量子纠错重大进展：谷歌“柳树”量子芯片展现强大纠错能力
量子纠错重大进展：谷歌“柳树”量子芯片展现强大纠错能力
量子计算领域迎来重大突破！谷歌最新推出的"柳树"量子芯片在量子纠错方面展现出令人瞩目的性能。随着物理量子比特数量的增加，逻辑量子比特的错误率显著降低，这一进展为实现大规模、实用的量子计算机迈出了重要一步。
量子纠错入选了2024年度英国物理世界评选的十大物理学突破，这个领域除了昨日刚刚介绍过的中性原子量子计算（一个量子芯片集成了48个逻辑量子比特）外，还有谷歌量子人工智能（Google Quantum AI）的超导量子计算在表面码纠错取得的突破。其实这项工作，早在今年8月就在arXiv中张贴出来了，年底的火爆，很大程度要归功于谷歌为新量子芯片“柳树”（Willow）举行的发布会。
突破性设备 谷歌量子人工智能的新“柳树”芯片。（来源：谷歌量子人工智能）
谷歌量子人工智能（Google Quantum AI）的研究人员及其合作者开发了一种新量子芯片，其错误率随着量子比特（qubit）数量的增加而显著降低。这一成就对于量子纠错来说是一个里程碑，因为原则上，它可导致量子比特质量的无限提高，并最终导致量子计算机能够运行的算法的深度和复杂性的无限增加。
噪声是包括计算机在内的所有物理系统的固有特征。经典计算机中的比特通过冗余来免受这种噪声的影响：一些数据被存储在多个地方（即把数据复制多份），因此如果发生错误时，很容易被识别并纠正。然而，量子力学的不可克隆定理意味着，一旦测量了量子态——这是复制它的第一步——它就会被破坏。“有一段时间，人们对量子纠错的存在感到惊讶，”谷歌量子人工智能的研究员迈克尔·纽曼（Michael Newman）说。
然而，从 20 世纪 90 年代中期开始，肖尔等科学家证明，这个障碍并非不可逾越，并提出了几种纠正量子比特错误的编码。它们的基本原理是，多个物理量子比特（例如单个原子的能级或超导电路中的状态）可以联网创建一个共同持有量子信息的逻辑量子比特。然后，可以使用“测量量子比特”来确定“数据量子比特”之一是否发生错误，而不影响后者的状态。
“在量子纠错中，我们基本上跟踪状态，”纽曼解释说。“我们说‘好的，发生了什么错误？’我们即时弄清楚，然后当我们对逻辑信息进行测量——这给了我们答案——我们可以根据我们对发生的错误的理解重新解释我们的测量。”
保持低错误率
原则上，这个过程使得无限稳定的量子比特能够进行无限长的计算——但前提是错误率保持足够低。问题是，每个额外的物理量子比特都是新的错误源。因此，在每个逻辑量子比特中增加物理量子比特的数目是一把双刃剑，逻辑量子比特的持续稳定性取决于几个因素。这些因素包括量子芯片的（经典）软件检测和解释错误的能力；所使用的特定纠错编码；以及非常重要的，物理量子比特本身的保真度。
2023 年，纽曼和谷歌量子人工智能的同事表明，一种称为表面编码（纽曼称其“具有任何量子编码中最高的错误抑制因子之一”）的纠错编码使得通过向系统添加更多物理量子比特来“赢得”纠错成为可能。具体来说，他们表明，由49个超导传输子（transmon）量子比特制成的码距-5的阵列逻辑量子比特的错误率略低于由17个这样的量子比特制成的码距-3的阵列量子比特的错误率。但差距很小，前者为2.914%，后者为3.028%。“我们知道……这个趋势很难随着码距的增加持续下去，”纽曼说。
“令人信服的指数级错误抑制”
在发表于《自然》杂志的最新工作中，由哈特穆特·内文（Hartmut Neven）领导的谷歌量子人工智能团队展示了一种名为“柳树”（Willow）的新型超导量子芯片，它在之前的“悬铃木”（Sycamore）芯片基础上有了几项改进。其中包括能保持其“量子性”的时间延长五倍的门（逻辑操作的构建单元）和谷歌Deepmind开发的实时解释错误的机器学习算法。当团队在他们的105个量子比特处理器上使用这项新技术创建了9个码距-3的阵列、4个码距-5的阵列和1个101个量子比特码距-7的阵列时，随着添加更多量子比特，码距-7逻辑比特的错误率达到了0.143%，相比于码距-5的逻辑比特，错误率下降了超过2倍。
用于不断增大的处理器的表面码逻辑量子比特。每个更大的处理器都能比其前身（如码距-7相较于码距-5，码距-5相较于码距-3）纠正更多的错误。编码的量子态存储在数据量子比特阵列（金色）上。测量量子比特（红色、青色、蓝色）检查相邻数据量子比特上的错误。（来源：谷歌量子人工智能）
“这是我们第一次看到，随着物理量子比特数量的增加，逻辑量子比特出现令人信服的指数级错误抑制，”纽曼说。“这是人们大约30年来一直试图做到的事情。”
这里ε是逻辑比特错误率，p是物理比特错误率，p_thr是错误率的阈值，d是表面码码距。可见：当p < p_thr时，可实现越纠错，错误率越低的目标，同时码距d越大，错误率会以指数级速度被抑制。对于表面码，码距d，意味着需要有2d^2 -1个量子比特参与。
更大的码距d意味着更低的错误率，码距d+2表面码相比于码距d表面码错误率降低的倍数为：
在谷歌的这项工作中，对d=3和d=5，降低的倍数Λ都超过了2。
如图：码距-7相比于码距-5，错误率降低了2.12倍，码距-5相比于码距-3，错误率降低了2.15倍。这个结果与 2023 年在悬铃木量子芯片上展示的表面码纠错相比，确实有了本质的提升。
有了能稳定数小时的门，量子计算机应该能够运行人们一直期望的大型、复杂的算法。纽曼说：“我们还有很长的路要走，我们仍然需要大规模地做到这一点，”纽曼承认。“但当我们第一次按下这个‘柳树’芯片的按钮，看到晶格越来越大，错误率越来越低时，我想‘哇！量子纠错真的要起作用了……量子计算真的要起作用了！’”
美国哈佛大学的物理学家米哈伊尔·卢金（Mikhail Lukin）也从事量子纠错工作，他称谷歌量子人工智能的结果“是该领域向前迈出的非常重要的一步”。虽然卢金自己的团队此前展示了在多个纠错的原子量子比特之间改进的量子逻辑操作，但他指出，目前的工作在多次纠错循环后显示出更好的逻辑量子比特性能。“实际上，你希望看到这两件事结合起来，实现深度、复杂的量子电路，”他说。“这还很早，还有很多挑战，但很明显——在不同的平台上，朝着不同的方向——纠错的基本原理现在已经得到了证明。这非常令人兴奋。”
顺便说一句，按照谷歌自身发展量子计算的路线图，目前处于完成第二个里程碑的阶段，距离拥有一台大规模、实用的量子计算机仍很遥远。而且，对于最后三个里程碑，谷歌自身也没有给出预期的实现日期。
在超导量子计算领域，谷歌的主要竞争对手是蓝色巨人 IBM 和我国的中科大（USTC）团队。除超导量子计算外，光量子计算、中性原子量子计算等技术路线同样是有力的竞争对手。换句话说，在实现通用量子计算方面，最终鹿死谁手，还远未到可以下定论的时候。
本文原文来自物理世界，作者为蒂姆·沃根（Tim Wogan），他是一位驻美国的科学作家。