谷歌通过新方法将量子计算错误率降低至40分之1
Google Quantum AI展示了一项技术，可大幅提高生成通用量子计算机不可或缺的“魔态”时的效率。尽管这一成果是解决成本问题的重要一步，但走向实用化仍面临挑战。
在 Willow 处理器上生成 T 态时实现的逻辑保真度。3
通过同步测量检查、并被转移至更大型纠错码的尝试所占比例。3
生成通用量子计算不可或缺的高质量魔法态可能消耗的量子计算机总容量。3
经过
量子纠错中魔态生成的高效化Google Quantum AI利用其Willow处理器，展示了一项减少量子计算中错误的新技术。3 这种被称为“魔态栽培”的方法成功将错误发生率降低至不进行栽培时的约40分之1。3 这一降至40分之1的削减率在ITmedia等媒体上也有报道。6 这一重要研究成果的详细内容作为论文发表在《科学》（Science）杂志上。3
该栽培过程首先从在量子芯片的限定区域内准备多个包含噪声的初始状态开始。3 接下来，利用同步测量技术逐一检查这些状态，并找出有缺陷的尝试。3 检查后被判定为不完整的状态将从该过程中被彻底舍弃。3 只有通过这一严格筛选程序的状态，才会被保留用于后续处理。3
这一筛选过程非常严苛，最初的尝试中，能够通过检查并进入下一阶段的仅占整体的约8%。3 通过检查的这些高质量状态会被传输到更大规模且更稳健的纠错码内部。3 通过该实验，在被称为T态的特定量子状态下，实现了高达99.99%的极高逻辑保真度。3 这一数值表明栽培法能够生成质量极高的量子状态。3
魔态是未来运行通用量子计算机时必须持续供应的基本构建块。3 其使用中的一大限制在于，一旦用于计算，该状态就会被消耗且无法重复使用。3 此外，生成经过纠错的高质量魔态的过程会显著消耗计算资源。3 在某些情况下，量子计算机所拥有的总容量中竟有高达95%仅仅耗费在生成这种魔态上。3
谷歌研究团队早在2024年就首次提出将这种魔态栽培方法作为一种理论途径。3 当时，这一概念被视为克服魔态生成所伴随的庞大资源成本问题的有希望的解决方案。3 桑达尔·皮查伊表示，本次实验是该理论首次在实际物理硬件上得到验证的里程碑式成果。3
本次研究报告除了魔态栽培的成功之外，还包含另一项重要的技术验证。3 研究团队还成功在性质不同的2种纠错码之间安全转移了量子状态。3 作为具体操作，由距离为3的色码保护的量子状态被传输到了距离为5的表面码中。3 这种码间的状态转移是通过被称为“嫁接”的特殊过程实现的。3
谷歌的桑达尔·皮查伊特别强调，这是该技术从理论存在走向物理硬件验证的首个范例。3 然而，该公司自身也表现出谨慎态度，表示该方法在更大规模的量子计算机系统中是否同样有效，仍有待未来验证。3 谷歌还正式承认，面向实用化仍有待解决的技术挑战。3
结构
谁和谁连在一起- 1Alphabet
- 投资 →事实
- 使用 →事实
- 合作 →事实
- 签署协议 →事实
- 产出 →事实
历史
一路怎么走到这里- 2024年提出魔法态栽培理论谷歌团队提出了这一方法，作为解决魔法态生成资源成本问题的一种理论途径。
- 现在约1/40 通过魔法态栽培降低错误的比例（相较于未应用时）
影响
一层一层往外传- 第 1 层在硬件上展示态生成与码间转移
研究人员首次在物理硬件上展示了魔法态栽培，并通过嫁接操作成功将量子态从距离为3的颜色码转移至距离为5的表面码。3
事实 - 第 2 层缓解资源瓶颈
通过降低魔法态生成成本——魔法态无法重复使用，因而需要持续消耗——这项技术可能有助于解决量子计算机的资源消耗问题。
分析 - 第 3 层验证迈向实用规模所面临的挑战
这项成果是在实验室环境下进行的展示，表明态制备有所改善；要实现更大规模的应用，还需要开展测试并克服尚存的技术难题。
分析
来源
每个来源支撑了哪些内容本文由 AI 依据下方列出的来源撰写：每条事实都逐字核对过原文，推测与分析单独标注。 我们怎么写