九游体育APP使用说明——手机端功能与版本资料详解

如果《黑客帝国》中的机器真的存在，它们或许会面临一个实际的困扰：计算能力尚未投入工作，就得先耗费大量资源去准备自己的「燃料」。

这听起来有些离奇，却正是未来量子计算机可能遭遇的困境。

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

这项技术针对的是量子计算中一种昂贵且特殊的「燃料」——魔态。

带有魔力的「魔态」

不要被这个名称吓到。

魔态（MagicState）并非神秘之物，在量子计算领域，它指的是具备特殊量子资源的一类量子态。

如果把量子计算机比作工厂，那么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。

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，研究人员就已意识到，要让量子计算机执行通用计算，需要高质量的非Clifford量子资源。

魔态蒸馏（MagicStateDistillation）是过去二十年间用于解决该问题的一种方法。

其方法与思路与「提纯」类似。

首先准备一些质量较差的魔态，然后通过量子纠错、测量和筛选的过程，去除其中的错误部分，最终得到数量较少但质量较高的魔态。

这与酿造葡萄酒的过程相似。

如果初始葡萄品质不一，就需要经过发酵、过滤、检测和提纯等工序，去除不符合要求的部分。但在量子计算机中，每一次「过滤」都需要成本。

一些资源估算甚至认为，未来容错量子计算机可能需要将高达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局面：机器消耗的大部分资源并非直接用于解决实际问题，而是用于产生解决问题所需的能源。

而且魔态还是一种消耗品。一旦用于实现非Clifford操作，就不能像普通量子比特那样被重复使用。

在过去二十年里，研究人员一直在努力降低「魔态税」，而这次谷歌找到了另一种方式。

培育「种子」

这次谷歌并未提出新的量子纠错技术，而是将以前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。

这种方法被称为魔态培育（MagicState Cultivation）。

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

传统的魔态蒸馏是不断提炼一批批原料的过程，而魔态培育则是挑选一颗优质种子后慢慢培育的过程。

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中。在此过程中，周围的量子比特被持续用于测量。

发现错误后将其消除，并在检查后才继续操作。纠错编码不断扩大，剩余状态越来越可靠。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等方法进行资源估算。

魔态培育真正改变的不是简单堆砌更多量子比特，而是让相同数量的量子比特执行更多有用的计算。

谷歌这次首次在Willow量子处理器上实际运行了这一方案。

使用的处理器是谷歌生产的Willow处理器。研究人员在芯片的一个小区域注入带有噪声的量子态，并通过大量高度同步化的测量来发现并消除错误。

最终保留的T态逻辑保真度达到99.99%，错误率比未经处理时低了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，节省的将不是一个实验指标，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中的量子态转移到了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。

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

以前仅停留在理论层面的一种低成本制造高质量魔态的方法，首次在真实量子芯片上得以实现。

与产业的距离

先别过于兴奋。

这一成果要从实验室走向产业实践，还有很长的路。

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，并特别提及药物研发、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领域。

谷歌已与制药公司Boehringer Ingelheim合作，尝试使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 对此持乐观态度。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越高，大家就越关注量子计算。

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15-30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。