在通用量子计算中，" 魔法态 " 是实现特定操作的基础资源。据估算，制备这些状态可能消耗容错量子计算机高达 95% 的算力资源，导致大部分计算时间被前置准备过程占用。谷歌量子 AI 团队指出，这项研究旨在解决这一高昂的成本瓶颈。
高保真度与低留存率的权衡
实验数据显示，该方案实现了 99.99% 的状态保真度，即制备状态与预期形式的高度匹配。然而，这一高精度伴随严格的筛选条件：协议仅保留了 8% 的尝试结果，失败的尝试均被丢弃。因此，上述准确度数据仅反映通过检查并 " 存活 " 下来的状态。
" 魔法态培育 " 概念于 2024 年在理论上提出。其工作流程始于芯片小区域内一个不完美的初始状态，通过协调测量识别并剔除有缺陷的尝试，使幸存状态得以演化并转化为适合计算的形态。该技术的核心目标在于减少供应这些关键要素所需的硬件和处理资源。
Willow 处理器与控制优化
此次实验依托于谷歌于 2024 年 12 月推出的 Willow 超导研究处理器。该芯片拥有 105 个量子比特，此前的纠错实验已证实，将更多物理量子比特分组可提升编码逻辑量子比特的可靠性。
为确保培育技术生效，研究人员对测量设备中的假设进行了修正，并加强了对芯片的控制。谷歌量子 AI 研究科学家 Emma Rosenfeld 透露，团队曾遇到看似违背物理常识的结果，后经排查发现是电气漂移和温度变化干扰了基准测试。为此，团队引入了额外的控制措施及新的测量方法。
此外，团队还演示了在两种纠错方案之间传输制备好的状态，这有助于将培育技术与谷歌更广泛的架构相连接。谷歌表示，尽管进展显著，但在实际部署前仍面临重大技术挑战，后续工程工作重点包括在大尺度下验证该技术，并在扩展计算过程中确保持续提供可靠的状态。
【星途科讯 图文丨踢三脚 首发于 ZAKER 科技，转载请注明出处】
