Google 攻克量子計算 20 年瓶頸：Willow 晶片實現魔術態培育，誤差直降 40 倍

想像一下，你花巨資造了一臺超級計算機，結果開機後 95% 的算力都必須用來給自己擦桌子、理零件，真正留給算業務的資源只剩 5%。換誰都會覺得這機器根本沒法用。

但這恰恰是量子計算領域過去二十年最憋屈的現實。10 月 15 日，Google Quantum AI 在《Science》發表論文，宣佈在自家的 Willow 晶片上跑通了「魔術態培育」技術。這項突破把誤差降低了整整 40 倍，邏輯保真度衝到 99.99%，直接撕開了這個卡了行業二十年的瓶頸。

偷走 95% 算力的魔術態

要讓量子計算機超越經典算力、執行真正有用的複雜演算法，就必須製備一類特殊的量子狀態，業內管它叫「魔術態」（magic states）。沒有它，所謂的通用量子計算就無從談起。

問題在於，魔術態極其脆弱，而且是一次性的，用完就報廢。更要命的是，為了在滿是噪聲的物理硬體上提純出能用的容錯魔術態，機器得付出極度誇張的代價值。

早在 2004 年學者們就預警過，製備這些狀態可能會吃掉整臺量子計算機 95% 的容量。換句話說，晶片上密密麻麻的量子位元，絕大部分都在打輔助，根本沒空算真正的程式。

過去二十年，大家都在拼命想辦法把這個成本降下來，但大部分方案都只停留在紙面推演上。

在硬體上洗出一個純淨態

Google 團隊這次走通的路徑，源於研究人員 Craig Gidney、Noah Shutty 和 Cody Jones 在 2024 年提出的理論方案。簡單來說，魔術態培育就像一層極其精密的過濾網。

他們先在一個區域性區域注入帶有噪聲的不完美量子態，隨後通過一系列精密配合的連續測量，揪出錯誤並剔除有瑕疵的半成品。這樣一來，系統就像培育晶體一樣，一點點「培育」出極其純淨、低誤差的量子態。

但在真實硬體上操作遠比紙面推導兇險。實驗初期，研究科學家 Emma Rosenfeld 測出的資料甚至違反了物理定律。排查了幾個月才發現，根本不是理論錯了，而是實驗室儀器的電氣漂移和環境溫差引入了微小噪聲，帶偏了測量基準。

團隊最終加裝了額外的系統控制來壓制噪聲，並順手發明了一種讓培育過程自我校準的全新測量技術。在 Willow 晶片上，他們最終把 T 態的邏輯保真度拉到了 99.99%。更難得的是，團隊還在真實硬體上成功完成了色碼（color codes）與表面碼（surface codes）之間的平滑切換，把純化後的狀態完整轉移了過去。

為什麼重要

我們認為，這項成果最關鍵的價值，在於把量子糾錯從「算力黑洞」拉回了工程可用的現實軌道。

此前行業裡常說量子計算機需要數百萬個物理量子位元才能產生實用價值，其中絕大多數冗餘就是在為魔術態買單。Google 這次用實測證明，物理層面的演算法最佳化完全可以大幅壓榨提純成本。這意味著，未來製造實用級容錯量子計算機所需的晶片規模和硬體門檻，很可能會比行業原本預期的要小得多、便宜得多。

對整個行業來說，這也是超導量子路線對其他競品的一次有力反擊。在離子阱、光量子和中性原子等方案不斷追趕糾錯能力的關口，Google 證明了自己在超導晶片上的系統級工程與底層糾錯結合得有多深。從理論提出、排除物理漂移噪音，到在 Willow 真實晶片上完成跨編碼移植，整套工程鏈路的閉環能力相當紮實。

不過，我們看起來距離真正的商業化計算依然有路要走。雖然 40 倍的誤差縮減和 99.99% 的保真度足夠驚豔，但這依然是在小規模區域完成的原型驗證。如何把這種培育機制大規模並行化，在成千上萬個邏輯位元協同運轉時不崩盤，依然是擺在所有人面前的硬仗。