量子计算机有望提供巨大的计算能力，它能解决经典计算机无法解决的问题。可以开发出量子计算的硬件平台有很多，但尚不清楚哪种技术或技术组合将被证明是最成功的。目前处于领先位置的是基于超导电路和捕获离子技术方案。另一种基于光子学的方法通常被认为是不切实际的，因为难以生成所需的量子态或转换此类态。但这种方法可能成为量子计算的一匹黑马。

近日，Arrazola等人在《自然》杂志撰文，报告了他们研发的一种可编程和可扩展的光子电路，并在该平台上演示了三种量子算法。值得一提的是，该组科研人员在氮化硅芯片上实现了其光子电路，这种量子芯片能与半导体行业现在使用的制造工艺兼容。

根据量子理论，光子任何状态的振幅和相位都不可避免的存在不确定性（相位指定光波处在震荡周期的哪个阶段）。如果这种量子不确定性在振幅和相位之间不均匀的分布，则称该状态为压缩状态。压缩的状态越多，包含的光子也就越多。科学家已经在很多量子光学实验中发现了这种压缩态，而根据这种状态研发的量子计算模型已经存在至少二十年了。然而由于量子的不确定性，基于该模型的量子计算机是否可行受到了许多质疑。

最近几年，这种怀疑开始消失。很明显，一个相对简单的光路仅基于压缩光、分束器（将光束分成两部分的设备）和光子计数器。可以用它执行采样算法（一种对数据进行随机采样的过程），其速度远远超越了经典计算机。而且还发现这种算法有许多实际用途。例如，它在模拟分子之间的过渡并找到两个分子的匹配构型时很有用（这个过程被称为分子对接）。

在用于实现该量子采样算法的计算体系机构中产生了压缩态的光，并将其发射到由多个光路和分束器组成的光网络中（图1）。压缩态在分束器中相遇时会混合在一起，由于存在一种称为干涉的量子效应结果，所有的压缩态都以取决于光路的相对长度（亦被称为相对相位）的方式完全扰乱。最后使用高度灵敏的检测器计算量子电路中输出的加扰状态下的光子数量。

该量子实验提供了获得特定数据样本的测量结果。使用经典计算机获取此类样本所需的时间与输入压缩态的光数量成指数级比例增长（当此数值很高时，用经典计算机将耗时数十亿年）。相比之下，量子电路可以在几分之一秒内产生一个数据样本，这无疑证明了所谓的量子优势。

除了用于证明量子优势的采样算法外，Arrazola及其同事还研发了两种实用性更高的算法：一种能确定分子状态之间跃迁的能谱；另一种能找到代表不同分子数学图之间的相似性。作者通过将特定问题编码为压缩态和分束器网络，然后使用生成的样本来估计分子光谱或对图进行分类，这无疑是实现了一次壮举。

尽管如此，在量子采样算法发挥其全部潜能并在实际应用中变得有用之前，仍有一些障碍需要克服。例如，必须显著改善压缩状态的质量，并且对于某些应用必须分别控制压缩程度和每个压缩状态下的光功率。此外，为了扩大系统规模需要减少光子损耗，否则光子将无法通过电路。（编译/Rainet）