Google Quantum AI 在 Willow 处理器上验证 magic state cultivation，错误率降低约 40 倍

Google Quantum AI 已示范性地打通了量子计算的一个关键瓶颈：我们证明了“魔法态培育”（magic state cultivation）在我们的 Willow 处理器上切实可行，与不使用它相比，误差降低了约 40 倍。这项今天发表在 Science 上的突破，是朝着将量子计算扩展到实用规模迈出的关键一步。

“魔法态”瓶颈

早在 2004 年，远在量子计算还只是一项工程实践之前，研究人员就已预见到一个格外棘手的瓶颈。

要实现“通用”量子计算并运行有用的程序，你需要能够运行（并进行纠错）一组特定的量子操作。你可以通过先创建所谓的“魔法态”来做到这一点——之所以这样命名，是因为它们能帮助你创建超越经典计算所需的操作。

但有一个问题：创建高质量的、经过纠错的魔法态极其耗费资源。一些估计表明，量子计算机全部能力的多达 95% 可能都需要专门用于制造它们——几乎没有留给实际计算的余地。另一个额外的挑战是，一旦你使用了一个魔法态，就无法再重复使用它，这使得魔法态成为一种稀缺资源。

因此，20 年来，研究人员一直在削减这种魔法态的代价，将其不断降低。

我们如何取得这一突破

2024 年，Google Quantum AI 的研究人员 Craig Gidney、Noah Shutty 和 Cody Jones 借鉴了文献中的一个想法，对其加以改进，并开发出我们现在称之为“魔法态培育”的方法。他们的方案有望带来特别大幅度的降低。其思路是，培育过程将起到过滤器的作用。你向量子芯片上的一个小区域注入一个含噪态，然后运行一系列高度协调的测量来检查错误并剔除任何有缺陷的尝试。Craig 及其团队展示了这如何让你培养或“培育”出一个异常纯净、低误差的量子态，同时你还可以将其适配成一种更大、有用的编码。

在纸面上，这看起来很棒。如果我们能让这个想法真正在我们量子硬件上运行，就能大幅缩小实际任务所需的量子计算机规模。

在实践中——与开发许多新技术一样——它需要一整套技术创新和工程攻关。

仅举一例，在首次测试培育协议时，Google Quantum AI 研究科学家 Emma Rosenfeld 看到的数据似乎违背了物理定律。经过数月困惑、模拟、与同事讨论以及一致性检查后，她发现这源于团队常用测量技术中的一个错误假设。具体来说，实验室中由电气设备漂移和温度变化引起的一种特定噪声，干扰了基准测试的有效性。解决方案要求我们在理论和工程方法上都做出转变。团队为系统增加了额外控制以减轻该噪声的影响，并发明了一种新的基准测试技术，通过将培育本身用作衡量自身的工具，更根本地解决了这个问题。

凭借这一成果以及更多算法创新和工程解决方案，我们在量子计量学领域建立了新的最先进水平。在 Google Quantum AI 的 Willow 处理器上，我们的协议实现了相对于未培育态高达 40 倍的错误率降低。我们获得的 T 态逻辑保真度达到了创纪录的 99.99%。

这项研究现已发表在 Science 上，首次展示了针对量子计算最严峻资源瓶颈之一的实用解决方案。它在真实硬件上证明，我们能够高效地创建这些至关重要的魔法态。

我们的发现与未来

我们还在证明 Craig 等人的理论与我们的量子计算架构兼容方面迈出了第一步。我们学会了如何在“颜色码”（一种较新的量子纠错类型，非常适合培育）和“表面码”（另一种更成熟的方法）之间成功切换，将态从距离 3 的颜色码嫁接到距离 5 的表面码上。这种嫁接协议最初在 2024 年的理论论文中提出，它表明在实践中，纯化后的态可以在我们的硬件内部顺利存活和转移。

当然，我们仍需在更大规模上展示魔法态培育，使其对实际量子计算具有现实意义，而且仍有大量技术挑战。但这一成就将一个关键理论构想转变为经过实验证明的现实。它让我们离 Google Quantum AI 的目标更近一步：构建一台有用的、具备纠错能力的量子计算机，以解决原本无法解决的问题。