作者｜周雅

提到量子計(jì)算，美國(guó)理論物理學(xué)家理查德·費(fèi)曼曾說(shuō)過(guò)一句令人難忘的話：“大自然不是經(jīng)典的，如果你想模擬大自然，你最好把它變成量子力學(xué)。”

在過(guò)去30年里，量子計(jì)算存在一個(gè)根本性的挑戰(zhàn)：隨著量子比特?cái)?shù)量的增加，錯(cuò)誤率會(huì)急劇上升。然而，這個(gè)看似不可逾越的鴻溝，現(xiàn)在終于出現(xiàn)了突破性曙光。

2019年11月23日，谷歌曾在《自然》雜志期刊中發(fā)表了一項(xiàng)量子計(jì)算突破，谷歌的超導(dǎo)量子芯片Sycamore僅用200秒就完成了一項(xiàng)計(jì)算，而世界最快的超級(jí)計(jì)算機(jī)需要 1萬(wàn)年。當(dāng)時(shí)谷歌CEO桑達(dá)爾·皮查伊（Sundar Pichai）將其比作“萊特兄弟 12 秒的首飛”。

2024年12月10日，谷歌在《自然》發(fā)表了最新量子芯片Willow的研究成果，再次取得了里程碑式的突破，主要體現(xiàn)在兩個(gè)方面：

· 首先，Willow實(shí)現(xiàn)了隨著量子比特?cái)?shù)量增加、而指數(shù)級(jí)降低錯(cuò)誤率的目標(biāo)，通過(guò)逐步擴(kuò)大量子比特陣列規(guī)模，從3x3到5x5再到7x7，每次都能將錯(cuò)誤率降低一半。這是自1995 年 Peter Shor 引入量子糾錯(cuò)以來(lái)，一直是該領(lǐng)域面臨的艱巨挑戰(zhàn)。

· 其次，更受關(guān)注的是其計(jì)算能力的突破。在隨機(jī)電路采樣（RCS）基準(zhǔn)測(cè)試中，Willow用不到5分鐘就完成了一項(xiàng)計(jì)算，而當(dāng)今最快超級(jí)計(jì)算機(jī)Frontier則需要10^25年才能完成，也就是10,000,000,000,000,000,000,000,000年。為了讓大家直觀理解這個(gè)數(shù)字的概念，谷歌說(shuō)“這個(gè)時(shí)間比宇宙的年齡還要大”。

科技行者Techwalker參與了此次的谷歌視頻簡(jiǎn)報(bào)會(huì)，谷歌量子AI創(chuàng)始人兼負(fù)責(zé)人Hartmut Neven（哈特穆特·奈文）在會(huì)上表示：“當(dāng)我們于2012年創(chuàng)立谷歌量子AI團(tuán)隊(duì)時(shí)，愿景是構(gòu)建一個(gè)有用的大規(guī)模量子計(jì)算機(jī)，利用我們今天所知的量子力學(xué)（自然界的‘操作系統(tǒng)’）來(lái)推動(dòng)科學(xué)發(fā)現(xiàn)、開(kāi)發(fā)有益的應(yīng)用、并解決一些社會(huì)的關(guān)鍵挑戰(zhàn)?！?/strong>

谷歌的量子AI團(tuán)隊(duì)由哈特穆特·奈文領(lǐng)導(dǎo)，谷歌在圣巴巴拉建立了專門的量子芯片制造工廠，在該領(lǐng)域進(jìn)行深度投入。

有意思的是，谷歌量子硬件總監(jiān)Julian Kelly（朱利安·凱利)在簡(jiǎn)報(bào)會(huì)上介紹說(shuō)，此前谷歌量子芯片Sycamore是在加州大學(xué)圣巴巴拉分校的一個(gè)共享潔凈室中建造的——該實(shí)驗(yàn)室于2013年宣布成立，為谷歌研究人員提供了更多工具和更強(qiáng)大的功能。而此次，Willow是在谷歌自己的專用超導(dǎo)芯片制造設(shè)施生產(chǎn)，可以更好地控制制造工藝參數(shù)，良品率和一致性得到提高。

“你可以認(rèn)為 Willow 基本上繼承了 Sycamore 的所有優(yōu)點(diǎn)，但實(shí)現(xiàn)了更大的里程碑式的突破。”朱利安·凱利說(shuō)。

指數(shù)級(jí)量子誤差校正：低于閾值

量子比特(qubit)，是量子計(jì)算機(jī)的運(yùn)算單位，但它們非常“不穩(wěn)定”，往往會(huì)因周圍環(huán)境而丟失信息，通常情況下，使用的量子比特越多，錯(cuò)誤就會(huì)越多——所以，“錯(cuò)誤”是量子計(jì)算面臨的最大挑戰(zhàn)之一。

但谷歌這次做到了相反的效果：當(dāng)谷歌量子芯片Willow 中使用的量子比特越多，錯(cuò)誤反而大幅減少了，谷歌測(cè)試了越來(lái)越大的物理量子比特陣列，從 3x3 編碼量子比特網(wǎng)格，擴(kuò)展到 5x5 網(wǎng)格，再到 7x7 網(wǎng)格——每次擴(kuò)大時(shí)，錯(cuò)誤率都能減少一半。換句話說(shuō)，谷歌實(shí)現(xiàn)了錯(cuò)誤率的指數(shù)級(jí)降低。

這里稍作解釋。在量子糾錯(cuò)中，涉及將許多物理量子比特放在一起并讓它們協(xié)同工作，也就是通過(guò)創(chuàng)建一個(gè)“邏輯量子比特”(logical qubit)來(lái)糾正錯(cuò)誤，3×3、5×5、7×7這樣的組合被稱為"邏輯量子比特”。

1個(gè)中心位置的物理量子比特存儲(chǔ)實(shí)際的量子信息(數(shù)據(jù)比特)，周圍8個(gè)物理量子比特是輔助比特(也叫同步比特或錨定比特)，這樣一個(gè)3×3的排列實(shí)際上只能存儲(chǔ)1個(gè)比特的信息，但它能夠保護(hù)這個(gè)信息不被環(huán)境干擾破壞。

就好比是運(yùn)輸一個(gè)易碎品(量子信息)，中心是易碎品本身(數(shù)據(jù)比特)，周圍8個(gè)位置是包裝泡沫(輔助比特)，雖然看起來(lái)用了9個(gè)空間位置，但實(shí)際運(yùn)輸?shù)挠行锲分挥兄行牡哪且粋€(gè)，但這些"包裝泡沫"讓運(yùn)輸變得更安全可靠。

這就解釋了為什么量子計(jì)算機(jī)需要這么多“物理量子比特”，而且物理量子比特?cái)?shù)量看起來(lái)很多，但實(shí)際能用于計(jì)算的"邏輯量子比特"數(shù)量要少得多：比如要存儲(chǔ)10個(gè)比特的信息，使用3×3的方案就需要90個(gè)物理量子比特(10×9)，用5×5方案則需要250個(gè)物理量子比特(10×25)，用7×7方案需要490個(gè)物理量子比特(10×49)。這種"冗余"是必要的，因?yàn)樗ＷC了量子計(jì)算的可靠性。

“我們希望隨著這些集合越來(lái)越大，糾錯(cuò)能力也越來(lái)越強(qiáng)，這樣量子比特就會(huì)越來(lái)越準(zhǔn)確。問(wèn)題是，隨著這些東西越來(lái)越大，出錯(cuò)的機(jī)會(huì)也越來(lái)越多，所以我們需要足夠好的設(shè)備，這樣當(dāng)我們把這些東西做得越來(lái)越大時(shí)，糾錯(cuò)能力就能克服我們引入系統(tǒng)的這些額外錯(cuò)誤。”谷歌實(shí)驗(yàn)室研究科學(xué)家Michael Newman（邁克爾·紐曼）在簡(jiǎn)報(bào)會(huì)上說(shuō)。

谷歌稱，這是一個(gè)30年來(lái)一直未實(shí)現(xiàn)的目標(biāo)，直到現(xiàn)在Willow實(shí)現(xiàn)了突破——實(shí)現(xiàn)了每次邏輯量子比特的大小增加，從 3×3 到 5×5 再到 7×7，錯(cuò)誤率就會(huì)呈指數(shù)下降。

這就像是在搭積木，以前積木堆得越高就越容易倒，但現(xiàn)在谷歌的這項(xiàng)研究，不但讓積木能堆得更高，而且越高反而越穩(wěn)固。這也就有力地表明，未來(lái)實(shí)用的超大型量子計(jì)算機(jī)確實(shí)可以構(gòu)建。

這一突破在業(yè)界被稱為“低于閾值”——即能夠在增加量子比特?cái)?shù)量的同時(shí)降低錯(cuò)誤。在《自然》雜志的這篇論文中，研究人員寫道：“雖然許多平臺(tái)已經(jīng)展示了量子糾錯(cuò)的不同特性，但至今沒(méi)有一個(gè)量子處理器明確地表現(xiàn)出低于閾值的性能。”

“如果不低于閾值，那么進(jìn)行量子糾錯(cuò)真的毫無(wú)意義，這確實(shí)是未來(lái)實(shí)現(xiàn)這項(xiàng)技術(shù)的關(guān)鍵因素?！敝炖病P利補(bǔ)充說(shuō)道：“量子比特本身的質(zhì)量必須足夠好，才能進(jìn)行糾錯(cuò)，我們的糾錯(cuò)演示表明，在集成系統(tǒng)層面，一切都同時(shí)工作，這不僅僅是量子比特的數(shù)量、T1 或雙量子比特錯(cuò)誤率的問(wèn)題。這也是這項(xiàng)挑戰(zhàn)長(zhǎng)期以來(lái)一直難以解決的原因之一?！?/p>

“Willow 讓我們更接近運(yùn)行傳統(tǒng)計(jì)算機(jī)上無(wú)法復(fù)制的實(shí)用、商業(yè)相關(guān)算法。”哈特穆特·奈文說(shuō)道。

5分鐘完成一次計(jì)算，而Frontier則需要10^25年

為了衡量 Willow 的性能，谷歌使用了隨機(jī)電路采樣 (RCS，Random Circuit Sampling) 基準(zhǔn)?！癛CS 由谷歌量子AI團(tuán)隊(duì)首創(chuàng)，現(xiàn)已被廣泛用作該領(lǐng)域的標(biāo)準(zhǔn)，是當(dāng)今量子計(jì)算機(jī)領(lǐng)域最難的經(jīng)典基準(zhǔn)?！惫啬绿亍つ挝慕榻B說(shuō)。

具體而言，RCS被用來(lái)展示量子計(jì)算機(jī)和經(jīng)典計(jì)算機(jī)之間快速增長(zhǎng)的差距，并強(qiáng)調(diào)量子處理器如何以雙指數(shù)速度剝離，并將隨著量子位的擴(kuò)大而優(yōu)于經(jīng)典計(jì)算機(jī)。它涉及產(chǎn)生和測(cè)量隨機(jī)量子電路的輸出（隨機(jī)量子電路是以一種看似任意的方式應(yīng)用于量子位的量子門序列）。

如開(kāi)篇所述，Willow在RCS測(cè)試中的表現(xiàn)令人驚嘆：它在不到五分鐘的時(shí)間內(nèi)完成了一項(xiàng)計(jì)算，而當(dāng)今最快的超級(jí)計(jì)算機(jī)Frontier需要10^25年?！八C實(shí)了量子計(jì)算發(fā)生在許多平行宇宙中的觀點(diǎn)，這與 David Deutsch 首次提出的‘我們生活在多元宇宙中’觀點(diǎn)一致。”哈特穆特·奈文說(shuō)。

圖：計(jì)算成本受可用內(nèi)存的影響很大。因此，谷歌的估算考慮了一系列場(chǎng)景，從內(nèi)存無(wú)限的理想情況（▲）到更實(shí)用、在 GPU 上可并行執(zhí)行的實(shí)現(xiàn)（?）。

在簡(jiǎn)報(bào)會(huì)上被問(wèn)及“在實(shí)際應(yīng)用下，我們離看到量子計(jì)算機(jī)還有多遠(yuǎn)？”時(shí)，哈特穆特·奈文介紹說(shuō)，量子計(jì)算機(jī)在藥物發(fā)現(xiàn)、核聚變反應(yīng)堆、肥料生產(chǎn)、量子機(jī)器學(xué)習(xí)、電動(dòng)汽車電池等都有用武之地。

在藥物發(fā)現(xiàn)方面?！凹s75%的小分子藥物都會(huì)被P450酶代謝，這基本上是小分子藥物必須避開(kāi)的一個(gè)關(guān)卡，這個(gè)酶目前還沒(méi)有被充分理解，而量子計(jì)算機(jī)有望能更好地對(duì)它建模，谷歌正在研究這一應(yīng)用，試圖用量子計(jì)算機(jī)理解酶復(fù)合物P450。”

在機(jī)器學(xué)習(xí)方面?！艾F(xiàn)在AI無(wú)處不在，但重要的是要認(rèn)識(shí)到，有許多基礎(chǔ)和計(jì)算問(wèn)題，比如解決困難的優(yōu)化問(wèn)題或分解大數(shù)（Integer Factorization），這些無(wú)法只通過(guò)學(xué)習(xí)來(lái)解決，因?yàn)槟阈枰嫶蟮挠?xùn)練數(shù)據(jù)。這也是量子計(jì)算機(jī)能夠幫忙的地方。"

谷歌量子AI主任兼首席運(yùn)營(yíng)官 Charina Chou 補(bǔ)充說(shuō)道，“現(xiàn)在的AI主要指機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)需要大量訓(xùn)練樣本。比如ChatGPT的驚人成功，是因?yàn)橛写罅靠捎玫挠?xùn)練數(shù)據(jù)。在這方面，量子計(jì)算也能幫忙。谷歌實(shí)際上在這方面已經(jīng)有一些展開(kāi)工作，這將給我們帶來(lái)能從磁共振成像（MRI)和核磁共振（NMR)中獲得更多價(jià)值的算法。這些新的量子算法可以作為一個(gè)原子尺子，給出分子中原子核之間非常精確的距離。所以量子計(jì)算可以幫助收集原本無(wú)法獲取的訓(xùn)練數(shù)據(jù)集，這是其與AI的另一個(gè)重要聯(lián)系。"

此外，Charina Chou還指出，“模擬大自然的最大機(jī)會(huì)可能就在量子力學(xué)系統(tǒng)中”，谷歌正在與許多大公司、學(xué)術(shù)機(jī)構(gòu)和初創(chuàng)公司在物理、化學(xué)、材料科學(xué)領(lǐng)域展開(kāi)合作，探索量子計(jì)算在各領(lǐng)域的應(yīng)用場(chǎng)景。

系統(tǒng)工程是關(guān)鍵

在哈特穆特·奈文看來(lái)，系統(tǒng)工程是設(shè)計(jì)和制造量子芯片的關(guān)鍵：芯片的所有組件，例如單量子比特門和雙量子比特門、量子比特復(fù)位和讀出，都必須同時(shí)經(jīng)過(guò)精心設(shè)計(jì)和集成。如果任何組件滯后或兩個(gè)組件不能很好地協(xié)同工作，就會(huì)拖累系統(tǒng)性能。

“因此，最大化系統(tǒng)性能貫穿于我們流程的各個(gè)方面，從芯片架構(gòu)和制造到門開(kāi)發(fā)和校準(zhǔn)。Willow取得的成果是整體評(píng)估量子計(jì)算系統(tǒng)，而不是一次只評(píng)估一個(gè)因素。”

目前，Willow在上述兩個(gè)系統(tǒng)基準(zhǔn)測(cè)試中（量子糾錯(cuò)和隨機(jī)電路采樣）均擁有一流的性能，除此之外，Willow的T1時(shí)間（測(cè)量量子比特可以保留激發(fā)的時(shí)間長(zhǎng)短——關(guān)鍵的量子計(jì)算資源）接近100 μs（微秒），比Sycamore芯片的20微秒提了5倍。

如果你想評(píng)估量子硬件并跨平臺(tái)比較，以下是關(guān)鍵規(guī)格表：

圖：Willow 在多項(xiàng)指標(biāo)上的表現(xiàn)

當(dāng)被問(wèn)到“從2019年53量子比特的Sycamore，到現(xiàn)在105量子比特Willow的新成果，谷歌在量子計(jì)算上的技術(shù)路線似乎更注重質(zhì)量而非數(shù)量，這是否意味著業(yè)界普遍追求'更多量子比特'的路線需要調(diào)整？”這個(gè)問(wèn)題時(shí)，哈特穆特·奈文告訴科技行者：

量子計(jì)算機(jī)需要同時(shí)具備"數(shù)量"和"質(zhì)量"兩個(gè)條件。簡(jiǎn)單地增加量子比特?cái)?shù)量是不夠的，因?yàn)槿绻e(cuò)誤率太高，這些量子比特就無(wú)法被有效利用。這就像是一臺(tái)電腦，如果經(jīng)常死機(jī)，即使配置再高也無(wú)法正常工作。

如果一個(gè)量子計(jì)算機(jī)的門操作錯(cuò)誤率是千分之一，那么執(zhí)行一千次操作后，系統(tǒng)就很可能出錯(cuò)。而在實(shí)際應(yīng)用中，每個(gè)量子比特至少需要執(zhí)行十次門操作。所以對(duì)于一個(gè)有100個(gè)量子比特的系統(tǒng)來(lái)說(shuō)，需要將錯(cuò)誤率控制在十萬(wàn)分之一才算合格。

相比之下，某些其他設(shè)計(jì)雖然號(hào)稱有上千個(gè)量子比特，但錯(cuò)誤率高達(dá)1/50或1/200。這種情況下，在整個(gè)系統(tǒng)崩潰之前，根本無(wú)法同時(shí)使用所有量子比特?！斑@就是為什么谷歌選擇先把重心放在提高量子比特的“質(zhì)量”上，因?yàn)橹挥邢冉鉀Q了質(zhì)量問(wèn)題，增加數(shù)量才有意義?！?/p>

谷歌的研究團(tuán)隊(duì)表示，他們正在開(kāi)發(fā)新的技術(shù)來(lái)擴(kuò)大系統(tǒng)規(guī)模。當(dāng)前的工作重點(diǎn)是降低錯(cuò)誤率，讓它達(dá)到量子糾錯(cuò)的要求。隨著技術(shù)的成熟，量子比特的數(shù)量也會(huì)逐步增加。

谷歌的量子計(jì)算之旅

到目前為止，谷歌針對(duì)量子計(jì)算進(jìn)行了兩種不同類型的實(shí)驗(yàn)。

一方面，運(yùn)行RCS 基準(zhǔn)測(cè)試，該基準(zhǔn)測(cè)試衡量了與傳統(tǒng)計(jì)算機(jī)的性能，但沒(méi)有已知的實(shí)際應(yīng)用。

另一方面，對(duì)量子系統(tǒng)進(jìn)行了科學(xué)模擬，這也帶來(lái)了一些新的科學(xué)發(fā)現(xiàn)，但這些發(fā)現(xiàn)仍在傳統(tǒng)計(jì)算機(jī)的范圍內(nèi)。

圖：隨機(jī)電路采樣（RCS）雖然對(duì)于傳統(tǒng)計(jì)算機(jī)來(lái)說(shuō)極具挑戰(zhàn)性，但尚未展示實(shí)際的商業(yè)應(yīng)用。

視頻簡(jiǎn)報(bào)會(huì)上，谷歌量子計(jì)算AI團(tuán)隊(duì)公布了谷歌量子計(jì)算路線圖，谷歌稱，該路線圖的重點(diǎn)是通過(guò)開(kāi)發(fā)能夠進(jìn)行復(fù)雜、糾錯(cuò)計(jì)算的大型計(jì)算機(jī)，來(lái)釋放量子計(jì)算的全部潛力，這些里程碑將引領(lǐng)我們朝著有意義應(yīng)用的高質(zhì)量量子計(jì)算硬件和軟件發(fā)展。圖上可見(jiàn)，該路線圖包含六個(gè)里程碑，谷歌目前的已經(jīng)完成了兩個(gè)里程碑節(jié)點(diǎn)。

谷歌量子計(jì)算路線圖

談及投身于這趟量子計(jì)算之旅，哈特穆特·奈文在谷歌官網(wǎng)上寫道：

“我的同事有時(shí)會(huì)問(wèn)我，為什么離開(kāi)蓬勃發(fā)展的人工智能領(lǐng)域，轉(zhuǎn)而專注于量子計(jì)算。我的回答是，這兩項(xiàng)技術(shù)都將被證明是我們這個(gè)時(shí)代最具變革性的技術(shù)，但先進(jìn)的人工智能將從量子計(jì)算中受益匪淺。這就是我將我們的實(shí)驗(yàn)室命名為量子人工智能的原因?！?/p>

“量子算法具有基本的縮放定律（scaling laws），就像我們?cè)赗CS中看到的那樣，許多對(duì)人工智能至關(guān)重要的基礎(chǔ)計(jì)算任務(wù)也具有類似的縮放優(yōu)勢(shì)。因此，量子計(jì)算對(duì)于收集傳統(tǒng)機(jī)器無(wú)法訪問(wèn)的訓(xùn)練數(shù)據(jù)、訓(xùn)練和優(yōu)化某些學(xué)習(xí)架構(gòu)、以及對(duì)量子效應(yīng)很重要的系統(tǒng)進(jìn)行建模將是必不可少的。這包括幫助我們發(fā)現(xiàn)新藥、為電動(dòng)汽車設(shè)計(jì)更高效的電池，以及加速核聚變和新能源替代品的進(jìn)展。許多未來(lái)改變游戲規(guī)則的應(yīng)用程序中在傳統(tǒng)計(jì)算機(jī)上是行不通的；它們正等待量子計(jì)算來(lái)解鎖。”