Google的量子团队最近在《自然》上发了篇论文,说自己解决了一个听起来很技术、但足够致命的问题:量子芯片在算的过程中会"跑偏"。他们的办法是让纠错系统自己校准自己——用检测错误的同一批数据,实时调整约1000个控制参数,结果两种不同编码方式的逻辑量子比特,纠错能力都提升了20%。
这事听着像突破,细看更像是超导量子比特路线打的一块补丁,而不是全行业的通用答案。
为什么算着算着就会跑偏
超导transmon这类人造量子比特,天生带着制造误差——每个比特的物理参数都有细微差异,控制它们的微波脉冲得先"校准",找到误差最低的频率和振幅组合。
麻烦在于,控制这些脉冲的经典硬件本身也会漂移,比如设备发热导致参数偏移。传统做法很粗暴:算法跑着跑着发现不对劲,就停下来重新校准。这在简单任务上没事,可一旦是复杂的长算法——比如未来可能用来破解加密的那种——中途停机校准根本不现实。
Google团队的思路是,纠错系统本身要不断测量一部分"辅助"量子比特,来判断数据比特有没有出错。这些错误症候里,天然混着两类信号:随机噪声,和校准失准造成的系统性偏差。论文原话是,"校准不完美产生的错误,和其他错误一样会留下可探测的症候"。
于是团队让系统对约1000个控制参数持续施加微小扰动,观察症候统计的变化,用强化学习反推哪些参数需要调整——这一切都和纠错本身并行进行,不需要暂停计算。
这不是突然冒出来的东西
把时间线拉长看,这次论文更像是Google软件栈的一次自然延伸,不是横空出世的灵光一现。
早在2019年,Google就披露过Sycamore处理器需要精细调节"2000多个"控制参数;2023年的技术博客已经在讨论并行校准和漂移问题;到2024年底,Google Research的公开文章里直接说,自家纠错软件栈已经包含"机器学习、强化学习和基于图的算法"来识别和纠正错误。
这次论文里说的约1000个参数,和2019年提到的2000多个存在数量级上的出入——大概率是不同世代芯片或统计口径的差异,不是自相矛盾,但也提醒读者,这类具体数字每次都要按当篇论文的语境去理解,不能拿旧数字直接套。
真正值得记住的是积累性,不是突破性:这是一个长期项目一点点补出来的能力,不是某天灵感乍现的产物。
补丁只属于一种路线
这套方案真正解决的,是超导transmon的架构性弱点——制造差异加硬件漂移,两者叠加。可这不是量子计算的普遍难题,而是特定技术路线自己招来的麻烦。
IBM同样走超导路线,应对方式更工程化:走"每日/每小时"级别的显式校准监控,检测到严重漂移就自动切换策略。这和Google这次"把校准嵌进纠错本身、消除停机"的思路,是解决同一问题的两种哲学——一个靠制度化巡检,一个靠让系统自我诊断。
而Quantinuum走的trapped-ion路线,压根不需要这种补丁。离子量子比特本身不存在制造差异,它们的麻烦是控制激光会漂移,性质完全不同,Quantinuum对外强调的是"实时纠错",但语境和Google这次要解决的问题不是一回事。
- 结论.这次论文证明的是超导路线内部的军备竞赛能力,而不是量子计算整体前进了一大步。
代价还没结算完
论文自己也承认,这套方案的有效性建立在一个前提上:漂移速度要足够慢,系统才能靠不断试探回到最优状态附近。如果漂移太快,持续的小幅扰动反而会让系统长期停留在次优区间——这是团队用模拟验证出来的边界条件,不是已经证明"任何速度都能应对"。
大规模的实时测试是在约4万个参数的系统上做的,但这仍然是短时间的验证,离真正意义上"长时间、高复杂度"的容错计算还有距离。论文本身也没有交代同行评审进度,是否有其他团队独立复现,目前也看不到。
这类工作对判断"量子计算机何时能威胁现有加密"这类时间表有参考价值,但只是把一个已知障碍从"必须停机"变成了"可以带病运行",不是把障碍搬走了。
漂移没被消灭,只是换了个更隐蔽的方式继续存在。
对普通读者来说,值得记住的判断是:这次进展该归功于Google软件栈多年的积累,但它证明的是超导路线能不能追上trapped-ion在架构上的先天优势,而不是量子计算离实用又近了一大步。