繼三年前實(shí)現(xiàn)「量子霸權(quán)」后，谷歌今天宣稱，首次通過增加量子比特來降低計(jì)算錯(cuò)誤率，創(chuàng)下第二個(gè)里程碑。
2019 年，谷歌首次宣稱實(shí)現(xiàn)量子霸權(quán)，創(chuàng)下首個(gè)里程碑。
3 年之后，這家公司宣布已經(jīng)達(dá)到通往構(gòu)建大型量子計(jì)算機(jī)道路上的第二個(gè)關(guān)鍵里程碑（M2）。
即有史以來首次通過增加量子比特來降低計(jì)算錯(cuò)誤率！
官方博客稱，量子糾錯(cuò)（QEC）通過多個(gè)物理量子比特，即「邏輯量子比特」，對信息進(jìn)行編碼。
這一方法被認(rèn)為是大型量子計(jì)算機(jī)降低錯(cuò)誤率來進(jìn)行計(jì)算的唯一方法。
最新研究成果已發(fā)表在 Nature 期刊上。
不說別的，這篇論文陣容有多強(qiáng)大，瞅瞅作者數(shù)量就知道了。
有 150 多位科學(xué)家參與了本次研究。
物理量子比特到邏輯量子比特
2020 年，谷歌曾發(fā)布了一份量子計(jì)算路線圖，共有六個(gè)關(guān)鍵里程碑。
量子霸權(quán)第一，而當(dāng)前最新成果代表了 M2。
最后一個(gè)里程碑 M6 是實(shí)現(xiàn) 100 萬個(gè)物理量子比特組成的量子計(jì)算機(jī)，編碼 1000 個(gè)邏輯量子比特，到那時(shí)便可以實(shí)現(xiàn)量子計(jì)算機(jī)商業(yè)應(yīng)用的價(jià)值。
為什么要糾錯(cuò)呢？需要明確的是，所有計(jì)算機(jī)都會(huì)出錯(cuò)。
要想量子計(jì)算機(jī)能夠處理普通計(jì)算機(jī)無法解決的問題，比如將大整數(shù)分解為素?cái)?shù)，糾錯(cuò)是不可避免的。
對于普通計(jì)算機(jī)來講，其芯片以位（可以表示 0 或 1）的形式存儲(chǔ)信息，并將一些信息復(fù)制到冗余的糾錯(cuò)位中。
當(dāng)發(fā)生錯(cuò)誤時(shí)，芯片可以自動(dòng)發(fā)現(xiàn)問題并進(jìn)行修復(fù)。
然而，在量子計(jì)算中，卻無法做到這一點(diǎn)。量子比特是量子信息的基本單位，量子比特是 0 和 1 的量子疊加。
如果一個(gè)量子比特的完整量子態(tài)不可挽回地丟失，則無法讀出信息，也就意味著它的信息不能簡單地復(fù)制到冗余量子比特上。
現(xiàn)在，谷歌量子團(tuán)隊(duì)找到了一種全新的量子糾錯(cuò)方案：
即通過在一組物理量子，而不是單個(gè)量子中編碼信息的量子比特，稱為「邏輯量子比特」。
量子計(jì)算機(jī)可以使用一些物理量子比特來檢查邏輯量子比特的狀況并糾正錯(cuò)誤。物理量子比特越多，就越能降低錯(cuò)誤發(fā)生率。
另外，使用多個(gè)量子比特進(jìn)行量子糾錯(cuò)的優(yōu)勢在于它可以不斷擴(kuò)展（Sacling）。當(dāng)然，物極必反，添加更多量子比特也會(huì)導(dǎo)致其中兩個(gè)量子同時(shí)受到錯(cuò)誤影響的機(jī)會(huì)。
為了解決這一問題，谷歌研究人員對量子芯片 Sycamore 的量子比特進(jìn)行了改進(jìn)，研究了 2 種不同大小的邏輯量子比特。
一個(gè)是由 17 個(gè)量子比特組成，一次能夠從一個(gè)錯(cuò)誤中糾錯(cuò)；另一個(gè)由 49 個(gè)量子比特組成，可以從兩個(gè)同時(shí)發(fā)生的錯(cuò)誤中糾錯(cuò)。
實(shí)驗(yàn)結(jié)果顯示，其性能優(yōu)于 17 個(gè)量子比特的版本。
表面碼邏輯量子比特糾錯(cuò)
谷歌團(tuán)隊(duì)是如何具體地實(shí)現(xiàn)這一成果呢？
舉一個(gè)經(jīng)典通信中的簡單例子：Bob 想通過噪音的通信信道向 Alice 發(fā)送一個(gè)讀為「1」的位。他認(rèn)識(shí)到如果該位翻轉(zhuǎn)為「0」則消息丟失，因此改為發(fā)送三個(gè)位「111」。
如果一個(gè)人錯(cuò)誤地翻轉(zhuǎn)，Alice 可以對所有接收到的位進(jìn)行多數(shù)表決（一個(gè)簡單的糾錯(cuò)碼），仍然能夠理解預(yù)期的消息。
若將信息重復(fù)三次以上，即增加編碼的「大小」，將使編碼能夠糾正更多個(gè)別錯(cuò)誤。
表面碼則采用了這一原則，并設(shè)想了一個(gè)實(shí)用的量子實(shí)現(xiàn)。它必須滿足兩個(gè)額外的約束。
首先，表面碼必須能夠糾正不只是位翻轉(zhuǎn)（從 0 到 1 個(gè)取一個(gè)量子比特），而且相位翻轉(zhuǎn)。這個(gè)錯(cuò)誤是量子態(tài)所獨(dú)有的，并將量子比特轉(zhuǎn)換為疊加態(tài)，例如從 0+1 到 0-1。
其次，檢查量子比特的狀態(tài)會(huì)破壞其疊加態(tài)，因此需要一種無需直接測量狀態(tài)即可檢測錯(cuò)誤的方法。
為了突破這些限制，我們在棋盤上排列了 2 種類型的量子比特。
頂點(diǎn)上的「數(shù)據(jù)」量子比特構(gòu)成邏輯量子比特，而每個(gè)正方形中心的「測量」量子比特用于所謂的穩(wěn)定器測量。
這些測量結(jié)果告訴我們這些量子比特是否完全相同 / 不同，表明發(fā)生了錯(cuò)誤，但實(shí)際上并沒有揭示各個(gè)數(shù)據(jù)量子比特的值。
通過棋盤模式平鋪兩種類型的穩(wěn)定器測量，以保護(hù)邏輯數(shù)據(jù)免受位翻轉(zhuǎn)和相位翻轉(zhuǎn)的影響。
如果一些穩(wěn)定器測量值記錄了錯(cuò)誤，則使用穩(wěn)定器測量值中的相關(guān)性來識(shí)別發(fā)生了哪些錯(cuò)誤以及發(fā)生在何處。
就比如上面例子中 Bob 給 Alice 的消息隨著編碼大小的增加而變得更加強(qiáng)大，一個(gè)更大的表面碼可以更好地保護(hù)它所包含的邏輯信息。
表面碼可以承受一定數(shù)量的位和相位翻轉(zhuǎn)誤差，每個(gè)誤差小于距離的一半，其中距離是在任一維度上跨越表面代碼的數(shù)據(jù)量子比特?cái)?shù)。
問題是每個(gè)物理量子比特都容易出錯(cuò)，所以編碼中的量子比特越多，出錯(cuò)的幾率就會(huì)越大。
為此，物理量子比特的誤差必須低于所謂的「容錯(cuò)閾值」。對于表面碼來說，這個(gè)閾值是相當(dāng)?shù)偷摹?/p>
最新實(shí)驗(yàn)便證明了這一點(diǎn)。
實(shí)驗(yàn)運(yùn)行在谷歌最先進(jìn)的第三代 Sycamore 處理器架構(gòu)，為 QEC 進(jìn)行了優(yōu)化，使用了全面改進(jìn)的表面碼。
為此，研究人員對其量子計(jì)算機(jī)的所有部件進(jìn)行了 7 大改進(jìn)，包括量子比特的質(zhì)量、控制軟件，再到用于將計(jì)算機(jī)冷卻到接近絕對零度的低溫設(shè)備。
研究人員通過實(shí)驗(yàn)來比較基于 17 個(gè)物理量子比特 distance-3 表面碼 (ε3) 和基于 49 個(gè)物理量子比特 distance-5 表面碼 (ε5) 的邏輯錯(cuò)誤率之間的比率。
實(shí)驗(yàn)結(jié)果如上圖右所示，較大表面碼展現(xiàn)出能夠?qū)崿F(xiàn)更好的邏輯量子比特性能 (每周期 2.914% 邏輯錯(cuò)誤)，優(yōu)于較小的表面碼 (每周期 3.028% 邏輯錯(cuò)誤)。
谷歌稱，雖然這可能看起來是一個(gè)小的改進(jìn)，但是不得不強(qiáng)調(diào)這一結(jié)果是自 Peter Shor 的 1995 年 QEC 提案以來該領(lǐng)域的首創(chuàng)。
較大編碼優(yōu)于較小編碼是 QEC 的關(guān)鍵特征，所有量子計(jì)算架構(gòu)都需要跨過這一障礙，才能降低量子應(yīng)用的低錯(cuò)誤率。
未來之路
上面這些結(jié)果表明，我們正進(jìn)入一個(gè)實(shí)用的 QEC 新時(shí)代。
過去幾年，谷歌的 Quantum AI 團(tuán)隊(duì)一直在思考：該如何定義這個(gè)新時(shí)代的成功，如何衡量一路走來的進(jìn)步？
他們的最終目標(biāo)是，展示一種在有意義的應(yīng)用中，使用量子計(jì)算機(jī)所需的低錯(cuò)誤的途徑。
因此，專家們的目標(biāo)仍然是在每個(gè) QEC 周期中達(dá)到 10^6 分之一或更低的邏輯錯(cuò)誤率。
左圖：改進(jìn)表面代碼的性能（由??量化）和規(guī)模（由代碼距離量化）后，會(huì)取得的預(yù)期進(jìn)展。右圖：實(shí)驗(yàn)測量的每個(gè)周期的邏輯錯(cuò)誤率與一維重復(fù)代碼和二維表面代碼的距離。
在左圖中，專家們勾勒出了實(shí)現(xiàn)這一目標(biāo)的路徑。
隨著繼續(xù)改進(jìn)物理量子比特（以及邏輯量子比特的性能），他們希望逐漸將??從接近 1 增加到更大的數(shù)字。
圖中顯示，當(dāng)??=4，代碼距離為 7（也即 577 個(gè)質(zhì)量足夠好的物理量子比特）時(shí)，將產(chǎn)生低于 10^6 分之一的邏輯錯(cuò)誤率。
雖然取得這個(gè)結(jié)果還需要幾年，但今天的硬件可以探測到如此低的錯(cuò)誤率，已經(jīng)是一項(xiàng)可喜的進(jìn)步了。
雖然二維表面代碼可以讓專家們糾正位和相位翻轉(zhuǎn)錯(cuò)誤，但他們也可以構(gòu)建一維重復(fù)代碼，這種代碼只能解決一種類型的錯(cuò)誤，要求不嚴(yán)格。
而在右圖中可以看到，距離為 25 的重復(fù)代碼，已經(jīng)可以達(dá)到接近 10^6 分之一的每周期錯(cuò)誤率。
在如此低的錯(cuò)誤率下，可以看到表面代碼尚無法觀察到的新型錯(cuò)誤機(jī)制。通過控制這些錯(cuò)誤機(jī)制，就可以將重復(fù)代碼的錯(cuò)誤率提高到接近 10^7 分之一。
為達(dá)到這一里程碑，整個(gè)團(tuán)隊(duì)已經(jīng)專注了三年。
之后，團(tuán)隊(duì)預(yù)計(jì)將引入容錯(cuò)機(jī)制，以指數(shù)方式抑制邏輯錯(cuò)誤，并解鎖第一個(gè)有用的糾錯(cuò)量子應(yīng)用程序。
并且團(tuán)隊(duì)會(huì)繼續(xù)探索量子計(jì)算機(jī)能解決的問題，范圍包括凝聚態(tài)物理、化學(xué)、材料科學(xué)和機(jī)器學(xué)習(xí)。
參考資料：
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
本文來自微信公眾號(hào)：新智元 （ID：AI_era）
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。