十次里留不了一次:谷歌把量子计算机最贵的燃料换了一条产线

一万次里错一次是什么概念?相当于连抛 14 次硬币,每一次都朝上,才会碰上一回。10 月 15 日,谷歌量子 AI 团队在《科学》杂志发表论文,宣布在 Willow 芯片上验证了"魔态培育"技术:制备出的 T 态逻辑保真度达到 99.99%,错误率相比未经培育的态降到约四十分之一。代价是,大约只有 8% 的尝试能通过…

目录
  1. ⛽ **为什么燃料比引擎还贵**
  2. 🌱 **培育的逻辑:像园艺,也像质检**
  3. 🧭 **它没解决什么**
  4. 🔍 **值得盯的三件事**

一万次里错一次是什么概念?相当于连抛 14 次硬币,每一次都朝上,才会碰上一回。10 月 15 日,谷歌量子 AI 团队在《科学》杂志发表论文,宣布在 Willow 芯片上验证了"魔态培育"技术:制备出的 T 态逻辑保真度达到 99.99%,错误率相比未经培育的态降到约四十分之一。代价是,大约只有 8% 的尝试能通过全部检查。十次里留不了一次,这就是精度的价签。

⛽ 为什么燃料比引擎还贵

要理解这个数字,先得知道魔态在量子计算里的位置。一台有用的量子计算机要能干两件事:一类是 Clifford 操作,在纠错码内部相对容易执行;另一类是非 Clifford 操作,比如 T 门,是让量子算法真正超越经典计算的关键,却很难在纠错码里直接做。补救办法是预先准备一种特殊的量子态,也就是魔态,用掉一个就换来一次 T 门。它是一次性消耗品,用掉即废,长程序跑多久,工厂就得开工多久。

学界从 2004 年起就知道这件事会昂贵。部分资源估算甚至认为,制造魔态可能占掉一台量子计算机九成以上的物理比特预算,留给真正计算的所剩无几。需要强调,这个数字是资源估算,不是在 Willow 上实测的分配比例。传统路线叫蒸馏,把多个带噪声的魔态反复提纯成更干净的,开销巨大。二十年来,学界一直在找更便宜的生产办法,进展缓慢。

🌱 培育的逻辑:像园艺,也像质检

2024 年,谷歌的 Craig Gidney、Noah Shutty 和 Cody Jones 在既有文献基础上提出了一个方案,思路受园艺启发:把制备过程本身变成一套过滤机制。先把一个带噪声的魔态注入芯片上一小块量子比特,然后执行一系列高度协同的测量,检测制备过程中的错误;没通过检查的尝试直接丢弃,通过的留下来"养大"成高纯度状态。这就是后选择:良品率是明码标价的成本,换来的才是保真度。

10 月 15 日的论文《Magic state cultivation on a superconducting quantum processor》第一次把这个方案搬上了真实硬件。Willow 是一块 105 个超导比特的方阵芯片,论文补充材料显示实验最多用到其中 54 个。结果分两半看:错误率相比未培育的基线降到约四十分之一,也就是从大约每 1000 份里 4 份是坏的,改善到大约每 10000 份里 1 份;存活下来的 T 态逻辑保真度为 99.99%,技术性写作里常写成 99.99(1)%,括弧里是不确定度。一万次里错一次,这是该领域当时公开报道的最高纪录。

论文里还有两个容易被标题党略过的细节。其一,团队把培育出来的态从距离 3 的色码转移进了距离 5 的表面码,这是一次容错的码间转移,等于把培养好的苗嫁接进更强的纠错码,验证了这条产线能和目标架构对接。其二,团队搭了一套自指计量协议,在系统漂移和低频测量噪声存在的情况下给保真度划出边界,避免把保真度吹大。为了让协议跑起来,团队还用强化学习做最后的校准:产生万分之一错误率的那次实验,数据采集前连续训练了约四个小时;校准把完整线路的逻辑错误概率和尝试保留比例各改善了约一个数量级。

🧭 它没解决什么

清晰的结果更需要清晰的边界。论文自己的收尾说得很保守:要服务实用化量子计算,仍需在更大规模的体系上验证。具体地讲,有三处没被这次实验覆盖。

第一,存储。据 The Quantum Insider 报道,论文里的存储测试产生的错误率比模拟预测高了约七倍。制备得干净和保存得住、用得上,是两个问题。

第二,与密码学的距离。部分报道把这次结果和"量子计算破密码"直接连线,需要冷水:破 RSA-2048 通常需要错误率接近百亿分之一量级,而 99.99% 对应的错误率是万分之一量级,中间还差着五六个数量级。Gidney 2025 年那个"百万级含噪比特可能破 RSA-2048"的估计,本身就把培育类技术当作前提假设之一;这次实验验证的是这个假设的一环,不是终点。

第三,规模。距离 5 的表面码是实验室尺度的码,不是一台能一边纠错一边跑化学计算或优化任务的机器。8% 的良品率乘以大规模计算的总需求,仍然是设计约束;培育把约束缩小了,没有移除。

把这次实验放到整条时间线上,它前进一步的位置很清楚:二十年前的估算说魔态可能吃掉九成算力,2024 年的论文说可以更便宜,2026 年 10 月的这块芯片说这条路真能走。距离能用它跑有用的计算,还隔着良品率、存储和规模三道门。

🔍 值得盯的三件事

把这件事放进行情里看,它的位置是一次扎实的台阶,不是一次跃迁。它第一次把 2024 年的理论论文变成了芯片上的事实;它给资源估算提供了一个真实支点,魔态更便宜,整机就可以更小;它还顺带展示了一个趋势:校准这种脏活,开始交给强化学习。接下来值得跟踪的信号有三个:良品率能否在后续实验中抬升,这是实用化的真正限速器;别的实验室能否独立复现同一保真度;以及存储测试那七倍差距,有没有被后续工作解释清楚。

信源与限定:论文《Magic state cultivation on a superconducting quantum processor》发表于《科学》2026-10-15,作者包括 Emma Rosenfeld 与 Craig Gidney;本文数字来自谷歌量子 AI 官方博客、The Quantum Insider、财联社与 IT 之家的报道,未核到论文与补充材料原文;"最多 54 个比特""存储测试错误率高约七倍""校准训练约四小时"来自补充材料的媒体转述;99.99(1)% 的括弧写法来自技术性转述;95% 算力占比为资源估算而非 Willow 实测;RSA 错误率量级对比为按公开报道口径的自行换算。

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(0)

暂无回复,登录后可参与讨论
合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens