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》里的机器世界成为现实，它们可能会面临一个实际却棘手的难题：算力还没真正发挥作用，就先要耗费大量资源去准备自己的“动力源”。

这种情形听起来有些离奇，但正是未来量子计算机可能遭遇的真实困境。

近期，Google Quantum AI 在《Science》上发表了论文《Magic state cultivation on a superconducting quantum processor》，宣称在真实的 Willow 量子处理器上首次实现了魔态培育（Magic State Cultivation）。

这一技术针对的是量子计算中一种成本高昂的特殊“燃料”——魔态。

带有“魔法”属性的魔态

先别被这个术语吓到。

魔态（Magic State）并非什么神秘现象，在量子计算领域，它指的是一类具备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已经成熟的基础设施，而魔态则是昂贵、稀缺但必不可少的特殊消耗品。

它不是用于所有计算任务，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，研究人员就已意识到，要让量子计算机执行一般性计算，必须拥有高质量的非 Clifford 量子资源。

魔态蒸馏（Magic State Distillation）是过去二十年里用于解决这一问题的常见方法。

它的思路与“提纯”过程类似。

先准备一些质量较低的魔态，然后通过量子纠错、测量和筛选，去除其中的错误部分，最终得到数量较少但质量更高的魔态。

这就像酿造葡萄酒的过程。

如果初始葡萄品质参差不齐，就需要经过发酵、过滤、检测和提纯等步骤，剔除不合格的部分。但在量子计算机中，每一次“过滤”操作都需要消耗资源。

一些资源估算甚至指出，未来的容错量子计算机可能需将高达95%的计算能力用于魔态生产。

这意味着量子计算机将陷入一种尴尬境地：大部分资源并非用于解决实际问题，而是用来产生解决这些问题所需的能源。

此外，魔态还是一种一次性消耗品。一旦它被用于实现非 Clifford 操作，就不能像普通量子比特那样被回收再利用。

过去二十年，研究人员一直致力于降低“魔态税”，而谷歌这次找到了另一种途径。

培育“种子”

谷歌此次并未提出全新的量子纠错技术，而是首次将以往仅存在于理论或模拟中的想法，应用到了真实的量子芯片上。

这种方法被称为魔态培育（Magic State Cultivation）。

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

传统的魔态蒸馏是不断对一批批原料进行提炼，而魔态培育则是挑选一颗优质种子，然后逐步培养。

研究人员首先创建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，在此期间周围的量子比特会不断被用于测量。

发现错误后将其消除，并在检查后继续推进。纠错编码逐步增强，剩余状态的可信度越来越高。到2024年，理论研究已通过状态矢量模拟、稳定子模拟、错误枚举和 Monte Carlo 等方法进行了资源估算。

魔态培育真正改变的，不是简单地增加量子比特数量，而是设法让同样数量的量子比特完成更多有价值的计算。

谷歌此次首次在 Willow 量子处理器上实际运行了这一方案。

所用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，实验后仅保留了约8%的尝试。

99.99%的逻辑保真度意味着，经过一系列纠错后，量子资源已非常接近理想状态，可作为未来容错量子计算的可靠组件。

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

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 distance-5 的 Surface Code 上。

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。

谷歌的方法是利用 Color Code 培育魔态，再通过 code switching 将培育好的量子态接入 Surface Code。

一种过去停留在理论上的低成本生产高质量魔态的方法，首次在真实量子芯片上得到了验证。

与产业的距离

先别急于兴奋。

这一成果从实验室走向产业应用，仍有漫长的路要走。

Google Quantum AI 负责人 Hartmut Neven 在之前的预测中表示，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、优化和密码学视为量子计算的重要潜在应用方向。

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。

不过，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，你不会因为魔态培育的突破，就发现 GPT 或 Gemini 突然快了一倍。

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更高，大家对量子计算关注度也随之增加。

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

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。