谷歌量子 AI 团队在量子计算领域取得关键进展，有望大幅削减构建实用量子系统所需的硬件成本。

相关研究周四发表于《科学》杂志。谷歌在其 Willow 处理器上验证了一种名为 " 魔态培育 "（magic state cultivation）的技术，将量子错误率降低约 40 倍，T 态逻辑保真度达到 99.99%。这是迄今为止该领域的最高纪录。

魔态生产长期被视为量子计算规模化的核心瓶颈——据估计，量子计算机高达 95% 的算力可能需要专门用于生成魔态，真正用于计算的资源极为有限。

此次突破若能成功扩展，将大幅压缩构建容错量子系统所需的硬件规模，对量子计算商业化路径具有重要意义。

谷歌同时表示，仍需在更大规模上验证该技术的可行性，距离实用化量子计算仍有相当距离。

截至发稿，谷歌股价周四上涨 0.24%。

魔态：量子计算的资源黑洞

魔态是实现 " 通用 " 量子计算的关键要素。量子处理器若要执行超越经典计算机的复杂运算，须依赖魔态来生成所需的量子操作集合。然而，魔态一经使用便无法复用，使其成为稀缺资源。

更大的挑战在于生产成本。部分研究估算显示，量子计算机可能需要将高达 95% 的总算力用于魔态生产，留给实际计算任务的资源极为匮乏。

这一瓶颈自 2004 年便已被研究人员预见，此后二十年间，学界持续探索降低魔态生产成本的方法，但进展迟缓。

提出魔态培育方案，资源效率大幅提升

2024 年，谷歌量子 AI 研究人员 Craig Gidney、Noah Shutty 与 Cody Jones 在既有文献基础上提出了魔态培育方案。

其核心思路是将魔态生产过程设计为一套过滤机制：将含噪声的量子态注入芯片上的一个小区域，随后通过一系列高度协调的测量操作检测并剔除存在缺陷的尝试，从而 " 培育 " 出高纯度、低错误率的量子态，并同步将其编码为更大规模的可用形式。

然而，从理论到硬件实现并非一帆风顺。研究科学家 Emma Rosenfeld 在初期测试中持续获得 " 似乎违背物理定律 " 的数据。

经过数月排查，团队发现问题根源在于测量基准技术中的一个错误假设——实验室内电气设备漂移和温度变化产生的噪声干扰了基准测试的有效性。

为此，团队不仅对系统增加了额外控制以压制噪声影响，还发明了一种新的基准测试技术，以培育过程本身作为自我校准的工具。

保真度与误差均刷新纪录

在 Willow 处理器上，上述方案最终实现了相较于未经培育的量子态约 40 倍的错误率降低，T 态逻辑保真度达到 99.99%，刷新该领域纪录。

谷歌团队还完成了另一项重要演示：验证培育所得的魔态可在两种不同量子纠错方案之间顺利转移——具体而言，是将量子态从距离 -3 色码（color code，适合培育操作的较新纠错方法）移植至距离 -5 表面码（surface code，更为成熟的纠错方法）。

这一 " 嫁接 " 操作证明，纯化后的量子态能够在硬件内部稳定存活并顺利转移，为魔态培育技术融入谷歌现有量子计算架构铺平了道路。

尽管取得上述进展，谷歌明确表示，魔态培育技术目前仍需在更大规模上加以验证，方能真正应用于实际量子计算任务，诸多技术挑战依然存在。