当前位置：
量子计算要真正解决复杂问题，不仅需要更多量子比特，还需要把量子比特“保护”得足够好。Google Quantum AI团队近日在超导量子处理器Willow上首次实验实现魔法态培育（magic-state cultivation），将魔法态误差降低约40倍，并将其成功转移到更大的表面码中。相关成果于10月15日发表在国际权威学术期刊《Science》上。
Credit: Science
一、为什么量子计算需要“魔法态”？
量子计算并不是简单地把经典计算机的“0 和 1”换成更小、更快的器件。量子比特可以处于叠加态和纠缠态，因此能够执行一些经典计算机难以高效完成的任务。但量子态也非常脆弱，环境噪声、控制误差甚至一次不经意的操作，都可能让计算结果出错。
量子纠错的思路，是用一组物理量子比特共同编码一个“逻辑量子比特”，并通过反复测量错误综合征来发现和纠正错误。类似于把一条重要信息放到多个相互关联的位置，再用校验规则判断哪里出了问题。需要注意的是，这并不是简单复制量子态，而是利用量子纠错码的结构，把错误信息与计算信息区分开。
然而，仅靠常用的Clifford门和表面码等量子纠错工具，还不能组成一套完整的通用量子门集合。要实现通用量子计算，还需要一种特殊资源：魔法态。它可以通过量子隐形传态式的门注入，帮助实现非Clifford门，例如重要的T门。
魔法态的“魔法”并不是神秘现象，而是一个技术术语：它指的是一类超出Clifford电路经典可模拟范围的特殊量子态。魔法态越接近理想状态，后续通用量子逻辑的错误率就越低。过去，人们通常依赖资源开销很大的“魔法态蒸馏”——用许多质量一般的魔法态，筛选并加工出少量高质量魔法态。
二、什么是“魔法态培育”？
魔法态培育提供了另一种思路：先制备一个带有噪声的魔法态，再对它沿着目标方向进行容错测量。测量结果相当于一次严格的质量筛选；如果发现错误，就放弃这次尝试并重新开始；如果所有检查都通过，就保留这个更接近理想状态的量子态。
可以把它理解成“先粗加工，再用多轮无损质检挑出合格品”。与传统蒸馏需要在多个编码量子态之间进行复杂加工不同，魔法态培育主要围绕单个逻辑量子比特展开，因此有望降低资源消耗。它的代价是：并非每次尝试都会成功，需要接受一定的重试率。
本研究中，团队先把一个物理量子比特注入距离3的颜色码，得到一个初始逻辑量子态；随后利用辅助量子比特执行相位回馈测量，对逻辑Hadamard算符的本征态进行筛选。颜色码的横向门操作特性使这一步能够以较低的错误扩散风险完成。通过量子纠错循环和错误标记，实验系统会丢弃检测到错误的尝试。
图1：魔法态培育的容错测量与筛选原理，左侧电路利用辅助量子比特对输入态进行测量，并保留目标结果；右侧球面上的红色箭头表示所需魔法态的方向。通过测量与错误检查，筛选出更接近目标的量子态。
三、实验取得了哪些结果？
研究团队在Google的Willow超导量子处理器上完成了从状态注入、魔法态培育，到向表面码转移的完整实验链路。主要结果包括：
（一）培育后魔法态误差相较于直接注入降低约40倍；
（二）魔法态保真度至少达到0.9999(1)，对应的误差上限约为10-4；
（三）在包含额外培育轮次和量子纠错循环的实验设置中，约8%的尝试最终被保留；
（四）研究团队将培育后的状态从颜色码“嫁接”（grafting）到距离5的表面码，验证了高质量魔法态可以转移到更适合长期存储和后续计算的编码中。
这里的“保留 8%”并不意味着量子处理器只有8%的时间能工作，而是指实验采用了后选择策略：系统主动丢弃被检测到错误的样本，只保留通过全部检查的样本。对于量子计算而言，只要错误能够被可靠检测、失败任务能够快速重试，这种“检测后重来”的策略就可能比盲目保留所有结果更有价值。
图2：直接注入与魔法态培育的逻辑误差对比。培育使目标魔法态的误差降低约40倍。横轴为初始态的角度，黑色竖虚线θ=π/4对应所需魔法态；纵轴为整个验证电路的逻辑错误概率，采用对数刻度。目标位置处，红色十字表示仅直接注入的结果，青色菱形表示加入培育与量子纠错循环的结果，后者降至约10-4量级。蓝色圆点则显示，移除量子纠错循环后误差明显增大。该数据不代表嫁接到表面码后的保真度。
四、为什么这项工作重要？
魔法态是容错通用量子计算中的关键“燃料”。如果每个高质量魔法态都要消耗大量物理量子比特和门操作，量子计算机的规模化运行会受到严重限制。本研究把魔法态培育从理论方案推进到了超导量子处理器上的实验现实，并且不止展示了态的改善，还展示了它向表面码的转移。
表面码具有较高的错误阈值、成熟的解码方法和良好的扩展前景，是目前超导量子纠错研究的重要路线之一。将魔法态从颜色码转移到表面码，相当于把经过“精加工”的特殊资源送入更大的量子纠错体系中，为后续执行通用逻辑门创造条件。
当然，这项工作还不是一台能够运行大规模算法的容错量子计算机。实验保留率仍然较低，状态转移过程中的泄漏错误和逻辑错误也需要进一步降低；未来还需要在更大码距、更低噪声、更高成功率以及实时控制方面继续改进。论文团队估计，若处理器噪声强度进一步降低，魔法态误差上限有望接近2×10-5，从而满足更多量子模拟和优化任务的需求。
五、结语
这项研究的核心贡献，可以概括为一句话：研究人员在超导量子处理器上证明了，利用容错测量和后选择，可以把普通的、有噪声的魔法态“培育”成高保真度资源，并将其接入更大的表面码。
它没有解决容错量子计算的全部问题，但为降低通用量子计算的资源成本提供了一个经过实验检验的方向。