广告led招牌制作

<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>量(liang)子(zi)計(ji)算(suan)第(di)二(er)裏(li)程(cheng)碑(bei)！谷(gu)歌(ge)實(shi)現(xian)量子糾(jiu)錯(cuo)突(tu)破(po)，150多(duo)位(wei)作(zuo)者(zhe)成(cheng)果(guo)登(deng)Nature

新(xin)智(zhi)元(yuan)報(bao)道(dao)

編(bian)輯(ji)：编辑部(bu)

【新智元導(dao)讀(du)】繼(ji)三(san)年(nian)前(qian)实现「量子霸(ba)權(quan)」後(hou)，谷歌今(jin)天(tian)宣(xuan)稱(cheng)，首(shou)次(ci)通(tong)過(guo)增(zeng)加(jia)量子比(bi)特(te)來(lai)降(jiang)低(di)计算错誤(wu)率(lv)，創(chuang)下(xia)第二個(ge)里程碑。

2019年，谷歌首次宣称实现量子霸权，创下首个里程碑。

3年之(zhi)后，這(zhe)家(jia)公(gong)司(si)宣布(bu)已(yi)經(jing)達(da)到(dao)通往(wang)構(gou)建(jian)大(da)型(xing)量子计算機(ji)道路(lu)上(shang)的(de)第二个關(guan)鍵(jian)里程碑（M2）。

即(ji)有(you)史(shi)以(yi)来首次通过增加量子比特来降低计算错误率！

官(guan)方(fang)博(bo)客(ke)称，量子纠错（QEC）通过多个物(wu)理(li)量子比特，即「邏(luo)辑量子比特」，對(dui)信(xin)息(xi)進(jin)行(xing)编碼(ma)。

这壹(yi)方法(fa)被(bei)認(ren)為(wei)是(shi)大型量子计算机降低错误率来进行计算的唯(wei)一方法。

最(zui)新研(yan)究(jiu)成果已發(fa)表(biao)在(zai)Nature期(qi)刊(kan)上。

論(lun)文(wen)鏈(lian)接(jie)：https://www.nature.com/articles/s41586-022-05434-1

不(bu)說(shuo)別(bie)的，这篇(pian)论文陣(zhen)容(rong)有多強(qiang)大，瞅(chou)瞅作者數(shu)量就(jiu)知(zhi)道了(le)。

有150多位科(ke)學(xue)家參(can)與(yu)了本(ben)次研究。

物理量子比特到逻辑量子比特

2020年，谷歌曾(zeng)发布了一份(fen)量子计算路線(xian)圖(tu)，共(gong)有六(liu)个关键里程碑。

量子霸权第一，而(er)當(dang)前最新成果代(dai)表了M2。

最后一个里程碑M6是实现100萬(wan)个物理量子比特組(zu)成的量子计算机，编码1000个逻辑量子比特，到那(na)時(shi)便(bian)可(ke)以实现量子计算机商(shang)業(ye)應(ying)用(yong)的價(jia)值(zhi)。

为什(shen)麽(me)要(yao)纠错呢(ne)？需(xu)要明(ming)確(que)的是，所(suo)有计算机都(dou)會(hui)出(chu)错。

要想(xiang)量子计算机能(neng)夠(gou)處(chu)理普(pu)通计算机無(wu)法解(jie)決(jue)的問(wen)題(ti)，比如(ru)將(jiang)大整(zheng)数分(fen)解为素(su)数，纠错是不可避(bi)免(mian)的。

对於(yu)普通计算机来講(jiang)，其(qi)芯(xin)片(pian)以位（可以表示(shi)0或(huo)1）的形(xing)式(shi)存(cun)儲(chu)信息，並(bing)将一些(xie)信息復(fu)制(zhi)到冗(rong)余(yu)的纠错位中(zhong)。

当发生(sheng)错误时，芯片可以自(zi)動(dong)发现问题并进行修(xiu)复。

然(ran)而，在量子计算中，卻(que)无法做(zuo)到这一點(dian)。量子比特是量子信息的基(ji)本單(dan)位，量子比特是0和(he)1的量子疊(die)加。

如果一个量子比特的完(wan)整量子態(tai)不可挽(wan)回(hui)地(di)丟(diu)失(shi)，則(ze)无法读出信息，也(ye)就意(yi)味(wei)著(zhe)它(ta)的信息不能簡(jian)单地复制到冗余量子比特上。

现在，谷歌量子團(tuan)隊(dui)找(zhao)到了一種(zhong)全(quan)新的量子纠错方案(an)：

即通过在一组物理量子，而不是单个量子中编码信息的量子比特，称为「逻辑量子比特」。

量子计算机可以使(shi)用一些物理量子比特来檢(jian)查(zha)逻辑量子比特的狀(zhuang)況(kuang)并纠正(zheng)错误。物理量子比特越(yue)多，就越能降低错误发生率。

另(ling)外(wai)，使用多个量子比特进行量子纠错的優(you)勢(shi)在于它可以不斷(duan)擴(kuo)展(zhan)（Sacling）。当然，物極(ji)必(bi)反(fan)，添(tian)加更(geng)多量子比特也会导致(zhi)其中兩(liang)个量子同(tong)时受(shou)到错误影(ying)響(xiang)的机会。

为了解决这一问题，谷歌研究人(ren)員(yuan)对量子芯片Sycamore的量子比特进行了改(gai)进，研究了2种不同大小(xiao)的逻辑量子比特。

一个是由(you)17个量子比特组成，一次能够從(cong)一个错误中纠错；另一个由49个量子比特组成，可以从两个同时发生的错误中纠错。

实驗(yan)結(jie)果顯(xian)示，其性(xing)能优于17个量子比特的版(ban)本。

表面(mian)码逻辑量子比特纠错

谷歌团队是如何(he)具(ju)體(ti)地实现这一成果呢？

舉(ju)一个经典(dian)通信中的简单例(li)子：Bob想通过噪(zao)音(yin)的通信信道向(xiang)Alice发送(song)一个读为「1」的位。他(ta)认識(shi)到如果該(gai)位翻(fan)轉(zhuan)为「0」则消(xiao)息丢失，因(yin)此(ci)改为发送三个位「111」。

如果一个人错误地翻转，Alice可以对所有接收(shou)到的位进行多数表决（一个简单的纠错码），仍(reng)然能够理解預(yu)期的消息。

若(ruo)将信息重(zhong)复三次以上，即增加编码的「大小」，将使编码能够纠正更多个别错误。

表面码则采(cai)用了这一原(yuan)则，并設(she)想了一个实用的量子实现。它必須(xu)滿(man)足(zu)两个額(e)外的約(yue)束(shu)。

首先(xian)，表面码必须能够纠正不只(zhi)是位翻转（从0到1个取(qu)一个量子比特），而且(qie)相(xiang)位翻转。这个错误是量子态所獨(du)有的，并将量子比特转換(huan)为叠加态，例如从0+1到0-1。

其次，检查量子比特的状态会破壞(huai)其叠加态，因此需要一种无需直(zhi)接測(ce)量状态即可检测错误的方法。

为了突破这些限(xian)制，我(wo)們(men)在棋(qi)盤(pan)上排(pai)列(lie)了2种類(lei)型的量子比特。

頂(ding)点上的「数據(ju)」量子比特构成逻辑量子比特，而每(mei)个正方形中心(xin)的「测量」量子比特用于所謂(wei)的穩(wen)定(ding)器(qi)测量。

这些测量结果告(gao)訴(su)我们这些量子比特是否(fou)完全相同/不同，表明发生了错误，但(dan)实際(ji)上并沒(mei)有揭(jie)示各(ge)个数据量子比特的值。

通过棋盘模(mo)式平(ping)鋪(pu)两种类型的稳定器测量，以保(bao)護(hu)逻辑数据免受位翻转和相位翻转的影响。

如果一些稳定器测量值記(ji)錄(lu)了错误，则使用稳定器测量值中的相关性来识别发生了哪(na)些错误以及(ji)发生在何处。

就比如上面例子中Bob給(gei)Alice的消息隨(sui)着编码大小的增加而變(bian)得(de)更加强大，一个更大的表面码可以更好(hao)地保护它所包(bao)含(han)的逻辑信息。

表面码可以承(cheng)受一定数量的位和相位翻转误差(cha)，每个误差小于距(ju)離(li)的一半(ban)，其中距离是在任(ren)一維(wei)度(du)上跨(kua)越表面代码的数据量子比特数。

问题是每个物理量子比特都容易(yi)出错，所以编码中的量子比特越多，出错的幾(ji)率就会越大。

为此，物理量子比特的误差必须低于所谓的「容错閾(yu)值」。对于表面码来说，这个阈值是相当低的。

最新实验便證(zheng)明了这一点。

实验運(yun)行在谷歌最先进的第三代Sycamore处理器架(jia)构，为QEC进行了优化(hua)，使用了全面改进的表面码。

为此，研究人员对其量子计算机的所有部件(jian)进行了7大改进，包括(kuo)量子比特的質(zhi)量、控(kong)制軟(ruan)件，再(zai)到用于将计算机冷(leng)却到接近(jin)絕(jue)对零(ling)度的低溫(wen)设備(bei)。

研究人员通过实验来比較(jiao)基于17个物理量子比特distance-3表面码(ε3)和基于49个物理量子比特distance-5表面码(ε5)的逻辑错误率之間(jian)的比率。

实验结果如上图右(you)所示，较大表面码展现出能够实现更好的逻辑量子比特性能(每周(zhou)期2.914%逻辑错误)，优于较小的表面码(每周期3.028%逻辑错误)。

谷歌称，雖(sui)然这可能看(kan)起(qi)来是一个小的改进，但是不得不强調(tiao)这一结果是自Peter Shor的1995年QEC提(ti)案以来该領(ling)域(yu)的首创。

较大编码优于较小编码是QEC的关键特征(zheng)，所有量子计算架构都需要跨过这一障(zhang)礙(ai)，才(cai)能降低量子应用的低错误率。

未(wei)来之路

上面这些结果表明，我们正进入(ru)一个实用的QEC新时代。

过去(qu)几年，谷歌的Quantum AI团队一直在思(si)考(kao)：该如何定義(yi)这个新时代的成功(gong)，如何衡(heng)量一路走(zou)来的进步(bu)？

他们的最終(zhong)目(mu)標(biao)是，展示一种在有意义的应用中，使用量子计算机所需的低错误的途(tu)徑(jing)。

因此，專(zhuan)家们的目标仍然是在每个QEC周期中达到10^6分之一或更低的逻辑错误率。

左(zuo)图：改进表面代码的性能（由??量化）和規(gui)模（由代码距离量化）后，会取得的预期进展。右图：实验测量的每个周期的逻辑错误率与一维重复代码和二维表面代码的距离。

在左图中，专家们勾(gou)勒(le)出了实现这一目标的路径。

随着继續(xu)改进物理量子比特（以及逻辑量子比特的性能），他们希(xi)望(wang)逐(zhu)漸(jian)将??从接近1增加到更大的数字(zi)。

图中显示，当??=4，代码距离为7（也即577 个质量足够好的物理量子比特）时，将產(chan)生低于10^6分之一的逻辑错误率。

虽然取得这个结果還(hai)需要几年，但今天的硬(ying)件可以探(tan)测到如此低的错误率，已经是一項(xiang)可喜(xi)的进步了。

虽然二维表面代码可以讓(rang)专家们纠正位和相位翻转错误，但他们也可以构建一维重复代码，这种代码只能解决一种类型的错误，要求(qiu)不嚴(yan)格(ge)。

而在右图中可以看到，距离为25的重复代码，已经可以达到接近10^6分之一的每周期错误率。

在如此低的错误率下，可以看到表面代码尚(shang)无法觀(guan)察(cha)到的新型错误机制。通过控制这些错误机制，就可以将重复代码的错误率提高(gao)到接近10^7分之一。

为达到这一里程碑，整个团队已经专註(zhu)了三年。

之后，团队预计将引(yin)入容错机制，以指(zhi)数方式抑(yi)制逻辑错误，并解鎖(suo)第一个有用的纠错量子应用程序(xu)。

并且团队会继续探索(suo)量子计算机能解决的问题，範(fan)圍(wei)包括凝(ning)聚(ju)态物理、化学、材(cai)料(liao)科学和机器学習(xi)。

参考資(zi)料：

https://www.nature.com/articles/d41586-023-00536-w

https://www.nature.com/articles/s41586-022-05434-1

https://ai.googleblog.com/2023/02/suppressing-quantum-errors-by-scaling.html返(fan)回搜(sou)狐(hu)，查看更多

責(ze)任编辑：