博客文章 - 爱游戏体育网页版

如果《黑客帝国》里的机器真实存在，它们或许会面临一个现实的困扰：算力尚未真正运转，就得先耗费大量资源来准备自己的「燃料」。

这听起来有些不可思议，但恰恰是未来量子计算机可能遭遇的困境。

近期，Google Quantum AI 在《Science》期刊上发表了论文《Magic state cultivation on a superconducting quantum processor》，宣布在真实量子处理器 Willow 上首次实现了Magic State Cultivation（魔态培育）。

这项技术针对的是量子计算中一种昂贵的特殊「燃料」——魔态。

带有魔法的「魔态」

别被这个名称吓到。

MagicState（魔态）并非什么神秘之物，在量子计算领域，它指的是具备特殊量子资源的一类量子态。

如果把量子计算机比作工厂，普通量子纠错操作就像是相对成熟的基础设备，而魔态则是一种昂贵、稀缺但不可或缺的特殊耗材。

它并非用于所有计算，却是量子计算机迈向通用、容错计算的关键资源之一。

早在2004年，研究人员就已认识到，要让量子计算机进行通用计算，必须拥有高质量的非Clifford量子资源。

魔态蒸馏 (MagicStateDistillation) 是过去二十年中用于解决这一问题的方法。

它所采用的方法与思路和「提纯」类似。

先准备一些质量较低的魔态，然后通过量子纠错、测量和筛选过程去除其中的错误部分，最终得到数量较少但质量更高的魔态。

这与酿造葡萄酒的过程相似。

如果初始葡萄品质参差不齐，就需要经过发酵、过滤、检测和提纯等一系列工序，去除不符合要求的部分。但在量子计算机中，每一次「过滤」操作都并非免费。

一些资源估算甚至认为，未来容错量子计算机可能需要将高达95%的计算容量用于魔态生产。

这意味着量子计算机将处于一种尴尬境地：机器消耗的大部分资源并非直接用于解决实际问题，而是用于产生解决这些问题所需的能源。

而且魔态是一种消耗品。一旦它被用于实现相应的非Clifford操作，就无法像普通量子比特那样被重复使用。

过去二十年里，研究人员一直在努力降低「魔态税」，而这次谷歌找到了另一种方式。

把「种子」培育壮大

这次谷歌并未提出新的量子纠错技术，而是将此前仅存在于理论或模拟中的想法首次应用到了真实量子芯片上。

这种方法被称为MagicState Cultivation（魔态培育）。

2024年，CraigGidney、NoahShutty 和 CodyJones 已在理论上提出了这一概念。

传统的魔态蒸馏是不断对一批批原料进行提炼，而魔态培育则是挑选一颗优质种子后慢慢培育。

研究人员首先创建存在一定概率错误的T态，并将其放入精心设计的量子纠错区域中。在此期间，周围的量子比特会被持续用于测量。

发现错误后将其消除，并在检查后继续推进。纠错编码不断扩展，剩余状态逐渐变得更加可靠。到2024年，理论研究已使用状态矢量模拟、稳定子模拟、错误枚举和Monte Carlo等方法进行资源估算。

魔态培育的真正改变，并非简单堆砌更多量子比特，而是设法让相同数量的量子比特执行更多有效计算。

谷歌这次是首次在Willow量子处理器上真正实现了这套方案。

所使用的处理器是谷歌生产的Willow处理器。研究人员在芯片上一个小区域注入了带有噪声的量子态，并通过大量高度同步化的测量来识别并消除这些错误。

最终保留的T态逻辑保真度达到99.99%，错误率比未经训练时降低了40多倍，实验后仅保留了约8%的尝试。

99.99%的逻辑保真度意味着经过一系列纠错后，量子资源已非常接近理想状态，可作为未来容错量子计算的可靠组件。

如果魔态培育最终能实现规模化，它节省的将不是一个实验指标，而是一大片原本被纠错操作占据的计算空间。

谷歌还完成了从Color Code到Surface Code的编码转换，并将一个distance-3的Color Code中的量子态转移到了distance-5的Surface Code上。

这里的distance可粗略理解为量子纠错编码对错误的抵抗能力。通常，编码距离越大，错误防护能力越强，但也会消耗更多物理量子比特和操作资源。

谷歌的方法是使用Color Code来培育魔态，再通过code switching将培育好的量子态接入Surface Code。

一种此前仅存在于理论中的低成本制造高质量魔态的方法，首次在真实量子芯片上得到了验证。

与产业之间的距离

先别急着兴奋。

这项成果要从实验室走向产业应用，还有很长的路要走。

Google Quantum AI 负责人 Hartmut Neven 在之前的预测中表示，未来五年内将看到真正的商业量子计算应用，并特别提到了药物研发、电池和新能源材料等领域。谷歌也将化学、药物发现、优化和密码学视为量子计算的重要潜在应用领域。

谷歌已与制药公司 Boehringer Ingelheim 合作，尝试使用量子计算模拟人体内的重要酶类Cytochrome P450。该酶影响药物在人体内的代谢过程，研究表明未来容错量子计算机有望以更高精度处理P450的关键电子结构问题。

Google Quantum AI 负责人 Hartmut Neven 对此相当乐观。他在2025年接受路透社采访时表示，谷歌希望在未来五年看到「只有量子计算机才能实现」的实际应用，并点名了新药、先进电池和新能源。

但在人工智能领域，量子计算的应用距离普通人的日常生活，可能比今天的生成式AI要远得多。短期内你不会因Magic State Cultivation的突破，就发现GPT或Gemini突然快了一倍。

它所能改变的更深层次的东西，是降低未来容错量子计算机运行的成本，包括解决一些传统计算机难以处理的问题，如复杂量子系统模拟、材料与化学问题以及组合优化问题等。

这也是为什么人工智能行业对算力需求越高，大家对量子计算关注越多。

NVIDIA CEO Jensen Huang 对实用化量子计算的未来应用持谨慎态度，认为可能需要等待15-30年才能实现。

至于这条路要走多久，目前还没有确定的答案。

本文来自微信公众号“APPSO”，作者：发现明日产品的APPSO，36氪经授权发布。