这篇论文的一个漂亮之处在于，它获得了Hafnian公式的同时，还顺手把概率拆成了不同“干涉扇区”的和。具体来说，输出概率|⟨n|U|G⟩|²等于所有完美匹配对(χ, ρ)的贡献之和，而每一对匹配之间的“分歧程度”可以用它们的对称差大小k来衡量。k=0的项，对应χ=ρ的情况，求和之后得到的是一个所有矩阵元都取模方的Hafnian——Haf(|τ|²)——这个东西跟相位因子完全无关，所以作者把它叫做相位不敏感贡献。k=1的项则恒等于零，因为两个完美匹配不可能只差一条边。k≥2的项才是真正的“多体干涉”来源，它们的相位敏感，也正是相位噪声的攻击目标。
这个分解的意义非同小可。它告诉我们，GBS的输出概率并不是铁板一块的“量子黑箱”，而是由一块“经典基底”和一层“量子涂层”组成的复合体。基底部分（k=0）即使在没有量子干涉的情况下也存在，它等价于一个经典的加权二聚体模型（dimer model）的配分函数——这类模型在统计物理里被研究了几十年，性质早就被摸透了。量子涂层部分（k≥2）才是真正让经典计算机头疼的东西，它承载着量子优势的核心。
相位扩散的定量刻画：加权因子与变异系数 有了干涉扇区的分解框架，接下来就是重头戏：把相位噪声引入，看它怎么影响这些扇区。
实验中的相位噪声来源五花八门：压缩光源的泵浦相位在抖动，干涉仪的光程在漂移，光纤耦合器的折射率在随温度变化……所有这些都会导致τ矩阵的每个矩阵元带上一个时变的相位因子。为了抓住主要矛盾，论文做了一个合理简化：只考虑相位涨落，忽略振幅涨落。理由也很实在——振幅涨落只是让瞬时Hafnian的矩阵元数值变一变，并不会在时间平均中系统性地抹掉干涉项；但相位涨落会在不同完美匹配项之间累积出随机的相对相位，时间一长，这些干涉项就在平均中被磨平了。
为了定量描述这种“磨平”效应，论文定义了一个时间平均相干因子wχρ(T)。物理图像是这样的：在实验测量窗口T内，相位一直在随机游走，两套完美匹配χ和ρ之间的相对相位差ΔΦ也在随机变化；对cos(ΔΦ)做时间平均，得到的就是一个介于0和1之间的数。如果相位完全稳定，w=1，干涉项完好无损；如果相位快速随机化，w趋近于0，干涉项被完全平均掉。
这里论文采用了一个非常优雅的噪声模型——Wiener过程，也就是布朗运动。每个失配边对应的相对相位被视为一个独立的Wiener过程，扩散率为σ²。这个模型的好处是解析可算：对于失配数为k的一对匹配，它们的相对相位Sk(t)是k个独立Wiener过程之和，方差为2kσ²t。于是期望的相干因子可以精确算出：
wk = (1 - e-kσ²T) / (kσ²T)
这个公式太漂亮了，一条式子把相位噪声对干涉的所有影响都浓缩在里面。从中可以读出几个关键信息：第一，wk随着失配数k的增大而单调递减——失配越多的干涉项，对相位噪声越敏感。第二，wk随着测量时间T的增大而减小——测量窗口越长，相位漂移得越远，干涉越模糊。第三，wk随着扩散率σ²的增大而减小——源越不稳定，干涉死得越快。这三个趋势放在一起，构成了一幅相当完整的“相位噪声绞杀量子干涉”的图景。
但论文没有止步于平均值，还进一步计算了wk的方差，并定义了变异系数CV = √Var(wk)/wk。这个量衡量的是“涨落有多不听话”——CV小于1时，平均值还算靠谱；CV跨越1之后，说明涨落已经比平均值还大，单次实验的结果会剧烈偏离理论预期，进入“涨落主导”的混乱区。从图1（左图）可以看到，随着k增大，wk从接近1平滑地衰减到接近0；而CV（右图）则随k单调上升，最终跨过1的阈值。这个行为非常微妙：它意味着即使你在平均意义上看到了干涉被抑制，单次实验的噪声也可能大到让任何统计推断都变得不可靠。
损耗与相位噪声的协同效应 真实实验里不可能只有相位噪声这一种缺陷，光子损耗才是那个一直蹲在角落里的老熟人。那么问题来了：损耗和相位噪声同时存在时，两者的作用是简单叠加，还是会产生更复杂的相互作用？论文的分析给出了一个干净得有点让人意外的答案：在固定光子数扇区内部，均匀损耗和相位噪声的影响是因子化
但如果把眼光放到整个实验上，事情就没有这么简单了。真实探测到n个光子的事件，可能来自更高阶的光子数扇区——也就是原始态里本来有更多光子，其中一部分在传输过程中丢失了。为了刻画这个过程，论文把损耗建模成Kraus算子作用在密度矩阵上，再投影到探测到的Fock态|n⟩上。这样得到的损失后概率可以写成：
图3：考虑损耗通道后的GBS输出概率表达式。求和遍历所有可能的输入光子数事件p和q，Hafnian项代表无损耗时的概率幅，而损耗通道矩阵元⟨n|L(|p⟩⟨q|)|n⟩则决定了不同扇区之间的转移权重。
这个式子看着挺吓人，但内涵其实相当友好。关键在于，同一个损耗模式同时作用在密度矩阵的ket和bra两侧，因此只有当p=q时，两边对应的矩阵元才可能同时非零。换句话说，均匀损耗不会在Hafnian振幅之间引入新的相干——它只是把不同光子数扇区的贡献按权重混在一起，而每个扇区内部依然是“经典基底+干涉涂层”的结构
这意味着什么？意味着相位噪声对量子优势的威胁，并不会因为损耗的存在而消失，反而可能更隐蔽：损耗让高光子数事件变少的同时，相位噪声让剩余事件中的干涉成分继续缩水。两条绞索各拉各的，谁也不碍着谁。论文还特别指出，损耗在固定扇区内只改变干涉项的绝对大小，不改变wk的变异系数CV——也就是说，损耗不会让干涉权重的涨落变得更“不听话”，相位噪声才是那个真正制造混乱的角色。
实验启示与未来展望 有了这套定量框架，论文得出的结论对正在做GBS实验的团队来说，几乎是直接摆在桌面上的警示。
第一个启示：探测器积分窗口就是量子优势的生命线。 第二个启示：光子数越多，量子优势反而越脆弱。 图4：输出概率的扇区分解表达式（上）与干涉扇区的加权求和表达式（下）。ZD(ī)是相位不敏感的经典配分函数，而𝔍w是各干涉扇区Ik(ī)乘以对应相干因子wk后的加权和。相位噪声不断衰减wk，直到整个𝔍w趋于零。
第三个启示：它解释了为什么在散射玻色采样中观察不到类似的现象。 展望未来，论文采用的Wiener模型是一个解析可算的理想化参考，真实实验中的噪声可能具有相关性、非马尔可夫性，甚至伴随振幅涨落。但论文的框架并不封闭——一旦实验上表征了相位的时间序列或关联函数，就可以用对应的随机干涉权重替换wk，把噪声的具体特征直接纳入计算。这就为“实验专属”的量子优势评估铺平了道路。
龙迷三问 这篇论文到底在解决什么问题？ 乌尔姆大学提出海森堡图像张量网络框架，将GBS概率分解为相位不敏感项与干涉扇区，首次定量刻画相位扩散如何抑制多体干涉，揭示光子数增加反而加剧量子优势失效的悖论。这篇工作最值得看的点是什么？ 论文通过理论分析和数值计算展示了相位扩散对干涉扇区的抑制效应，以及均匀损耗对干涉贡献的衰减作用，结果与近期实验观察定性一致。这篇工作的边界或风险在哪里？ 优点：1) 提供了从Fock空间直接推导Hafnian振幅的紧凑方法；2) 将输出概率分解为相位不敏感和干涉扇区，便于分析噪声影响；3) 框架可扩展到非高斯噪声。缺点：1) 仅考虑碰撞自由情形；2) 相位噪声模型假设均匀Wiener过程，实际噪声可能更复杂；3) 缺乏实验验证。如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~
龙哥点评 论文创新性分数： ★★★★☆
本文发展了一种海森堡绘景下的张量网络形式化方法，将无碰撞高斯玻色采样的输出概率分解为相位不敏感贡献和干涉扇区层次结构，并利用该框架定量分析相位扩散对多体干涉的抑制效应。实验合理度： ★★★☆☆
现有材料未完整覆盖数据划分、基线公平性和统计显著性，因此按中性评价处理。学术研究价值： ★★★★☆
本文发展了一种海森堡绘景下的张量网络形式化方法，将无碰撞高斯玻色采样的输出概率分解为相位不敏感贡献和干涉扇区层次结构，并利用该框架定量分析相位扩散对多体干涉的抑制效应；更关键的是问题定义是否可复用到同类任务。稳定性： ★★★☆☆
现有材料未提供充分的极端条件、重复运行或扰动测试，稳定性暂按中性评价。适应性以及泛化能力： ★★★☆☆
现有材料未完整展示跨数据集、跨场景或分布外实验，泛化能力仍需进一步验证。硬件需求及成本： ★★★☆☆
现有材料缺少完整训练资源、参数量、显存和推理时延信息，成本暂按中性评价。复现难度： ★★★☆☆
现有材料未确认完整代码、配置、数据处理脚本和权重是否齐备，复现难度暂按中性评价。产品化成熟度： ★★★☆☆
论文验证以研究实验为主，真实部署中的时延、成本、维护和异常场景仍需补充验证。可能的问题： 1) 仅考虑碰撞自由情形；2) 相位噪声模型假设均匀Wiener过程，实际噪声可能更复杂；3) 缺乏实验验证。
[1] Hamilton C S, Kruse R, Sansoni L, et al. Gaussian boson sampling[J]. Physical Review Letters, 2017, 119(17): 170501. [2] Kruse R, Hamilton C S, Sansoni L, et al. Detailed study of gaussian boson sampling[J]. Physical Review A, 2019, 100(3): 032326. [3] Aaronson S, Arkhipov A. The computational complexity of linear optics[C]//Proceedings of the Forty-Third Annual ACM Symposium on Theory of Computing. 2011: 333-342. [4] Bulmer J F F, Bell B A, Chadwick R S, et al. The boundary for quantum advantage in gaussian boson sampling[J]. Science Advances, 2022, 8(4): eabl9236. [5] Cillufo D, Kost M, Lorenzoni N, et al. Heisenberg picture tensor network formalism for optical circuits[J]. Physical Review Research, 2026, 8(2): 023098. [6] Oh C, Liu M, Alexeev Y, et al. Classical algorithm for simulating experimental gaussian boson sampling[J]. Nature Physics, 2024, 20(9): 1461-1468. [7] Stefszky M, Luo K H, Eickmann J L, et al. Benchmarking gaussian and non-gaussian input states with a hybrid sampling platform[J]. arXiv preprint arXiv:2512.08433, 2025. [8] Cillufo D, Kost M, Plenio M B. Phase-noise induced many-body interference suppression in Gaussian Boson Sampling[J]. arXiv preprint arXiv:2608.31089, 2026. 量子干涉易碎，相位噪声无情，但龙哥读论文的粉丝群永远温暖稳定🌟 想和一群懂量子计算、懂AI、懂工程落地的小伙伴交流碰撞？
扫描下方二维码或者添加龙哥助手微信号加群 ：kangjinlonghelper。
一定要备注：研究方向+地点+学校/公司+昵称 （如 量子计算+上海+清华+龙哥），根据格式备注，可更快被通过且邀请进群。群里不仅有论文速递，还有各路大神陪你唠嗑，等你来！
*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击 "阅读原文"， 查看更多原论文细节哦！
