谷歌攻克量子纠错关键瓶颈 错误率降40倍

谷歌10月15日在官方博客宣布，其量子AI团队在Willow量子处理器上首次实证了“魔态培育”（Magic State Cultivation）技术的实用可行性：与未经培育的量子态相比，错误率降低约40倍，制备出的T态逻辑保真度达到99.99％的历史纪录。相关成果当天发表于《科学》杂志，博客由研究科学家Emma Rosenfeld与量子软件工程师Craig Gidney署名。

先说这个瓶颈有多贵。通用量子计算机要运行实用程序，除了相对容易纠错的一类基础操作外，还必须执行少数几类极难纠错的关键操作，通常要靠预先制备的“魔态”来实现。麻烦在于，高质量魔态的制备极其消耗资源——部分研究估计，一台量子计算机可能要拿出高达95％的算力专门生产魔态，真正留给计算的资源所剩无几；而且魔态一次性消耗、用完即弃。学界为压低这笔“魔态账单”已经摸索了约20年。

“培育”思路由谷歌量子AI研究员Craig Gidney、Noah Shutty与Cody Jones在2024年提出，原理像一个量子过滤器：把带噪声的量子态注入芯片上一小块区域，再执行一套高度协同的测量，把出错的尝试逐一剔除，最终“养”出纯度极高、错误率极低的量子态，同时还能适配进更大规模的纠错编码。论文摘要显示，这一过程只保留约8％的尝试，但留下来的都是精品。

落地过程一波三折。Rosenfeld最初测出的数据“仿佛违反物理定律”，排查数月后发现，问题出在团队惯用测量方法的一个错误假设上：实验室里电气设备漂移和温度变化带来的噪声干扰了基准测试的有效性。团队一边给系统增加控制来压制噪声，一边发明了一种让培育过程“自测”的新基准技术，才算彻底翻篇。

团队还迈出了架构兼容的第一步：在硬件上完成了从距离3的color code到距离5的surface code的“状态嫁接”，证明提纯后的量子态可以在两种主流纠错方案之间平滑转移——color code适合培育，surface code则是更成熟的路线。

谷歌把这一成果称为“量子计算最严重资源瓶颈的首个实用化解决方案演示”，同时也明确泼了冷水：魔态培育还需要在更大规模的系统上验证，距离实用的容错量子计算仍有大量工程挑战。如果后续放大成功，它将直接压缩实用量子计算机所需的硬件规模——这也是各家追逐了二十年的目标。

编译自 Google 官方博客，原标题：“Bringing the magic: Google breaks open a bottleneck in quantum computing”