谷歌量子 AI 团队在《科学》杂志发表最新研究，证实 " 魔法态培养 "（magic state ）技术在 处理器上的可行性。数据显示，该技术使错误率降低约 40 倍，标志着迈向实用化大规模量子计算的关键一步。

破解 " 魔法态 " 资源瓶颈

自 2004 年起，学界便意识到量子计算存在一个棘手瓶颈：实现通用量子计算需依赖 " 魔法态 " 来执行特定操作。然而，生成高质量且经纠错的魔法态极其耗费资源，估计占量子计算机高达 95% 的算力容量，且因不可复用而显得尤为稀缺。过去二十年间，降低这一成本一直是研究重点。

技术突破与工程攻坚

2024 年，谷歌研究员 Craig 、Noah 和 Cody Jones 优化文献思路，开发出 " 魔法态培养 " 技术。该机制类似过滤器，通过向芯片注入噪声状态并执行协调测量，剔除缺陷尝试，从而 " 培养 " 出低误差的纯净量子态。

落地过程并非一帆风顺。研究员 Emma 在初期测试中发现数据异常，经数月排查，确认为电气设备漂移和温度变化引发的实验室噪声干扰了基准测试。团队随即调整系统控制以抑制噪声，并发明利用培养技术本身作为测量工具的新基准测试方法，从根本上解决了问题。

凭借算法创新与工程优化，谷歌在 处理器上实现了相对于未培养状态 40 倍的错误率降低，并以 99.99% 的逻辑保真度创纪录地生成了 T 态。这是首次在真实硬件上证明高效创建关键魔法态的可行性。

架构兼容与未来展望

研究还证实该理论与谷歌量子架构兼容。团队成功实现了在 " 颜色码 " 与更成熟的 " 表面码 " 之间切换，并将距离为 3 的颜色码状态嫁接至距离为 5 的表面码中，证明纯化状态可在硬件内部存活并转移。

尽管在更大规模上演示仍面临技术挑战，但这一成果将理论概念转化为实验现实，使谷歌在构建用于解决复杂问题的实用纠错量子计算机道路上更进一步。

【星途科讯 图文丨略略 首发于 ZAKER 科技，转载请注明出处】