谷歌Willow处理器用魔态培育将量子计算误差降低40倍

魔态瓶颈 早在2004年，远在量子计算成为工程实践方向之前，研究人员就预判到一个棘手瓶颈。 想要实现 通用量子计算 、运行有实际价值的程序，就必须能够执行一组特定的量子操作。 实现方式是先制备所谓的“魔态”，该名称源于这类量子态能够生成超越经典计算所需的量子运算。 但这里存在一个难题：制备高质量、经过纠错的魔态极其消耗资源。 部分估算显示，量子计算机最多可能要动用95%的全部算力来生成魔态，留给实际计算的资源所剩无几。 还有一重难点：魔态一旦使用便无法复用，属于稀缺资源。

因此二十年来，科研人员一直在持续降低魔态制备的资源开销。 本次突破如何实现 2024年，谷歌量子AI研究员克雷格·吉德尼、诺亚·舒蒂与科迪·琼斯借鉴文献中的思路并加以优化，开发出现在所说的 魔态培育 技术。 该方案有望大幅削减资源消耗。 其核心思路是：培育过程如同过滤器。 向量子芯片的一小块区域注入带噪声的量子态，随后执行一系列高度协同的测量，排查错误、剔除不合格样本。 克雷格团队证明，借助这套方法，可以“培育”出纯度极高、低误差的量子态，并且能够同步转换为规模更大、具备实用价值的编码形式。

该方案在理论上效果优异。 如果能在量子硬件上落地，就可以大幅降低实用任务所需量子计算机的规模。 和许多新技术研发一样，工程落地需要一连串技术创新与工程攻关。 举一例：在首次测试培育协议时，谷歌量子AI研究员艾玛·罗森菲尔德观测到的数据看似违背物理规律。 历经数月的排查、仿真、同行研讨与一致性校验后，她发现问题源于团队常用测量方法里的错误假设。 具体来说，实验室电气设备漂移、温度波动带来的一类噪声，干扰了基准测试结果的有效性。 团队需要同步调整理论框架与工程方案。

研究团队为系统增加额外控制手段，削弱该噪声带来的影响； 还创新出一套基准测试方法，以培育技术本身作为测量工具，从根源解决该问题。 依托这项成果以及更多算法创新与工程方案，谷歌将量子计量技术推至全新顶尖水平。 在谷歌量子AI的Willow处理器上，这套协议相比未经过培育处理的量子态，实现高达40倍的误差压缩； 得到的T态逻辑保真度达到创纪录的99.99%。 该成果现已刊登在《科学》，首次实证解决量子计算最严重资源瓶颈之一的可行方案，在真实硬件上证明谷歌能够高效制备这一关键魔态。

研究发现与未来展望 谷歌还初步验证，克雷格等人提出的理论可以适配其的量子计算架构。 团队实现了“色码”（一种新型量子纠错码，非常适合魔态培育）与“表面码”（成熟度更高的纠错方案）之间的切换，将距离为3的色码量子态嫁接至距离为5的表面码。 这套嫁接协议最早出自2024年的理论论文，本次实验证实，经过纯化的量子态能够在硬件内稳定存续、平稳传递。