2019年，谷歌首次宣称实现量子霸权，树立第一个里程碑。三年后，该公司宣布在构建大型量子计算机的道路上达到了第二个关键里程碑（M2）。也就是说，历史上第一次可以通过增加量子比特来降低计算错误率！据官方博客介绍，量子纠错（QEC）是通过多个物理量子比特，或称“逻辑量子比特”对信息进行编码。这种方法被认为是大型量子计算机以降低错误率执行计算的唯一方法。最新研究成果已发表在《自然》杂志上。论文链接：https://www.nature.com/articles/s41586-022-05434-1别的不说，看作者数量就知道这篇论文有多厉害了。超过150名科学家参与了这项研究。从物理量子比特到逻辑量子比特2020年，谷歌发布了包含六个关键里程碑的量子计算路线图。量子至上是第一位的，目前最新的成果代表M2。最后一个里程碑M6是实现由100万个物理量子比特组成并编码1000个逻辑量子比特的量子计算机。届时，量子计算机的商业应用价值得以实现。为什么要纠正？需要明确的是，所有计算机都会出错。如果量子计算机要能够处理普通计算机无法处理的问题，例如将大整数分解为质数，纠错是不可避免的。对于普通计算机来说，其芯片以位（可以表示0或1）的形式存储信息，部分信息被复制成冗余的纠错位。当出现错误时，芯片能自动发现问题并修复。然而，在量子计算中，这是不可能做到的。一个量子比特是量子信息的基本单位，一个量子比特是0和1的量子叠加。如果一个量子比特的完整量子态不可挽回地丢失，信息就无法被读出，也就是说它的信息不能简单地复制到一个冗余的量子位。现在，谷歌量子团队找到了一种新的量子纠错方案：通过将信息编码在一组物理量子而非单个量子中的量子比特，称为“逻辑量子比特”。量子计算机可以使用一些物理量子位来检查逻辑量子位的状况并纠正错误。物理量子比特越多，错误率越低。此外，使用多个量子比特进行量子纠错的好处是可以不断扩展（Sacling）。当然，极端导致对立，添加更多的量子比特也增加了其中两个量子比特同时受到错误影响的可能性。为了解决这个问题，谷歌研究人员改进了量子芯片Sycamore的量子比特，研究了2个不同大小的逻辑量子比特。一个由17个量子比特组成，一次可以纠正一个错误；另一个由49个量子比特组成，可以同时纠正两个错误。实验结果表明，它优于17量子位版本。SurfaceCodeLogicQubitErrorCorrectionGoogle团队是如何取得这一成就的？举一个经典通信中的简单示例：Bob想通过嘈杂的通信信道向Alice发送一个读为“1”的位。他意识到如果该位翻转为“0”，则消息丢失，因此他改为发送三个位“111”。如果一个人错误地翻转，爱丽丝可以对所有接收到的位进行多数表决（一种简单的纠错码）并且仍然理解预期的消息。将信息重复三遍以上，即增加代码的“大小”，将允许代码更正更多的个别错误。表面代码采用这一原则并设想了一种实用的量子实现。它必须满足两个额外的约束。首先，表面代码不仅必须能够纠正位翻转（将量子位从0变为1），还必须能够纠正相位翻转。此错误是量子态所独有的，并将量子位转换为叠加态，例如从0+1到0-1。其次，检查量子比特的状态会破坏其叠加态，因此需要一种无需直接测量状态即可检测错误的方法。为了突破这些限制，我们在棋盘上布置了两种类型的量子比特。顶点处的“数据”量子位构成逻辑量子位，而每个正方形中心的“测量”量子位用于所谓的稳定器测量。这些测量告诉我们量子位是否相同/不同，表明发生了错误，但实际上并没有揭示各个数据量子位的值。两种类型的稳定器测量都以棋盘图案平铺，以保护逻辑数据免受位翻转和相位翻转的影响。如果某些稳定器测量记录了错误，请使用稳定器测量中的相关性来确定发生了哪些错误以及发生在何处。正如上例中Bob给Alice的消息随着代码量的增加而变得更强一样，更大的表层代码可以更好地保护其包含的逻辑信息。表面代码可以容忍一定数量的位和相位翻转错误，每个都小于距离的一半，其中距离是在任何维度上穿过表面代码的数据量子位的数量。问题是每个物理量子比特都容易出错，所以代码中的量子比特越多，出错的机会就越大。为此，物理量子比特的误差必须低于所谓的“容错阈值”。对于表面编码，这个门槛是相当低的。最新的实验证明了这一点。实验在谷歌最先进的第三代Sycamore处理器架构上运行，该架构针对QEC进行了优化，使用了全面改进的表面代码。为此，研究人员对量子计算机的所有部分进行了七项重大改进，从量子比特的质量到控制软件，再到用于将计算机冷却至接近绝对零的低温设备。研究人员进行了实验，比较了基于17个物理量子位距离为3的表面代码(ε3)和基于49个物理量子位距离为5的表面代码(ε5)的逻辑错误率之间的比率。实验结果如上图右侧所示。较大的表面代码表明它可以实现更好的逻辑量子比特性能（每周期2.914%逻辑错误），这优于较小的表面代码（每周期3.028%逻辑错误）。谷歌表示，虽然这似乎是一个小改进，但必须强调的是，这是自PeterShor1995年QEC提议以来该领域的首创。较大代码优于较小代码是QEC的一个关键特征，这是所有量子计算架构都需要克服的障碍，以实现量子应用的低错误率。未来之路这些结果表明我们正在进入一个务实的QEC新时代。过去几年，谷歌的量子人工智能团队一直在思考：如何定义这个新时代的成功，如何衡量一路走来的进步？他们的最终目标是展示在有意义的应用中使用量子计算机所需的低错误的途径。因此，专家们的目标仍然是使每个QEC周期的逻辑错误率达到10^6分之一或更低。左图：提高表面代码的性能（通过
