作者｜周雅

提到量子計算，美國理論物理學家理查德·費曼曾說過一句令人難忘的話：“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。”

在過去30年里，量子計算存在一個根本性的挑戰(zhàn)：隨著量子比特數(shù)量的增加，錯誤率會急劇上升。然而，這個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)表了一項量子計算突破，谷歌的超導量子芯片Sycamore僅用200秒就完成了一項計算，而世界最快的超級計算機需要 1萬年。當時谷歌CEO桑達爾·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)在兩個方面：

· 首先，Willow實現(xiàn)了隨著量子比特數(shù)量增加、而指數(shù)級降低錯誤率的目標，通過逐步擴大量子比特陣列規(guī)模，從3x3到5x5再到7x7，每次都能將錯誤率降低一半。這是自1995 年 Peter Shor 引入量子糾錯以來，一直是該領域面臨的艱巨挑戰(zhàn)。

· 其次，更受關注的是其計算能力的突破。在隨機電路采樣（RCS）基準測試中，Willow用不到5分鐘就完成了一項計算，而當今最快超級計算機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數(shù)字的概念，谷歌說“這個時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報會，谷歌量子AI創(chuàng)始人兼負責人Hartmut Neven（哈特穆特·奈文）在會上表示：“當我們于2012年創(chuàng)立谷歌量子AI團隊時，愿景是構建一個有用的大規(guī)模量子計算機，利用我們今天所知的量子力學（自然界的‘操作系統(tǒng)’）來推動科學發(fā)現(xiàn)、開發(fā)有益的應用、并解決一些社會的關鍵挑戰(zhàn)。”

谷歌的量子AI團隊由哈特穆特·奈文領導，谷歌在圣巴巴拉建立了專門的量子芯片制造工廠，在該領域進行深度投入。

有意思的是，谷歌量子硬件總監(jiān)Julian Kelly（朱利安·凱利)在簡報會上介紹說，此前谷歌量子芯片Sycamore是在加州大學圣巴巴拉分校的一個共享潔凈室中建造的——該實驗室于2013年宣布成立，為谷歌研究人員提供了更多工具和更強大的功能。而此次，Willow是在谷歌自己的專用超導芯片制造設施生產(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。

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

指數(shù)級量子誤差校正：低于閾值

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

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

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

1個中心位置的物理量子比特存儲實際的量子信息(數(shù)據(jù)比特)，周圍8個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3×3的排列實際上只能存儲1個比特的信息，但它能夠保護這個信息不被環(huán)境干擾破壞。

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

這就解釋了為什么量子計算機需要這么多“物理量子比特”，而且物理量子比特數(shù)量看起來很多，但實際能用于計算的"邏輯量子比特"數(shù)量要少得多：比如要存儲10個比特的信息，使用3×3的方案就需要90個物理量子比特(10×9)，用5×5方案則需要250個物理量子比特(10×25)，用7×7方案需要490個物理量子比特(10×49)。這種"冗余"是必要的，因為它保證了量子計算的可靠性。

“我們希望隨著這些集合越來越大，糾錯能力也越來越強，這樣量子比特就會越來越準確。問題是，隨著這些東西越來越大，出錯的機會也越來越多，所以我們需要足夠好的設備，這樣當我們把這些東西做得越來越大時，糾錯能力就能克服我們引入系統(tǒng)的這些額外錯誤。”谷歌實驗室研究科學家Michael Newman（邁克爾·紐曼）在簡報會上說。

谷歌稱，這是一個30年來一直未實現(xiàn)的目標，直到現(xiàn)在Willow實現(xiàn)了突破——實現(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，錯誤率就會呈指數(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，未來實用的超大型量子計算機確實可以構建。

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數(shù)量的同時降低錯誤。在《自然》雜志的這篇論文中，研究人員寫道：“雖然許多平臺已經(jīng)展示了量子糾錯的不同特性，但至今沒有一個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，那么進行量子糾錯真的毫無意義，這確實是未來實現(xiàn)這項技術的關鍵因素。”朱利安·凱利補充說道：“量子比特本身的質(zhì)量必須足夠好，才能進行糾錯，我們的糾錯演示表明，在集成系統(tǒng)層面，一切都同時工作，這不僅僅是量子比特的數(shù)量、T1 或雙量子比特錯誤率的問題。這也是這項挑戰(zhàn)長期以來一直難以解決的原因之一。”

“Willow 讓我們更接近運行傳統(tǒng)計算機上無法復制的實用、商業(yè)相關算法。”哈特穆特·奈文說道。

5分鐘完成一次計算，而Frontier則需要10^25年

為了衡量 Willow 的性能，谷歌使用了隨機電路采樣 (RCS，Random Circuit Sampling) 基準。“RCS 由谷歌量子AI團隊首創(chuàng)，現(xiàn)已被廣泛用作該領域的標準，是當今量子計算機領域最難的經(jīng)典基準。”哈特穆特·奈文介紹說。

具體而言，RCS被用來展示量子計算機和經(jīng)典計算機之間快速增長的差距，并強調(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大而優(yōu)于經(jīng)典計算機。它涉及產(chǎn)生和測量隨機量子電路的輸出（隨機量子電路是以一種看似任意的方式應用于量子位的量子門序列）。

如開篇所述，Willow在RCS測試中的表現(xiàn)令人驚嘆：它在不到五分鐘的時間內(nèi)完成了一項計算，而當今最快的超級計算機Frontier需要10^25年。“它證實了量子計算發(fā)生在許多平行宇宙中的觀點，這與 David Deutsch 首次提出的‘我們生活在多元宇宙中’觀點一致。”哈特穆特·奈文說。

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

在簡報會上被問及“在實際應用下，我們離看到量子計算機還有多遠？”時，哈特穆特·奈文介紹說，量子計算機在藥物發(fā)現(xiàn)、核聚變反應堆、肥料生產(chǎn)、量子機器學習、電動汽車電池等都有用武之地。

在藥物發(fā)現(xiàn)方面。“約75%的小分子藥物都會被P450酶代謝，這基本上是小分子藥物必須避開的一個關卡，這個酶目前還沒有被充分理解，而量子計算機有望能更好地對它建模，谷歌正在研究這一應用，試圖用量子計算機理解酶復合物P450。”

在機器學習方面。“現(xiàn)在AI無處不在，但重要的是要認識到，有許多基礎和計算問題，比如解決困難的優(yōu)化問題或分解大數(shù)（Integer Factorization），這些無法只通過學習來解決，因為你需要龐大的訓練數(shù)據(jù)。這也是量子計算機能夠幫忙的地方。"

谷歌量子AI主任兼首席運營官 Charina Chou 補充說道，“現(xiàn)在的AI主要指機器學習，機器學習需要大量訓練樣本。比如ChatGPT的驚人成功，是因為有大量可用的訓練數(shù)據(jù)。在這方面，量子計算也能幫忙。谷歌實際上在這方面已經(jīng)有一些展開工作，這將給我們帶來能從磁共振成像（MRI)和核磁共振（NMR)中獲得更多價值的算法。這些新的量子算法可以作為一個原子尺子，給出分子中原子核之間非常精確的距離。所以量子計算可以幫助收集原本無法獲取的訓練數(shù)據(jù)集，這是其與AI的另一個重要聯(lián)系。"

此外，Charina Chou還指出，“模擬大自然的最大機會可能就在量子力學系統(tǒng)中”，谷歌正在與許多大公司、學術機構和初創(chuàng)公司在物理、化學、材料科學領域展開合作，探索量子計算在各領域的應用場景。

系統(tǒng)工程是關鍵

在哈特穆特·奈文看來，系統(tǒng)工程是設計和制造量子芯片的關鍵：芯片的所有組件，例如單量子比特門和雙量子比特門、量子比特復位和讀出，都必須同時經(jīng)過精心設計和集成。如果任何組件滯后或兩個組件不能很好地協(xié)同工作，就會拖累系統(tǒng)性能。

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

目前，Willow在上述兩個系統(tǒng)基準測試中（量子糾錯和隨機電路采樣）均擁有一流的性能，除此之外，Willow的T1時間（測量量子比特可以保留激發(fā)的時間長短——關鍵的量子計算資源）接近100 µs（微秒），比Sycamore芯片的20微秒提了5倍。

如果你想評估量子硬件并跨平臺比較，以下是關鍵規(guī)格表：

圖：Willow 在多項指標上的表現(xiàn)

當被問到“從2019年53量子比特的Sycamore，到現(xiàn)在105量子比特Willow的新成果，谷歌在量子計算上的技術路線似乎更注重質(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？”這個問題時，哈特穆特·奈文告訴科技行者：

量子計算機需要同時具備"數(shù)量"和"質(zhì)量"兩個條件。簡單地增加量子比特數(shù)量是不夠的，因為如果錯誤率太高，這些量子比特就無法被有效利用。這就像是一臺電腦，如果經(jīng)常死機，即使配置再高也無法正常工作。

如果一個量子計算機的門操作錯誤率是千分之一，那么執(zhí)行一千次操作后，系統(tǒng)就很可能出錯。而在實際應用中，每個量子比特至少需要執(zhí)行十次門操作。所以對于一個有100個量子比特的系統(tǒng)來說，需要將錯誤率控制在十萬分之一才算合格。

相比之下，某些其他設計雖然號稱有上千個量子比特，但錯誤率高達1/50或1/200。這種情況下，在整個系統(tǒng)崩潰之前，根本無法同時使用所有量子比特。“這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，因為只有先解決了質(zhì)量問題，增加數(shù)量才有意義。”

谷歌的研究團隊表示，他們正在開發(fā)新的技術來擴大系統(tǒng)規(guī)模。當前的工作重點是降低錯誤率，讓它達到量子糾錯的要求。隨著技術的成熟，量子比特的數(shù)量也會逐步增加。

谷歌的量子計算之旅

到目前為止，谷歌針對量子計算進行了兩種不同類型的實驗。

一方面，運行RCS 基準測試，該基準測試衡量了與傳統(tǒng)計算機的性能，但沒有已知的實際應用。

另一方面，對量子系統(tǒng)進行了科學模擬，這也帶來了一些新的科學發(fā)現(xiàn)，但這些發(fā)現(xiàn)仍在傳統(tǒng)計算機的范圍內(nèi)。

圖：隨機電路采樣（RCS）雖然對于傳統(tǒng)計算機來說極具挑戰(zhàn)性，但尚未展示實際的商業(yè)應用。

視頻簡報會上，谷歌量子計算AI團隊公布了谷歌量子計算路線圖，谷歌稱，該路線圖的重點是通過開發(fā)能夠進行復雜、糾錯計算的大型計算機，來釋放量子計算的全部潛力，這些里程碑將引領我們朝著有意義應用的高質(zhì)量量子計算硬件和軟件發(fā)展。圖上可見，該路線圖包含六個里程碑，谷歌目前的已經(jīng)完成了兩個里程碑節(jié)點。

谷歌量子計算路線圖

談及投身于這趟量子計算之旅，哈特穆特·奈文在谷歌官網(wǎng)上寫道：

“我的同事有時會問我，為什么離開蓬勃發(fā)展的人工智能領域，轉(zhuǎn)而專注于量子計算。我的回答是，這兩項技術都將被證明是我們這個時代最具變革性的技術，但先進的人工智能將從量子計算中受益匪淺。這就是我將我們的實驗室命名為量子人工智能的原因。”

“量子算法具有基本的縮放定律（scaling laws），就像我們在RCS中看到的那樣，許多對人工智能至關重要的基礎計算任務也具有類似的縮放優(yōu)勢。因此，量子計算對于收集傳統(tǒng)機器無法訪問的訓練數(shù)據(jù)、訓練和優(yōu)化某些學習架構、以及對量子效應很重要的系統(tǒng)進行建模將是必不可少的。這包括幫助我們發(fā)現(xiàn)新藥、為電動汽車設計更高效的電池，以及加速核聚變和新能源替代品的進展。許多未來改變游戲規(guī)則的應用程序中在傳統(tǒng)計算機上是行不通的；它們正等待量子計算來解鎖。”