Alphabet 旗下公司谷歌于 2026 年 10 月 15 日宣布，在其 Willow 量子处理器上进行的一项实验中，魔法态培育使错误减少约 40 倍。该公司为经过特殊制备的量子态实现了 99.99% 的逻辑保真度，解决的是资源瓶颈问题，并非证明量子计算机已具备商业应用条件。

要点

  • 错误减少适用于经过制备的量子态，并不代表整台计算机的准确度。
  • 这项技术有望减少执行有用量子计算所需的硬件资源。
  • 谷歌表示，仍需进行更大规模的演示和进一步的工程研发。

目录

魔法态培育取得的成果

谷歌量子人工智能团队的研究人员演示了一种制备高质量 T 态的方法。T 态是一种量子态，可实现通用量子计算所需的运算。其逻辑保真度达到 99.99%，衡量的是这些量子态与预期形式的接近程度。

谷歌关于 Willow 培育技术的公告称，与未经培育制备的量子态相比，错误减少了约 40 倍。该公司表示，相关研究于 10 月 15 日发表于《科学》（Science）。

这一成果的适用范围很重要：实验改进了量子计算的一个基础构件，但并未证明完整程序可以达到 99.99% 的准确度，也未表明该处理器已可用于商业应用。

项目详情
理论方法由 Craig Gidney、Noah Shutty 和 Cody Jones 于 2024 年提出。
起始纠错码距离为 3 的颜色码。
目标纠错码距离为 5 的表面码。

为何态制备会消耗大量资源

制备高质量、经过纠错的魔法态需要大量资源，而且每个态一经使用便无法重复利用。谷歌援引的估算显示，制备这些量子态可能占用量子计算机高达 95% 的处理能力，留给计算的资源相对较少。

培育过程起到筛选作用：研究人员将含噪量子态注入芯片的一小块区域，再通过协同测量检测错误并舍弃有缺陷的尝试。保留下来的量子态可以转换为更大规模的编码。

因此，更高效的制备方式有望降低执行实际任务所需量子计算机的规模。但这目前仍只是潜在优势，并非已经证实商业系统成本会因此下降。

硬件兼容性有所提升，但规模化能力尚未得到验证

研究团队还将培育后的量子态从一种纠错方法迁移至另一种方法，即从颜色码转换为表面码。这项测试用于验证经过纯化的量子态能否在谷歌计算架构内部的转换过程中保持稳定。

实验室噪声干扰了早期基准测试后，团队对控制系统和测量技术都进行了调整。谷歌表示，要让培育技术达到适用于实用量子计算的规模，仍面临重大的技术挑战。

结论

这一成果将培育技术从理论推进到硬件演示阶段。下一项技术里程碑是证明该方法能够在保持优势的同时实现规模化；谷歌没有给出实际部署的时间表。

阅读更多新闻

阅读更多 FinanceVelix 新闻

免责声明

本文由 FinanceVelix 提供，仅作一般信息参考，不构成个性化金融、投资、法律或税务建议。市场价格、利率和经济状况可能发生变化；投资存在亏损风险。文中事实反映发布时可获得的资料，且可能发生变化。请独立核实重要信息，并在需要时咨询合格的专业人士。提及任何资产、公司或服务均不构成推荐。