Alphabet 旗下公司於 2026 年 10 月 15 日宣布，在 Google Willow 量子處理器的一項實驗中，魔法態培育使錯誤減少約 40 倍。該公司為經過特殊準備的量子態達到 99.99% 的邏輯保真度，解決的是資源瓶頸，而非展示一台已可投入商用的量子電腦。
重點摘要
- 錯誤減少適用於經過準備的量子態，並非整台電腦的準確度。
- 這項技術可能降低實用量子計算所需的硬體資源。
- Google 表示，仍須進行更大規模的示範與進一步工程工作。
目錄
魔法態培育的成果
Google Quantum AI 研究人員展示了一種製備高品質 T 態的方法。T 態是一種量子態，可支援通用量子運算所需的操作。他們達到的 99.99% 邏輯保真度，衡量這些量子態與預期形式的吻合程度。
Google 關於 Willow 培育技術的公告指出，相較於未經培育製備的量子態，錯誤減少約 40 倍。該公司表示，這項研究於 10 月 15 日刊登於《Science》期刊。
這項成果的適用範圍值得注意：實驗改善的是量子計算的一項基本構件。它並未證明完整程式能以 99.99% 的準確度執行，也不代表該處理器已可用於商業應用。
| 項目 | 詳情 |
|---|---|
| 理論方法 | 由 Craig Gidney、Noah Shutty 和 Cody Jones 於 2024 年提出。 |
| 起始錯誤更正碼 | 距離 3 的色碼。 |
| 目標錯誤更正碼 | 距離 5 的表面碼。 |
為何態準備需要消耗大量資源
製備高品質、經錯誤更正的魔法態需要大量資源，而且每個量子態一經使用便無法重複利用。Google 引述的估算指出，準備這些量子態可能占用量子電腦高達 95% 的運算容量，留給計算的資源相對有限。
培育過程如同一種篩選器：研究人員將含有雜訊的量子態注入晶片的一小塊區域，再透過協調進行的測量偵測錯誤，並捨棄有缺陷的嘗試。保留下來的量子態可進一步轉換為更大型的編碼。
因此，更有效率的準備方式可能降低實用量子任務所需的量子電腦規模。這仍是潛在效益，並非已證明能降低商用系統成本。
硬體相容性提升，但規模化能力仍未獲證實
研究團隊也在兩種錯誤更正方法之間轉移培育後的量子態，從色碼轉換至表面碼。這項測試檢驗經純化的量子態能否在 Google 的運算架構內完成轉換。
實驗室雜訊干擾先前的基準測試後，團隊對控制系統與測量技術都進行了調整。Google 表示，在培育技術能以適用於實用量子運算的規模運作之前，仍有重大技術挑戰待克服。
結論
這項成果將培育技術從理論推進至硬體示範。下一項技術里程碑，是證明此方法能在維持優勢的同時擴大規模；Google 未提供實際部署的時間表。
閱讀更多新聞
免責聲明
本文由 FinanceVelix 提供一般資訊，不構成個人化的財務、投資、法律或稅務建議。市場價格、利率和經濟環境可能變動；投資具有損失風險。文中事實反映發布時可取得的資料，且可能有所變動。請自行核實重要資訊，並於需要時諮詢合格專業人士。提及任何資產、公司或服務，均不代表對其背書。
