Google 宣佈，其量子人工智能團隊成功打通量子計算的一項關鍵瓶頸：已在 Willow 處理器上實證「魔態培育」方案可行，相比不採用該技術，誤差降低約 40 倍。這項突破性成果今日發表於《科學》期刊，是推動量子計算走向規模化實用化的關鍵一步。
Google 量子人工智能團隊成功實證魔態培育技術的可行性
早在 2004 年，研究人員就預判到一個棘手瓶頸。想要實現通用量子計算、運行有實際價值的程序，就必須能夠執行一組特定的量子操作。實現方式是先制備所謂的「魔態」，該名稱源於這類量子態能夠生成超越經典計算所需的量子運算。但這裡存在一個難題：制備高質量、經過糾錯的魔態極其消耗資源。部分估算顯示，量子計算機最多可能要動用 95% 的全部算力來生成魔態，留給實際計算的資源所剩無幾。
此外，魔態一旦使用便無法復用，屬於稀缺資源。因此，科研人員一直在持續降低魔態制備的資源開銷。
2024 年， Google 量子 AI 研究員克雷格·吉德尼、諾亞·舒蒂與科迪·瓊斯借鑒文獻中的思路並加以優化，開發出現在所說的魔態培育技術。該方案有望大幅削減資源消耗，其核心思路如同過濾器。向量子晶片的一小塊區域注入帶噪聲的量子態，隨後執行一系列高度協同的測量，排查錯誤、剔除不合格樣本。克雷格團隊證明，藉助這套方法，可以「培育」出純度極高、低誤差的量子態，並且能夠同步轉換為規模更大、具備實用價值的編碼形式。
如果能在量子硬件上落地，就可以大幅降低實用任務所需量子計算機的規模。
在首次測試培育協議時， Google 量子 AI 研究員艾瑪·羅森菲爾德觀測到的數據看似違揹物理規律。經過數月的排查、仿真、同行研討與一致性校驗後，她發現問題源於團隊常用測量方法中的錯誤假設。具體來說，實驗室電氣設備漂移、溫度波動帶來的一類噪聲，幹擾了基準測試結果的有效性。團隊需要同步調整理論框架與工程方案，為系統增加額外控制手段，削弱該噪聲帶來的影響，還創新出一套基準測試方法，以培育技術本身作為測量工具，從根源解決該問題。
依託這項成果及更多算法創新與工程方案， Google 將量子計量技術推至全新頂尖水平。在 Google 量子 AI 的 Willow 處理器上，這套協議相比未經過培育處理的量子態，實現高達 40 倍的誤差壓縮；得到的 T 態邏輯保真度達到創紀錄的 99.99%。該成果現已刊登在《科學》，首次實證解決量子計算最嚴重資源瓶頸之一的可行方案，在真實硬件上證明 Google 能夠高效制備這一關鍵魔態。
Google 還初步驗證，克雷格等人提出的理論可以適配其量子計算架構。團隊實現了「色碼」（一種新型量子糾錯碼，非常適合魔態培育）與「表面碼」（成熟度更高的糾錯方案）之間的切換，將距離為 3 的色碼量子態嫁接至距離為 5 的表面碼。這套嫁接協議最早出自 2024 年的理論論文，本次實驗證實，經過純化的量子態能夠在硬件內穩定存續、平穩傳遞。
