今天凌晨2点，谷歌CEO劈材哥分享了谷歌量子AI的一个巨大研究成果。
谷歌第一次在物理硬件上验证了魔态培育技术，误差直接降了40倍，逻辑保真度也冲到99.99%。
目前这个成果已经发表在全球顶级期刊《科学》上。
论文地址：https://www.science.org/doi/10.1126/science.aee7961?referrer=https%3A%2F%2Fblog.google%2F
对于谷歌这个神奇研究成果，网友表示，这对量子纠错来说是一大步。99.99%的逻辑保真度听起来很有前景。
我们正在一步步逼近实用的量子计算，一次解决一个瓶颈。真是个令人着迷的时代！
这是最高水平的应用科学。非常令人印象深刻，看着也很美。非常能干且聪明的一群人！
魔态培育这名字听着像是霍格沃茨的一门选修课。不过话说回来，在物理硬件上实现40倍的误差降低，确实很了不起。
量子计算20年最大瓶颈之一魔态咱们先说说魔态这东西。2004年的时候，量子计算还停留在黑板推演阶段，就有人预见到了这个坎。
你想让量子计算机干点正经事，比如跑那些经典计算机根本算不动的程序，就必须能执行一套特定的量子操作，还得能纠错。
魔态就是干这个用的，它像是一把钥匙，能打开超越经典计算能力的那扇门。问题是造这把钥匙太贵了。
解读突破有估算说，一台量子计算机可能要把95%的算力都拿去生产魔态，剩下那点可怜的算力才轮得到真正要算的东西。
更让人头疼的是，魔态用一次就没了，跟一次性筷子似的，没法回收。
过去20年，大家一直在想办法把生产成本压下来，但进展太慢也是量子计算无法商业化的最大原因之一。
AI是如何突破魔态培育2024年，谷歌量子AI的几位研究员克雷格・吉德尼、诺亚・舒蒂和科迪・琼斯，参考过往文献思路重新打磨，提出魔态培育方案，目标就是大幅削减资源消耗。
技术原理其实不难懂，你可以把它想象成一个净水器。往量子芯片的一小块地方灌进去带噪声的量子态，然后做一堆特别精细的测量，把有问题的那些挑出来扔掉。
剩下的就是纯度很高的好东西。他们从理论上证明，这样培育出来的量子态误差极低，而且还能把它转换成更大规模、真正能用的编码形式。
但纸面上看，这套方案简直完美，真搬到硬件上跑那是相当的艰难。
艾玛・罗森菲尔是谷歌量子AI的研究员，她第一次测试这套培育协议的时候，看到的数据差点让她怀疑人生。
那些数字看起来根本不符合物理规律。她花了几个月时间，反复仿真、跟同事讨论、一遍遍检查，最后发现是团队常用的测量方法里有个错误假设。
实验室的电气设备会漂移，温度变化也会带来特定的噪声，这些东西悄悄干扰了基准测试。
简单来说，不是量子态有问题，是尺子本身不准。这就逼着他们一边改理论一边改工程。
团队给系统加了额外的控制来压制噪声，还搞出一套全新的基准测试方法，直接把魔态培育本身当成测量工具来用。其实这个思路挺妙的，用问题本身来解决问题。
靠着AI算法优化和工程层面的大量调整，量子计量的水准提升到新高度。在Willow处理器上，这套协议比没培育过的量子态误差降了40倍，得到的T态逻辑保真度达到了99.99%。这个数字在量子领域算是绝无仅有的。
这也是量子计算几大资源瓶颈里第一个被实操验证的解决方案。不是在纸上算出来的，是真真正正在硬件上跑通的。
这次实验还有一个很重要的收获，验证了克雷格他们提出的理论框架，可以适配谷歌现有的量子硬件架构。
团队成功在色码和更成熟的表面码之间切换，把距离3色码生成的量子态，转移嫁接进距离5的表面码。
硬件底子怎么样这次实验跑在Willow处理器上，就是谷歌之前那个105个量子比特的芯片，每个比特都能调频率，比特之间用可调耦合器连着。
单比特门和双比特门的时间都是35纳秒，这个速度在超导体系里算正常的。单比特门错误率中位数大概在千分之三到千分之五这个量级，双比特门的XEB循环错误率中位数也在千分之四左右。
相干时间T1中位数大概是68微秒，T2用CPMG序列测出来中位数在60微秒上下。
这些数字单看可能没什么感觉，但你要知道魔态培育这个事，本质上就是在跟这些噪声抢时间。芯片底子越干净，培育出来的魔态纯度就越高。
还有一个很重要的细节。研究团队专门做了强化学习的校准，用RL智能体去调控制参数，目标就是让错误检测率降到最低。
在踢回层析那组数据里，加了RL校准之后错误检测率平均改善了大概30%。
更关键的是，加上RL和不加RL对比，逻辑错误概率和数据保留率这两个指标都差了差不多一个数量级。没有这层算法优化，硬件再好也跑不出那个漂亮数字。
