LOL下注围绕LOL下注不断创新，回应用户的真实需求。

量子计算重大突破，谷歌首次在真实芯片上跑通「魔态培育」 - 英雄联盟比赛预测

如果《黑客帝国》里的机器世界真的存在，它们或许会面临一个现实难题：算力还没开始处理任务，就得先耗费大量资源去准备自己的“能源”。

这听起来有些不可思议，但恰恰是未来量子计算机可能遭遇的困境。

近期，Google Quantum AI 在《Science》期刊上发表了题为《Magic state cultivation on a superconducting quantum processor》的论文，宣布首次在真实的 Willow 量子处理器上成功实现了 Magic State Cultivation（魔态培育）。

这项技术针对的是量子计算中一种昂贵且特殊的“燃料”——魔态。

具有魔力的“魔态”

请不要被这个名称吓到。

Magic State（魔态）并非什么神秘事物，在量子计算领域，它指的是拥有特殊量子资源的一类量子态。

如果把量子计算机比作一座工厂，那么普通的量子纠错操作更像是已经成熟的基础设备，而魔态则是一种昂贵、稀缺但又不可或缺的特殊耗材。

它并非用于所有计算任务，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，研究人员就已经意识到，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（Magic State Distillation）是过去二十年间用来解决这一问题的主要方法。

其思路与“提纯”过程类似：先准备一些质量较低的魔态，然后通过量子纠错、测量和筛选等步骤，去除其中的错误成分，最终获得数量较少但质量较高的魔态。

这就像酿造葡萄酒的过程：如果初始葡萄品质参差不齐，就需要通过发酵、过滤、检测和提纯等一系列工序，去除不合格的部分。但在量子计算机中，每一次“过滤”操作都需要付出代价。

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。

也就是说，量子计算机可能处于一种尴尬境地：它消耗的大部分资源并非直接用于解决实际问题，而是用于产生解决问题所需的“能源”。

而且，魔态是一种消耗品。一旦被用于实现相应的非 Clifford 操作，它就无法像普通量子比特那样被回收重复使用。

过去二十年，研究人员一直在努力降低“魔态税”，而谷歌这次找到了另一种方法。

将“种子”培育长大

这次，谷歌并未提出全新的量子纠错技术，而是将此前仅停留在理论或模拟中的想法，首次应用到了真实的量子芯片上。

这种方法被称为 Magic State Cultivation（魔态培育）。

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

传统的魔态蒸馏类似于不断对一批批原料进行提炼，而魔态培育则是挑选出一颗优质种子，然后逐步培育它。

研究人员首先创建出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中。在此过程中，周围的量子比特会被持续用于测量。

一旦发现错误，就将其消除，并在检查通过后才继续推进。随着纠错编码的不断扩展，剩余状态的可靠性逐渐提高。到2024年，理论研究已经利用状态矢量模拟、稳定子模拟、错误枚举和 Monte Carlo 等方法，对该方案进行了资源估算。

魔态培育真正改变的，不是简单堆砌更多量子比特，而是设法让相同数量的量子比特完成更多实际有用的计算。

谷歌此次是首次在 Willow 量子处理器上，将这套方案真正付诸实践。

所使用的处理器是谷歌生产的 Willow。研究人员在芯片上的一小块区域注入了带有噪声的量子态，并通过大量高度同步的测量来识别并消除这些错误。

最终保留下来的 T 态逻辑保真度达到了 99.99%，错误率比未经处理时降低了 40 多倍，实验后仅保留了约 8% 的尝试。

99.99% 的逻辑保真度意味着，经过一系列纠错后，量子资源已非常接近理想状态，可以作为未来容错量子计算中的可靠组件。

如果魔态培育最终能够实现规模化，它节省下来的不仅是一个实验指标，而是一大片原本被纠错操作占用的计算空间。

谷歌还完成了从 Color Code 到 Surface Code 的编码转换，并将一个 distance-3 的 Color Code 中的量子态转移到了 distance-5 的 Surface Code 上。

这里的 distance 可以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。

谷歌的方法是使用 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。

一种此前仅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得到了验证。

与产业之间的距离

先别急着兴奋。

这项成果要从实验室走向产业应用，还有很长的路要走。

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，并特别提到了药物研发、电池和新能源材料等领域。谷歌也将化学、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。

谷歌已与制药公司 Boehringer Ingelheim 合作，尝试用量子计算模拟人体内一种重要的酶——Cytochrome P450。这种酶会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，谷歌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 的速度翻倍。

它所能改变的是更深层次的东西：降低未来容错量子计算机的运行成本，包括解决一些传统计算机难以处理的问题，比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越高，人们对量子计算的关注度就越高。

NVIDIA CEO Jensen Huang 对实用化量子计算的未来应用持谨慎态度，认为可能需要等到15-30年之后才能实现。

至于这条路要走多久，目前还没有确定的答案。

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。