Google Willow Quantum-Prozessor übertrifft die Grenzen klassischer Strategien

Forscher von Google Quantum AI demonstrierten den Vorteil des Willow-Quantenprozessors gegenüber klassischen Strategien in mehreren experimentellen Aufgaben. Die Studienergebnisse wurden am 19. November 2026 in der wissenschaftlichen Zeitschrift Science veröffentlicht.
Im „Magic Square“-Spiel gewann der Prozessor 98,3 % der Runden, wobei das maximale Ergebnis einer klassischen Strategie 88,9 % betrug.
Wissenschaftler untersuchten die Quantenkontextualität – eine Eigenschaft von Quantensystemen, bei der das Ergebnis einer Messung davon abhängt, welche anderen kompatiblen Messungen gleichzeitig durchgeführt werden. Forscher betrachten dieses Phänomen als einen der möglichen Mechanismen, die den Vorteil von Quantenalgorithmen gegenüber klassischen bieten.
Willow gewann 98,3 % der Runden im Quantenspiel
Das Experiment verwendete das Mermin-Peres-Magic-Square-Spiel. Zwei Teilnehmer müssen eine 3 × 3 Tabelle mit den Zahlen +1 und −1 füllen.
Laut den Spielregeln muss das Produkt der Zahlen in der Zeile +1 und in der Spalte −1 ergeben. Darüber hinaus müssen die Werte an der Schnittstelle von Zeile und Spalte übereinstimmen. Nachdem sie die Aufgaben erhalten haben, dürfen die Teilnehmer keine Informationen austauschen.
Die beste klassische Strategie ermöglicht es, nicht mehr als acht von neun Runden zu gewinnen, oder etwa 88,9 %. Der Einsatz von Quantenverschränkung ermöglicht theoretisch das Erreichen von 100 %.
Das Google-Team führte das Experiment auf dem Willow-Prozessor mit vier Qubits durch, die zwei verschränkte Paare bildeten. Über 900.000 Runden erreichte das System eine Erfolgsquote von 98,3 %.
Zusätzlich testeten Forscher die Verletzung der Bell-Kochen-Specker-Ungleichung, die zur Untersuchung der Quantenkontextualität verwendet wird.
Der gemessene Indikator betrug 5,59, mit einem klassischen Limit von 4 und einem theoretischen Quantenmaximum von 6. Somit zeigte der Prozessor ein Ergebnis, das durch klassische Strategien unter den gegebenen Bedingungen nicht erreichbar ist.
Experimente auf 105 Qubits erweitert
Im nächsten Schritt testeten Forscher, ob der Vorteil von Quantenstrategien erhalten bleibt, wenn das System skaliert wird.
Dafür wurde ein Spiel basierend auf Greenberger-Horne-Zeilinger (GHZ)-Zuständen verwendet. Darin müssen mehrere Teilnehmer Aufgaben koordiniert beantworten, ohne Informationen auszutauschen.
Das Team erhöhte schrittweise die Anzahl der Teilnehmer auf 71, wobei ein Qubit pro Teilnehmer verwendet wurde. Laut den Ergebnissen von Google Quantum AI behielt der Prozessor bei allen getesteten Skalen einen Vorteil gegenüber klassischen Strategien.
Allerdings nahm die Erfolgsquote mit zunehmender Anzahl der Qubits aufgrund der Akkumulation von Quantenoperationsfehlern ab.
Separat untersuchten Wissenschaftler die Aufgabe, eine Verborgene Lineare Funktion (HLF) zu finden. Dafür wurden flache Quantenschaltkreise auf einem zweidimensionalen Qubit-Gitter verwendet.
Während des Experiments wurde das System auf 105 Qubits skaliert. Mit der maximalen Anzahl von Qubits lag die Wahrscheinlichkeit einer korrekten Antwort bei etwa 60 %.
Kontextualität könnte helfen, Quantenprozessoren genauer zu bewerten
Neben der Demonstration des Quantenvorteils bietet die Studie eine zusätzliche Möglichkeit, die Qualität der Rechenausrüstung zu testen.
Standardtests mit zufälligen Quantenschaltkreisen erkennen nicht immer kleine systematische Fehler. Experimente zur Kontextualität könnten empfindlicher auf solche Abweichungen reagieren, da sie die koordinierte Arbeit mehrerer Qubits erfordern.
Spiele mit mathematisch festgelegten Grenzen klassischer Strategien ermöglichen es, die Qualität von Quantenausrüstung zu bewerten, ohne die Rechengeschwindigkeit direkt mit herkömmlichen Computern zu vergleichen.
Die Studienergebnisse implizieren jedoch nicht, dass Willow alle Rechenaufgaben schneller als die besten klassischen Supercomputer ausführen kann. Der demonstrierte Vorteil bezieht sich auf spezifische Algorithmen und experimentelle Bedingungen.
Dennoch zeigt die Arbeit von Google Quantum AI, dass Quantenkontextualität in Systemen mit einer großen Anzahl von Qubits bestehen bleibt und zur Entwicklung neuer Methoden zur Bewertung von Quantenprozessoren verwendet werden kann.
Das Material dient ausschließlich zu Informationszwecken und stellt keinen finanziellen Rat oder Empfehlung dar.




