谷歌發(fā)布Willow量子芯片，破解30年重大難題，5分鐘完成超算10的25次方年任務(wù)

在量子計(jì)算領(lǐng)域，量子比特的錯(cuò)誤率控制一直是一個(gè)重大挑戰(zhàn)。 量子比特極其脆弱，即使很小的環(huán)境干擾也會(huì)導(dǎo)致量子信息丟失。 為了解決這個(gè)問題，科學(xué)家們提出了量子糾錯(cuò)編碼的技術(shù)——將多個(gè)物理量子比特組合成一個(gè)邏輯量子比特，通過冗余編碼來抵抗錯(cuò)誤。

盡管在這一技術(shù)的幫助下，當(dāng)前最先進(jìn)的量子處理器能夠?qū)崿F(xiàn)高達(dá) 99.9% 的門操作保真度，但仍遠(yuǎn)未達(dá)到量子算法所需的 10?1? 量級(jí)的誤差率。因此，如何通過量子誤差糾正技術(shù)提升計(jì)算可靠性，成為學(xué)界和工業(yè)界的核心挑戰(zhàn)。

現(xiàn)在，Google量子人工智能團(tuán)隊(duì)在其最新一代超導(dǎo)處理器 Willow 上取得了重要突破。他們成功實(shí)現(xiàn)了一種邏輯誤差低于表面碼閾值的量子誤差糾正方案，讓糾錯(cuò)量子計(jì)算 30 年來“低于閾值”的目標(biāo)成為現(xiàn)實(shí)。

相關(guān)成果已經(jīng)發(fā)布于 Nature[1]。

圖丨相關(guān)論文（來源：Nature）

1995 年 MIT 教授彼得·肖爾（Peter Shor）首次提出了量子糾錯(cuò)的概念，他設(shè)計(jì)了第一個(gè)量子糾錯(cuò)碼——肖爾碼（Shor Code）[2]。這一突破性的研究首次證明了量子信息盡管極其脆弱，卻可以通過編碼分布在多個(gè)物理量子比特上，以實(shí)現(xiàn)錯(cuò)誤的檢測(cè)和糾正。肖爾碼通過保護(hù)一個(gè)量子比特免受相位和振幅翻轉(zhuǎn)錯(cuò)誤的影響，為量子計(jì)算的可行性提供了理論支撐。

圖丨Peter Shor（來源：MIT）

在肖爾碼之后，穩(wěn)定子碼和表面碼等更復(fù)雜的糾錯(cuò)方案相繼被提出。其中，表面碼（Surface Code）因其良好的錯(cuò)誤抑制性能和對(duì)硬件要求的相對(duì)可實(shí)現(xiàn)性，成為容錯(cuò)量子計(jì)算的核心技術(shù)。

表面碼(surface code)通過將量子比特排列成 d×d 的方形陣列，理論上，陣列越大，邏輯量子比特就越穩(wěn)定，性能也會(huì)越好。但實(shí)際上，擴(kuò)大陣列也會(huì)帶來更多出錯(cuò)機(jī)會(huì)。如果物理量子比特的錯(cuò)誤率過高，這些額外錯(cuò)誤會(huì)壓倒糾錯(cuò)能力，使得擴(kuò)大陣列反而會(huì)降低處理器性能。

只有當(dāng)物理量子比特的錯(cuò)誤率足夠低時(shí)，量子糾錯(cuò)才能彌補(bǔ)這些額外錯(cuò)誤。這個(gè)臨界錯(cuò)誤率就被稱為量子糾錯(cuò)門檻。

而Google 團(tuán)隊(duì)在 Willow 上首次實(shí)現(xiàn)了這一點(diǎn)。在 Willow 的錯(cuò)誤糾正實(shí)驗(yàn)中，當(dāng)將陣列從 3×3 擴(kuò)展到 5×5 再到 7×7 時(shí)，每次擴(kuò)展都能將編碼錯(cuò)誤率降低 2.14 倍。這一結(jié)果證實(shí)了量子糾錯(cuò)理論的指數(shù)級(jí)錯(cuò)誤抑制效果。

更重要的是，7×7 陣列實(shí)現(xiàn)的邏輯量子比特展現(xiàn)出了超越物理極限的性能——其壽命達(dá)到 291±6 微秒，是其最佳物理量子比特壽命（119±13微秒）的 2.4 倍。這標(biāo)志著量子糾錯(cuò)首次實(shí)現(xiàn)了“超越平衡點(diǎn)”（beyond breakeven）的里程碑。

（來源：Google）

這些突破得益于 Willow 處理器在多個(gè)技術(shù)層面的創(chuàng)新。通過改進(jìn)制造工藝、優(yōu)化參與率工程和電路參數(shù)，新一代處理器的量子比特展現(xiàn)出了優(yōu)異的相干性能：弛豫時(shí)間(T1)從此前的約 20 微秒提升到 68 微秒，自旋回波相干時(shí)間（T2，CPMG）達(dá)到 89 微秒。這種基礎(chǔ)性能的提升直接反映在了更好的糾錯(cuò)效果上：雖然操作保真度只提高了約 2 倍，但編碼后的錯(cuò)誤率卻改善了約 20 倍。

其次，團(tuán)隊(duì)開發(fā)了兩種高精度解碼器：一個(gè)是經(jīng)過處理器數(shù)據(jù)微調(diào)的神經(jīng)網(wǎng)絡(luò)解碼器，另一個(gè)是增加了匹配綜合的相關(guān)最小權(quán)重完美匹配解碼器集成。這些解碼器能夠準(zhǔn)確地從測(cè)量量子比特獲取的奇偶校驗(yàn)信息中推斷出錯(cuò)誤的位置和類型。

在錯(cuò)誤糾正過程中，系統(tǒng)首先將數(shù)據(jù)量子比特初始化為 ZXXZ 表面碼的邏輯本征態(tài)，然后重復(fù)執(zhí)行錯(cuò)誤糾正周期。在每個(gè)周期中，測(cè)量量子比特都會(huì)從相鄰的數(shù)據(jù)量子比特中提取奇偶校驗(yàn)信息，這些信息隨后被發(fā)送到解碼器進(jìn)行處理。特別重要的是，每次 syndrome 提取之后，系統(tǒng)都會(huì)執(zhí)行數(shù)據(jù)量子比特泄漏移除(DQLR)操作，這個(gè)步驟確保了量子比特不會(huì)長(zhǎng)時(shí)間停留在高能泄漏態(tài)。

（來源：Google）

由此，Willow得以實(shí)現(xiàn)上述出色的邏輯誤差抑制能力。

除了量子糾錯(cuò)性能外，Willow 處理器在隨機(jī)線路采樣（RCS）基準(zhǔn)測(cè)試上也取得了驚人成果。它在不到 5 分鐘內(nèi)完成了一項(xiàng)運(yùn)算，這項(xiàng)運(yùn)算即使在當(dāng)今最快的超級(jí)計(jì)算機(jī) Frontier 上運(yùn)行也需要 10 億億億年（102?年）。

圖丨RCS 測(cè)試結(jié)果（來源：Google）

在穩(wěn)定性測(cè)試中，研究團(tuán)隊(duì)在 72 量子比特處理器上進(jìn)行了長(zhǎng)達(dá) 15 小時(shí)的持續(xù)實(shí)驗(yàn)，系統(tǒng)保持了平均 A=2.18±0.07 的穩(wěn)定錯(cuò)誤抑制性能。即使在最長(zhǎng)達(dá) 100 萬(wàn)個(gè)周期的實(shí)驗(yàn)中，性能也沒有顯著降低。這種長(zhǎng)期穩(wěn)定性對(duì)于未來實(shí)現(xiàn)實(shí)用的量子算法至關(guān)重要。

研究團(tuán)隊(duì)還實(shí)現(xiàn)了實(shí)時(shí)解碼，這對(duì)未來的實(shí)用量子計(jì)算具有重要意義。在距離為 5 的碼上，實(shí)時(shí)解碼系統(tǒng)實(shí)現(xiàn)了平均 63 微秒的解碼延遲，能夠跟上 1.1 微秒的快速糾錯(cuò)周期。這表明，超導(dǎo)量子計(jì)算平臺(tái)可以滿足大規(guī)模容錯(cuò)量子算法所需的嚴(yán)格時(shí)序要求。

但研究中也還存在一些挑戰(zhàn)。在重復(fù)碼實(shí)驗(yàn)中，團(tuán)隊(duì)觀察到每小時(shí)會(huì)出現(xiàn)一次相關(guān)錯(cuò)誤爆發(fā)，這些錯(cuò)誤會(huì)在約 400 微秒的時(shí)間尺度上衰減，導(dǎo)致了 10?1? 的錯(cuò)誤下限。雖然這個(gè)錯(cuò)誤率已經(jīng)相當(dāng)?shù)?，但要達(dá)到某些量子算法所需的 10?? 錯(cuò)誤率，目前的方案仍需要使用 1457 個(gè)物理量子比特構(gòu)建的距離 27 邏輯量子比特。

圖丨重復(fù)代碼性能隨重復(fù)代碼大小而變化。與 Sycamore 相比，團(tuán)隊(duì)實(shí)現(xiàn)了 10，000 倍的改進(jìn)，但觀察到錯(cuò)誤底線約為每周期10 -10 個(gè)邏輯錯(cuò)誤。（來源：Google）

此外，隨著系統(tǒng)規(guī)模擴(kuò)大，解碼延遲也會(huì)增加。目前在距離為 5 的碼上測(cè)得的 50-100 微秒解碼延遲預(yù)計(jì)會(huì)隨著碼距增加而增長(zhǎng)。這可能會(huì)影響未來大規(guī)模量子計(jì)算機(jī)的運(yùn)行速度，需要進(jìn)一步優(yōu)化。

盡管如此，Willow 處理器的未來依然值得期待。在過去一年中，其編碼性能提升了 20 倍。如果能保持這種指數(shù)級(jí)的進(jìn)步，實(shí)用的大規(guī)模量子計(jì)算機(jī)或許比預(yù)期更快到來。

參考資料：

1.https://www.nature.com/articles/s41586-024-08449-y

2.https://journals.aps.org/pra/abstract/10.1103/PhysRevA.52.R2493

3.https://blog.google/technology/research/google-willow-quantum-chip/

4.https://research.google/blog/making-quantum-error-correction-work/