高斯玻色采样量子计算机的验证测试为含退相干目标下的量子优越性提供证据

计算验证对所有大规模量子计算机都至关重要。人们需要既快速又准确的计算机。在此，我们将精确、可扩展的高阶统计检验应用于声称实现量子计算优越性的大型高斯玻色采样（GBS）量子计算机的数据。这些检验可用于验证此类技术的输出结果。我们的方法允许同时研究准确性与量子优越性。此类问题此前尚未被详细研究。我们高度可扩展的技术也适用于线性玻色网络的其他应用。我们利用分组计数概率（GCP）的正P相空间模拟作为验证多模数据的指纹。由于采样误差低得多，这比其他相空间方法在指数级上更高效。我们从指数级数量的高阶分组计数检验中随机生成测试。其中每一项均可被高效测量与模拟，从而提供一种难以在经典上复现的量子验证方法。我们给出了理论与一项144通道GBS实验的详细对比，包括已测得最大阶数的分组关联。我们展示了如何证伪伪造数据，并将此方法应用于一种经典计数算法。评估分布保真度与计算复杂度有多种距离度量。我们计算并解释了这些度量。与数据最契合的是一个部分热化的高斯模型，它既非理想情形，也非给出经典可计算计数的模型。即便使用该模型，某些$\chi^2$检验仍观察到$Z>100$的偏差，表明可能存在参数估计误差。总计数分布远比经典模型更接近热化量子模型，为修正目标问题下的量子计算优越性提供了相符的证据。