如何帮助您？

如果《黑客帝国》里的机器真的存在，它们可能还会面临一个很现实的困扰：算力还没开始干活，先得消耗大量资源给自己准备「燃料」。

这听起来有些荒谬，但恰恰是未来量子计算机可能遭遇的困境。

最近，Google Quantum AI 在《Science》上发表论文《Magic state cultivation on a superconducting quantum processor》，宣布首次在真实量子处理器 Willow 上实现了 Magic State Cultivation（魔态培育）。

它瞄准的，正是量子计算中一种昂贵且特殊的「燃料」——魔态。

会魔法的「魔态」

先别被这个名字吓到。

MagicState（魔态）并非什么神秘之物，在量子计算领域，它指的是具有特殊量子资源的一类量子态。

如果把量子计算机比作工厂，普通量子纠错操作类似于已经成熟的基础设备，而魔态则是一种昂贵、稀缺却又不可或缺的特殊耗材。

它不是用于所有计算，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，研究人员就已认识到，要让量子计算机执行一般性计算，必须拥有高质量的非 Clifford 量子资源。

魔态蒸馏（MagicStateDistillation）是过去二十年中用来解决这一问题的一种方法。

它所采用的方法与思路与「提纯」类似。

先准备一些质量较差的魔态，然后通过量子纠错、测量和筛选等过程去除错误部分，最终得到数量较少但质量更高的魔态。

这就像酿造葡萄酒的过程。

如果初始葡萄品质不一致，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，每一个「过滤」动作都有成本。

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% 的计算容量用于魔态生产。

这意味着量子计算机将处于一种尴尬境地：机器消耗的大部分资源并非直接解决实际问题，而是用于产生解决这些问题所需的能源。

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

过去二十年里，研究人员一直在努力降低「魔态税」，而这一次谷歌找到了另一种方式。

把「种子」养大

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量子芯片。

这种方法被称为 MagicState Cultivation（魔态培育）。

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

传统的魔态蒸馏是不断对原料进行提炼，而魔态培育则是挑选一颗优质种子后慢慢培育。

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，期间周围的量子比特被不断用于测量。

发现错误后将其消除，并在检查后继续执行。纠错编码逐渐增加，剩余状态越来越可靠。到 2024 年，理论研究已使用状态矢量模拟、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，不是简单堆叠更多量子比特，而是让同样数量的量子比特做更多真正有用的计算。

Google 此次是首次在 Willow 量子处理器上运行这套方案。

使用的处理器是谷歌公司生产的 Willow 处理器。研究人员在芯片上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%，错误率比未经训练时降低了 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的可靠零件。

如果魔态培育最终能规模化，它节省的不是一个实验指标，而是一大片原本被纠错操作占用的计算空间。

Google 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 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。

Google 的方法是使用 Color Code 来培育魔态，再通过 code switching 将培育好的量子态接入 Surface Code 中。

以前停留在理论上的低成本制造高质量魔态的方法，首次在真实量子芯片上跑通了。

与产业之间的距离

先别急着兴奋。

这一成果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，并特别提到药物研发、电池和新能源材料等领域。Google 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。

Google 已与制药公司 Boehringer Ingelheim 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 对此相当乐观。他在 2025 年接受路透社采访时表示，Google 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。

不过在人工智能领域，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 Magic State Cultivation 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更高，大家对量子计算关注更多。

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 到 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。