如果《黑客帝国》里的机器真的存在，它们可能还有一个很现实的烦恼：算力还没开始干活，先得花掉一大笔资源给自己准备「燃料」。

这听起来有点荒诞，却恰恰是未来量子计算机可能遇到的问题。

最近，Google Quantum AI 在《Science》发表论文《Magic state cultivation on a superconducting quantum processor》，宣布首次在真实量子处理器 Willow 上实现 Magic State Cultivation（魔态培育）。

它瞄准的，就是量子计算里一种昂贵的特殊「燃料」——魔态。

会魔法的「魔态」

先别被这个名字吓到。

MagicState（魔态）不是什么神秘的东西，在量子计算领域里，它指的是具有特殊的量子资源的一类量子态。

如果把量子计算机比作工厂的话，普通量子纠错操作更像是已经比较成熟的基础设备，而魔态则是一种昂贵、稀缺，却又不可或缺的特殊耗材。

它不是用来完成所有计算的，却是量子计算机走向通用、容错计算的重要资源之一。

早在 2004 年的时候，研究人员就已经知道要让量子计算机做一般性的计算需要有高质量的非 Clifford 量子资源。

魔态蒸馏 (MagicStateDistillation) 就是过去二十年间被用来解决这个问题的一种方法。

它所采用的方法与思路同「提纯」的是一样的。

先准备一些质量比较差的魔态，然后把它们一起进行量子纠错、测量和筛选的过程来去掉里面的错误部分，最后得到数量少但是质量好的魔态。

这就和酿造葡萄酒的过程一样。

如果初始阶段的葡萄品质不一致的话，就要经过发酵、过滤、检测以及提纯等一系列工序把不符合要求的部分去掉。但是，在量子计算机里，每一个「过滤」动作都不是免费的。

一些资源估算甚至认为，未来容错量子计算机可能需要将高达 95% 的计算容量用于魔态生产。

也就是量子计算机会处于一种非常尴尬的情况中：机器所消耗掉的大部分资源并不是直接用来解决实际问题的，而是在于产生能够解决这些问题所需要的能源。

而且魔态还是一种消耗品。一旦它被用于实现相应的非 Clifford 操作，就不能像普通量子比特那样，再拿回来重复使用。

在过去二十年里，研究人员一直在努力降低「魔态税」，而这一次谷歌找到了另外一种方式。

把「种子」养大

这次谷歌并没有提出一种新的量子纠错技术，它把以前只在理论上或者模拟中出现的想法第一次用到了真正的量子芯片上。

这种方法叫做 MagicState Cultivation（魔态培育）。

2024 年，CraigGidney、NoahShutty 和 CodyJones 已经在理论上提出了这个概念。

传统的魔态蒸馏就是不断将一批又一批的原料进行提炼的过程，而魔态培育则是挑选出一颗优质的种子之后再慢慢培育的过程。

研究人员首先创造出存在一定概率的错误T态，并将其放入经过精心设计的量子纠错区域中，在此期间周围的量子比特将会不断被用来做测量。

发现错误后要将其消除，并且在经过检查之后才让它继续下去。纠错编码不断地增加，剩余的状态就越来越可靠。到 2024 年时，理论研究已经使用了状态矢量模拟、稳定子模拟、错误枚举和 Monte Carlo 等方法来进行该方案的资源估算。

魔态培育真正改变的，不是简单地堆更多量子比特，而是想办法让同样数量的量子比特做更多真正有用的计算。

Google 这次是首次在 Willow 量子处理器上把这套方案真正跑了起来。

使用的处理器为谷歌公司生产出的 Willow 处理器。研究人员把芯片上的一个很小的地方注入了带有噪声的量子态，并且通过大量的高度同步化的测量来找出并消除掉这些错误。

最后保留下来的T态逻辑保真度是 99.99%，错误率比没有经过训练的时候低了 40 几倍，经过实验后只留有大约 8% 左右的尝试。

99.99% 的逻辑保真度意味着经过一系列错误校正之后，量子资源已经非常接近理想状态了，可以作为未来容错型量子计算中的一个可靠零件。

如果魔态培育最终能够规模化，它省下来的不是一个实验指标，而是一大片原本被纠错操作占用的计算空间。

Google 还完成了由 Color Code 到 Surface Code 的编码转换，并且把一个 distance-3 的 Color Code 中的量子态转移到了 distance-5 的 Surface Code 上。

这里的 distance 可以粗略地理解为量子纠错编码对于错误的抵抗能力。一般而言，编码距离越大，错误防护能力就越强，但是同时也会消耗更多的物理量子比特和操作资源。

Google 的方法是使用 Color Code 来培养出魔态，再通过 code switching 把已经培养好的量子态接入到 Surface Code 里。

以前停留在理论上的一种低成本制造高质量魔态的方法，第一次在真实量子芯片上跑通了。

和产业之间的距离

先别着急兴奋。

这一成果想要从实验室走向产业实践还有很长一段路。

Google Quantum AI 的负责人 Hartmut Neven 在之前做出的预测中表示，在未来五年的过程中会看到真正的商业量子计算应用，并且他还特别提到过药物研发，电池和新能源材料等领域的应用。Google 也把化学，药物发现，优化以及密码学看作是量子计算的重要潜在应用领域。

Google 已经和制药公司 Boehringer Ingelheim 尝试使用量子计算来模拟人体内的一个重要酶类 Cytochrome P450。该酶可以影响到药物在人体内的代谢过程，研究表明未来容错量子计算机有望以更高精度处理 P450 的关键电子结构问题

Google Quantum AI 负责人 Hartmut Neven 对此相当乐观。他在 2025 年接受路透社采访时表示，Google 希望在未来五年看到「只有量子计算机才能实现」的实际应用，并点名了新药、先进电池和新能源。

不过在人工智能领域，量子计算的应用距离普通人的日常生活，可能比今天的生成式 AI 要远得多。短期内你不会因为 Magic State Cultivation 的突破，就发现 GPT 或 Gemini 突然快了一倍。

它所能改变的是更深层次的东西，也就是降低未来容错量子计算机运行所花费的成本，包括解决一些传统计算机难以处理的问题，比如复杂量子系统模拟，材料与化学问题以及一些组合优化问题等等。

这也是为什么人工智能行业对于算力需求更高，大家对于量子计算关注越多。

NVIDIA CEO Jensen Huang 对于实用化量子计算未来应用的看法比较谨慎，认为可能需要等到 15-30 年之后才能实现。

至于这条路要走多长时间，目前并没有一个确定的答案。

我们正在招募伙伴

📮 简历投递邮箱hr@ifanr.com

✉️ 邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）