Google Quantum AI продемонстрировал квантовую контекстуальность на процессоре Willow

Квантовый процессор Willow от Google Quantum AI продемонстрировал квантовую контекстуальность в масштабе до 105 кубитов, выиграв классически нерешаемую игру с результатом 98,3 процента.

Исследование было опубликовано на обложке журнала Science 19 ноября 2026 года.

Ученые использовали сверхпроводящий процессор Willow для проверки свойства контекстуальности, которое, согласно теории, позволяет квантовым алгоритмам превосходить классические вычисления.

В эксперименте исследователи применили головоломку «магический квадрат» Мермина — Переса.

Двое участников заполняют сетку размером три на три ячейки единицами и минус единицами так, чтобы произведение строк равнялось плюс единице, а столбцов — минус единице.

Классические стратегии позволяют выиграть такую игру лишь в 88,89 процента случаев, поскольку в рамках классической логики невозможно одновременно удовлетворить оба условия для всей таблицы.

«Их ответы не ищутся в заранее написанной скрытой таблице — такой таблицы не существует», — объяснили Шашват Кумар и Родриго Кортиньяс, научные сотрудники Google Quantum AI в публикации на блоге Google Research.

Разница объясняется квантовой контекстуальностью, при которой результат измерения не может быть задан независимо от того, какие именно сопутствующие измерения выполняются одновременно.

Для количественной оценки контекстуальности исследователи задействовали неравенство Белла — Кохена — Шпекера.

Google Quantum AI продемонстрировал квантовую контекстуальность на процессоре Willow
Фото: XenoSpectrum

На двух кубитах данных и одном вспомогательном кубите процессор зафиксировал значение χKSB, равное 5,590, что превышает классический предел в 4,0 и приближается к теоретическому максимуму, равному 6,0, согласно данным Quantum Computing Report.

Read more:  Что лучше: тяжелые веса или большое количество повторений?

При тестировании систем большего размера команда задействовала игру на паритет GHZ с числом участников до 71 кубита.

Квантовый показатель побед оставался выше классического порога на всех проверенных масштабах системы, хотя преимущество сокращалось по мере роста уровня шума в оборудовании, отмечают авторы в материале Unite.AI.

В ходе экспериментов с двумерными задачами скрытых линейных функций исследователи применили схемы на сетках размером до 105 кубитов.

Как пишет Interesting Engineering, эти структурированные задачи позволяют выявлять тонкие аппаратные ошибки, которые могут оставаться незамеченными при стандартных тестах с использованием случайных квантовых цепей.

Продолжение темы