量子计算重大突破，谷歌首次在真实芯片上跑通「魔态培育」

如果《黑客帝国》里的机器真实存在，它们或许会面临一个相当实际的困扰：计算能力还没开始运作，就得先耗费大量资源为自己准备“燃料”。

这听起来有些离奇，但恰恰是未来量子计算机可能遭遇的困境。

最近，Google Quantum AI 在《科学》杂志上发表了论文《Magic state cultivation on a superconducting quantum processor》，宣称首次在真实的 Willow 量子处理器上成功实现了Magic State Cultivation（魔态培育）。

这一技术针对的是量子计算中一种昂贵且特殊的“燃料”——魔态。

（图片链接）

会魔法的“魔态”

别被这个名字吓到。

MagicState（魔态）并非什么神秘事物，在量子计算领域，它指的是一类拥有特殊量子资源的量子态。

如果将量子计算机比作工厂，普通的量子纠错操作就像是已经成熟的基础设备，而魔态则是一种昂贵、稀缺、但又不可或缺的特殊耗材。

（图片链接）

它并非用于所有计算，却是量子计算机迈向通用、容错计算的关键资源之一。

早在2004年，研究人员就已认识到，要让量子计算机执行通用计算，必须拥有高质量的非Clifford量子资源。

魔态蒸馏（MagicState Distillation）是过去二十年间用于解决这一问题的主流方法。

（图片链接）

其思路与“提纯”类似。

先准备一些质量较低的魔态，再通过量子纠错、测量和筛选等步骤，去除其中的错误部分，最终获得数量较少但质量更高的魔态。

这个过程好比酿造葡萄酒。

如果初始葡萄品质参差不齐，就需要经过发酵、过滤、检测和提纯等一系列工序，将不符合要求的成分剔除。但在量子计算机中，每一个“过滤”动作都需要付出代价。

一些资源估算甚至指出，未来的容错量子计算机可能需要将高达95%的计算容量用于生产魔态。

这意味着量子计算机将陷入一种尴尬的境地：机器消耗的大部分资源并非直接用于解决实际问题，而是为了产生解决这些问题所需的“能源”。

而且魔态属于消耗品。一旦被用于实现非Clifford操作，它就无法像普通量子比特那样被回收再利用。

过去二十年里，研究人员一直在努力降低这种“魔态税”，而谷歌这次找到了另一种路径。

把“种子”养大

这次谷歌并未提出全新的量子纠错技术，而是将过去仅存在于理论或模拟中的想法，首次应用于真实的量子芯片上。

这种方法被称为Magic State Cultivation（魔态培育）。

2024年，Craig Gidney、Noah Shutty 和 Cody Jones 已在理论上提出了这一概念。

（图片链接）

传统的魔态蒸馏是不断对一批批原料进行提炼，而魔态培育则是先挑选一颗优质种子，再慢慢培育。

研究人员首先创建出存在一定概率错误的T态，并将其放入精心设计的量子纠错区域中。在此期间，周围的量子比特会被持续用于测量。

一旦发现错误便予以消除，并在检查后继续推进。纠错编码逐渐增强，剩余的状态也越来越可靠。到2024年，理论研究已采用状态矢量模拟、稳定子模拟、错误枚举和Monte Carlo等方法，对该方案进行了资源估算。

魔态培育真正改变的，不是简单地堆叠更多量子比特，而是设法让相同数量的量子比特完成更多真正有用的计算。

谷歌此次首次在Willow量子处理器上成功实施了这套方案。

（图片链接）

所使用的处理器是谷歌生产的Willow芯片。研究人员在芯片上一个小区域注入带有噪声的量子态，并通过大量高度同步的测量来识别并消除这些错误。

最终保留下来的T态逻辑保真度达到99.99%，错误率比未经处理时降低了40多倍，实验后仅保留约8%的尝试。

99.99%的逻辑保真度意味着，经过一系列错误校正后，量子资源已非常接近理想状态，可作为未来容错量子计算中的可靠组件。

如果魔态培育最终能实现规模化，节省下来的将不仅仅是一个实验指标，而是一大片原本被纠错操作占据的计算空间。

谷歌还完成了从Color Code到Surface Code的编码转换，并将一个distance-3的Color Code中的量子态转移到了distance-5的Surface Code上。

（图片链接）

这里的distance可粗略理解为量子纠错编码对错误的抵抗能力。通常，编码距离越大，错误防护能力越强，但也会消耗更多物理量子比特和操作资源。

谷歌的方法是使用Color Code培养魔态，再通过code switching将培育好的量子态接入Surface Code。

过去仅停留在理论上的低成本制造高质量魔态的方法，首次在真实量子芯片上成功运行。

与产业之间的距离

先别急着兴奋。

这项成果从实验室走向产业实践，仍有很长的路要走。

Google Quantum AI负责人Hartmut Neven此前预测，未来五年内将看到真正的商业量子计算应用，并特别提到了药物研发、电池和新能源材料等领域。谷歌也将化学、药物发现、优化以及密码学视为量子计算的重要潜在应用领域。

（图片链接）

谷歌已与制药公司Boehringer Ingelheim合作，尝试用量子计算模拟人体内的重要酶类Cytochrome P450。该酶影响药物在人体内的代谢过程，研究表明未来容错量子计算机有望以更高精度处理P450的关键电子结构问题。

Google Quantum AI负责人Hartmut Neven对此相当乐观。他在2025年接受路透社采访时表示，谷歌希望在未来五年看到“只有量子计算机才能实现”的实际应用，并点名了新药、先进电池和新能源。

但在人工智能领域，量子计算的应用距离普通人的日常生活，可能比今天的生成式AI要远得多。短期内，你不会因为Magic State Cultivation的突破，就发现GPT或Gemini突然快了一倍。

（图片链接）

它所能改变的是更深层次的东西，即降低未来容错量子计算机运行的成本，包括解决一些传统计算机难以处理的问题，如复杂量子系统模拟、材料与化学问题以及组合优化问题等。

这也是为什么人工智能行业对算力需求越高，大家对量子计算的关注就越多。

NVIDIA CEO Jensen Huang对实用化量子计算的未来应用持谨慎态度，认为可能需要15到30年才能实现。

至于这条路要走多久，目前尚无定论。

本文来自微信公众号“APPSO”，作者：发现明日产品的APPSO，36氪经授权发布。