谷歌量子人工智能团队周四宣布，已在 Willow 处理器上实现名为“魔态培养”的技术，将量子计算中关键资源“魔态”的错误率降低约 40 倍，并获得逻辑保真度达到 99.99% 的 T 态。相关论文已发表于《Science》。
这项进展指向量子计算长期存在的一项核心难题：如何以更低成本制造高质量魔态。谷歌表示，魔态是运行高价值量子程序所必需的单次消耗型资源，而根据一些学术估算，制造魔态的开销过去可能占到一台量子计算机总算力的 95%。
从理论构想到真实芯片实验
谷歌称，量子计算领域最有前景的理论构想之一，已经被转化为能够在真实物理芯片上运行的技术。在发表的论文中，Google Quantum AI 展示了其最新 Willow 处理器上的实验结果，证明“魔态培养”能够显著压低错误率。
谷歌在声明中表示：「在谷歌量子 AI 的 Willow 处理器上，我们的协议相对于未经培养的原始状态实现了极其显著的 40 倍错误率降低。我们获得了逻辑保真度达到 99.99% 创纪录水平的 T 态。」
报道指出，这一结果不只关系到基础物理研究。若相关能力继续提升，量子计算在药物设计、新材料研发等场景的实际应用时间可能被提前，而具备破解保护银行登录凭据和比特币钱包加密算法能力的时间点，也会被进一步拉近。
为什么魔态长期被视为瓶颈
量子计算机以量子比特为基础。不同于传统比特只能取 0 或 1，量子比特可以处于叠加态，从而并行探索大量可能结果。但量子比特也非常脆弱，热量或电磁噪声等微小干扰，都可能导致状态翻转并破坏计算过程。
这也是量子纠错成为行业重点的原因。通过把单一信息分散存储在大量物理量子比特中，系统可以捕获并修正部分错误。不过，复杂且具有商业价值的量子程序还需要更高阶的操作，而这类操作无法用相同方式直接保护。为了执行这些操作，机器必须先制备“魔态”。
文中将魔态比作复杂运算的单次消耗型燃料电池：一旦使用，就会被耗尽。问题在于，制造高纯度、低噪声魔态一直代价高昂，导致大量算力被消耗在资源制备阶段，而不是实际计算本身。
从“蒸馏”到“培养”
2004 年，物理学家 Sergei Bravyi 和 Alexei Kitaev 提出过标准方案“魔态蒸馏”。这种方法依赖大量含噪的低质量魔态，通过多轮筛选提纯出少量高纯度魔态。蒸馏法虽然有效，但需要庞大且专用的物理量子比特工厂，除了提纯用途之外几乎没有别的功能。
2024 年，谷歌研究人员提出成本更低的替代路线“魔态培养”。按照文中的描述，这一方法更像精密过滤器：先把一个原始魔态注入芯片中的极小区域，再进行一系列连续检测；凡是被发现存在瑕疵的尝试都会被直接丢弃，只保留通过检测的状态并持续培养。
研究团队在最初论文中甚至提出，在实际工程中，传统的二次蒸馏未来可能不再需要。
不过，这种方法也有明显筛选代价。实验显示，只有约 8% 的尝试可以通过全部检测，意味着每得到一个合格的高纯度魔态，系统都要主动丢弃超过 90% 的初始尝试。
对加密系统的含义仍停留在长期层面
“魔态培养”也是研究员 Craig Gidney 此前压缩量子破译资源估算的关键依据之一。报道提到，Gidney 在 2025 年预测，攻破 RSA-2048 加密所需的含噪物理量子比特数量可降至 100 万个以下，而他在 2019 年给出的估算为 2000 万个，前后相差 20 倍。
今年 3 月，谷歌量子 AI 团队还与以太坊基金会研究员 Justin Drake、斯坦福大学密码学家 Dan Boneh 联合发布白皮书，进一步给出一项更激进的估算：破解比特币椭圆曲线加密算法所需的物理量子比特数量，可能不到 50 万个。
不过，报道同时明确指出，目前并没有任何人的加密钱包会因此被盗。此次实验最多只使用了 Willow 芯片 105 个量子比特中的 54 个，而论文写明，若要真正因式分解 RSA-2048 密钥，所需魔态错误率必须低到约百亿分之一。与谷歌这次实现的 99.99% 保真度相比，这一要求仍要纯净近 100 万倍。
下一步是扩大硬件规模
谷歌表示，接下来计划在更大规模的硬件阵列上运行“魔态培养”。团队预计，只要将 Willow 处理器的底层硬件噪声降低一半，魔态错误率还可以进一步压缩到十万分之二左右，因为这一工艺中的错误率会随着芯片噪声水平下降而按立方关系缩小。
从当前实验结果看，谷歌已经把“魔态培养”从理论与模拟推进到真实芯片验证阶段。至于它何时能够支撑破解经典加密，论文给出的答案仍然是：还远未到来，但门槛正在被持续下压。
