Google量子計算取得突破：錯誤率降低40倍，攻克關鍵資源瓶頸

Google量子AI團隊在量子運算領域取得關鍵進展，有望大幅削減構建實用量子系統所需的硬體成本。

相關研究週四發表於《科學》雜誌。Google在其Willow處理器上驗證了一種名為「魔態培育」（magic state cultivation）的技術，將量子錯誤率降低約40倍，T態邏輯保真度達到99.99%。這是迄今為止該領域的最高紀錄。

魔態生產長期被視為量子運算規模化的核心瓶頸——據估計，量子電腦高達95%的算力可能需要專門用於生成魔態，真正用於計算的資源極為有限。

此次突破若能成功擴展，將大幅壓縮構建容錯量子系統所需的硬體規模，對量子運算商業化路徑具有重要意義。

Google同時表示，仍需在更大規模上驗證該技術的可行性，距離實用化量子運算仍有相當距離。

截至發稿，Google股價週四上漲0.24%。

魔態是實現「通用」量子運算的關鍵要素。量子處理器若要執行超越傳統電腦的複雜運算，須依賴魔態來生成所需的量子操作組合。然而，魔態一經使用便無法重複利用，使其成為稀缺資源。

更大的挑戰在於生產成本。部分研究估算顯示，量子電腦可能需要將高達95%的總算力用於魔態生產，留給實際計算任務的資源極為匱乏。

這一瓶頸自2004年便已被研究人員預見，此後二十年間，學界持續探索降低魔態生產成本的方法，但進展遲緩。

2024年，Google量子AI研究人員Craig Gidney、Noah Shutty與Cody Jones在既有文獻基礎上提出了魔態培育方案。

其核心思路是將魔態生產過程設計為一套過濾機制：將含雜訊的量子態注入晶片上的一個小區域，隨後通過一系列高度協調的測量操作檢測並剔除存在缺陷的嘗試，從而「培育」出高純度、低錯誤率的量子態，並同步將其編碼為更大規模的可用形式。

然而，從理論到硬體實現並非一帆風順。研究科學家Emma Rosenfeld在初期測試中持續獲得「似乎違背物理定律」的數據。

經過數月排查，團隊發現問題根源在於測量基準技術中的一個錯誤假設——實驗室內電氣設備漂移和溫度變化產生的雜訊干擾了基準測試的有效性。

為此，團隊不僅對系統增加了額外控制以壓制雜訊影響，還發明了一種新的基準測試技術，以培育過程本身作為自我校準的工具。

在Willow處理器上，上述方案最終實現了相較於未經培育的量子態約40倍的錯誤率降低，T態邏輯保真度達到99.99%，刷新該領域紀錄。

Google團隊還完成了另一項重要演示：驗證培育所得的魔態可在兩種不同量子糾錯方案之間順利轉移——具體而言，是將量子態從距離-3色碼（color code，適合培育操作的較新糾錯方法）移植至距離-5表面碼（surface code，更為成熟的糾錯方法）。

這一「嫁接」操作證明，純化後的量子態能夠在硬體內部穩定存活並順利轉移，為魔態培育技術融入Google現有量子運算架構鋪平了道路。