量子算法在补集采样任务中超越经典计算工具
英国Quantinuum与荷兰QuSoft的研究团队开发出一种新型量子算法，在解决特定采样任务——补集采样（complement sampling）中，其效率显著优于所有已知经典算法。该研究成果发表于《物理评论快报》（Physical Review Letters），首次在样本复杂性（sample complexity）维度上提供了可证明、可验证的量子优势。
研究团队指出，这一突破性发现源于另一研究项目中的偶然观察。共同作者Harry Buhrman表示，研究团队最初处理一组物品及其对应的两个量子态——一个由一半物品构成，另一个由剩余一半构成。尽管这两个量子态本质不同，但量子计算机在区分二者时存在困难。然而，团队意外发现，通过一个简单的操作即可轻松实现两个量子态之间的转换。
该成果表明，量子计算在特定采样任务中具备超越经典计算的内在能力，尤其在样本需求量上实现大幅降低。这一进展为量子计算在实际应用中的潜力提供了新的理论支撑，特别是在需要高效采样和状态转换的领域，如机器学习、优化和密码学。
研究团队计划进一步扩展该算法的应用范围，探索其在更复杂问题中的表现，并推动量子计算从理论走向实际部署。
编辑点评
这一研究标志着量子计算在特定任务中实现‘可验证量子优势’的重要一步。尽管此前已有量子优势的宣称，但大多依赖于特定硬件或可扩展性受限的实验。此次成果在‘样本复杂性’这一理论层面提供了严格证明，且不依赖于特定量子硬件架构，具有更强的普适性和理论价值。
从国际科技竞争角度看，该突破凸显了欧美在量子算法研发领域的持续领先。Quantinuum与QuSoft的跨国合作也反映出全球量子计算研究的协作趋势。中国在量子计算硬件领域虽有进展，但算法层面仍需加强基础理论创新。未来，类似算法可能被应用于金融建模、药物筛选、人工智能训练等高样本需求场景，对全球科技格局产生深远影响。
此成果虽非直接颠覆性应用，但为量子计算实用化铺平了道路。随着量子纠错和量子体积提升，这类算法有望在近期实现规模化应用。国际社会需关注量子算法与经典算法的交叉演进，以及由此引发的计算范式变革。