谷歌将量子魔法态误差降低40倍，扫除关键障碍

没人谈论的资源瓶颈

量子计算机之所以失败，并非因为它做不了数学运算。它的失败在于：维持复杂计算所需的脆弱量子态，会吞噬掉大部分算力预算——根据谷歌自己的估算，这个比例高达 95%。

这种额外开销，就是每项实用量子算法背后隐藏的税。3 月 15 日，谷歌宣布他们找到了一种大幅削减这项税收的方法，至少在某一关键操作类别中如此。这一发现并没有一夜之间改写量子纠错的规则。但它证明了一项只在纸面上存在的技术，能够在真实、有噪声的硬件平台上存活下来。

魔法态是最昂贵的消耗品

量子纠错将多个物理量子比特捆绑在一起以保护信息。但仅靠这套框架，无法执行计算机所需的所有逻辑操作。标准纠错码所提供的逻辑门集合是有限的。要实现通用量子计算——也就是肖尔算法、分子键模拟、大规模物流优化等所必需的那种计算——你需要一种叫做"魔法态"的东西，具体来说是 T 态，将其注入到纠错电路中。

问题在于：魔法态是消耗品。你用掉一个，它就消失了。然后你必须再创建一个，而创建过程是有噪声的。传统方法——被称为"蒸馏"——收集多个容易出错的魔法态，将它们整合成数量更少、保真度更高的态。这种方法有效，但极其浪费。蒸馏可能需要数百甚至数千个物理量子比特，专门用于生产足以维持单个算法所需的魔法态。这实际上相当于建造一座以高昂开销产出电力的工厂。

培育而非蒸馏

谷歌的新技术——魔法态培育——翻转了这一逻辑。研究团队不再对多个有缺陷的态进行分组碰运气，而是逐步改进单个态，一旦发现错误就立即丢弃该尝试。这本质上是一种在错误累积之前更干净的清除方式。该方法依赖于自适应反馈——测量中间综合征，并实时判断是继续优化还是中止并重新开始。

在 Willow——谷歌定制的量子处理器上，与蒸馏基准相比，该方法将生成的魔法态的错误率降低了约 40 倍。对于 T 态而言，保真度达到了 99.99%。这些数据并非无关紧要。换个角度看，许多早期演示在最好的情况下也只能勉强达到 99% 以上的水平。对一个可消耗态——在一次真实计算中需要重复产生数千次的态——达到四个 9 的水平，是在通向容错道路上的一个有意义的进展。

关键是，这不是声称整个量子计算机的精度提升了 40 倍。这是对机器内部资源消耗最密集的子程序之一的声明。让这个子程序正确运作，才是其他部分成为可行的前提。如果你无法廉价地生产魔法态，那么无论你底层量子比特有多优秀，都无法运行长时间的计算算法。

超越实验室的意义

更广泛的意义在于时机。培育概念的提出可以追溯到 2024 年的理论工作，但在如今之前，尚无人能在真实硬件上演示它。量子纠错领域的理论和实验往往相距甚远——一条曾吞噬众多有前景想法后才抵达芯片的鸿沟。每年的论文提案层出不穷。能够从模拟跨越到超导电路的寥寥无几。Willow 至少为其中一项重要技术填平了这道鸿沟。

对于期待量子优势的行业而言，其影响是渐进但切实的。药物发现、材料科学以及某类优化问题，都依赖于魔法态所支持的容错电路。每消除一个百分点的额外开销，就意味着每秒能进行更多有用运算，从而推动实用计算的边界前移。这种节省是乘法式的，而非加法——更便宜的魔法态发生器会减少所有依赖它的算法的额外开销，在整个技术栈中产生复利效应。

密码学则是另一回事。没有任何单一的纠错进展能够威胁现有加密体系。但资源的节省在不断累积，每一次进步都将肖尔算法推向更贴近现实——足以在经济上可行地破解当前使用的 RSA 密钥。美国国家标准与技术研究院已经启动了后量子密码标准化进程。如果 Willow 这类硬件持续兑现理论模型所勾勒的愿景，那么这场迁移的时间线将会放缓。

8% 的壁垒

数据同时也暴露出这项工作仍有漫长的路要走。在严格的实验运行中，仅有约 8% 的培育尝试通过了错误检测阈值。这意味着 92% 的投入付诸东流——即便以量子计算的标准来衡量，这也是一个相当苛刻的良率。设想一下实际场景：如果一个有用算法需要一百万个 T 态，而每个 T 态仅有 8% 的成功概率，那么这台机器在其整个生命周期中，绝大部分时间都花在丢弃和重试的循环上。

当团队将培育出的态转移到其他纠错结构时，还出现了额外的错误——这是任何真实计算所必需的步骤。不同编码之间的态转移会引入自身特有的噪声模式。培育回路假设输出能够干净地进入下一阶段。目前来看，这一假设正在侵蚀保真度。这些转移错误是一个二阶问题——它们并未否定这一突破，但限制了其当今的实用价值。

换句话说，这项技术确实有效。它只是还不够高效，尚未达到可规模化的程度。

次级效应与竞争格局

这一成果的涟漪效应，不仅限于谷歌自身的路线图。IBM、IonQ、Rigetti 和 Quantinuum 都在同一片空间里竞争——在这里，演示速度的重要性不亚于物理量子比特的数量。一份关于培育的可靠公开结果，改变了基准线。竞争对手现在必须在各自架构上——无论是囚禁离子、中性原子还是光子——展示同等成果，才能留在容错可扩展性的同一对话之中。

此外还存在人才效应。在真实硬件上的成功演示会改变招聘动态。此前从事纠错理论研究却缺乏测试平台的研究者，如今有了一个已验证的方向。这将吸引更多人才涌入这一领域的应用层面，从而加快未来突破的节奏。反之，如果在接下来 12 到 18 个月内无法复现这一成果的公司和实验室，可能将面临来自投资者的质疑——这种质疑与其实际物理原理无关，而完全关乎市场信号。

就连学术文献的走向也会改变。当前相当一部分纠错研究仍在探索替代编码、新型解码算法以及硬件感知优化。这一结果为培育概念提供了具体的落脚点。预计接下来会出现一波探索混合方案的后续研究浪潮——将培育与定制编码相结合，或将该方法适配到不同的量子比特模式中。

谁赢谁输

谷歌赢得了曝光度，更重要的是，在竞争对手尚未在硅基芯片上演示过的技术上，获得了一条已验证的前行路径。发表于《科学》杂志的文章更增添了分量。这一成果不仅仅是一次会议报告或内部备忘录——它经过同行评审、存档开放，并接受 replication 尝试。

输家是那批曾经认为魔法态培育只是一个好点子、在硬件上绝无可能的怀疑论者。坚持这种观点的赌注，此刻变得更加昂贵。那些以良率问题和转移错误为由认为该技术不可行的批评者，现在不得不主张这种方法永远无法变得高效——这比简单地断言它根本行不通，要难得多。

对于追踪量子时间线的研究人员和投资者而言，这条经验教训依然熟悉：量子计算领域的真正进展，恰恰发生在纠错的渐进式提升之中。头条新闻将继续追逐量子比特数量。而真正的实质，在于你能以多低的成本制造出那些量子比特所需的态。

下一步会发生什么

谷歌自身的措辞相当谨慎。团队表示，在成为实用工具之前，培育技术必须在更大规模上得到验证，而且若干技术障碍尚未解决。如何在不同纠错层之间转移态而不引入新噪声，便是其中之一。良率是另一个。扩展培育回路本身——在每秒多次、跨越数千量子比特的规模上运行——将在控制电子、延迟和反馈带宽等方面带来一系列全新的工程挑战。

但发表于《科学》的这篇论文，解答了一个自该技术提出以来悬而未决的问题：培育能否在真实硬件上工作？截至 2026 年 3 月中旬，答案是肯定的。而更难的问题——它是否足够有效以至于在大规模上具有实际意义——仍在求解之中。这个答案将由下一波实验给出，而掌握相关硬件的人，将是书写它的人。