摘要：美国耶鲁大学和谷歌量子人工智能的研究人员首次实现对多能级量子系统的纠错，使系统性能超过了当前最佳的未纠正方案，成功突破了“盈亏平衡点”。该成果为更高效的量子信息处理开辟了新途径，相关论文发表于最新一期《自然》杂志。

耶鲁大学与谷歌联手实现量子计算重大突破。

美国耶鲁大学和谷歌量子人工智能的研究人员首次实现对多能级量子系统的纠错，使系统性能超过了当前最佳的未纠正方案，成功突破了“盈亏平衡点”。该成果为更高效的量子信息处理开辟了新途径，相关论文发表于最新一期《自然》杂志。

量子计算的基本运算单元——量子比特，对外界环境的噪声和干扰十分敏感。因此，量子比特在实际的量子计算过程中很容易发生运算错误，从而难以输出稳定可靠的运算结果。也就是说，虽然量子计算在特定任务的处理上具有超越经典计算机的强大并行算力，但是量子计算机很容易出错，目前仍然处于“带噪声的中等规模量子（NISQ）”阶段。

为了解决量子计算机容易出现运算错误的问题，科学家们提出了“量子纠错”的概念，其主要目标就是使得量子计算能够在不破坏计算过程的前提下，识别和纠正实际发生的运算错误，从而输出稳定可靠的运算结果。因此，“量子纠错”被认为是构建真正实用化量子计算机的必要条件，同时也是量子计算现今面临的“卡脖子”难题。

其实早在 1995 年，物理学家彼得·肖尔（Peter Shor）就提出了“量子纠错”的概念，其核心思想就是将多个对外界干扰特别敏感的物理量子比特，编码成一个非常可靠的“逻辑量子比特”，从而实现对于信息的编码保护。

值得注意的是，此前，仅有二能级量子比特纠错突破了“盈亏平衡点”。而耶鲁大学和谷歌的新研究则首次在多能级量子系统上突破了这一瓶颈。值得一提的是，“盈亏平衡点”是量子误差纠正领域的重要里程碑，即纠错后的信息存储时间超过未纠错版本这一关键阈值。

这项研究的研究人员首次利用高特曼-基塔耶夫-普雷斯基尔（Gottesman-Kitaev-Preskill，GKP）玻色子编码，对qutrit和ququart进行了纠错实验演示。为了将系统优化为三元和四元量子存储器，研究人员选择了强化学习算法，这是一种机器学习类型，利用试错法找到纠错或操作量子门的最佳方法。

据官方介绍，耶鲁团队采用戈特斯曼-基塔耶夫-普雷斯基尔（GKP）玻色编码，将三元和四元逻辑量子态编码于超导微波腔的周期性位移相位空间中，从而在单物理系统中存储更多量子信息。

实验显示，纠错后的 qutrit 和 ququart 信息存储寿命分别比未纠错态延长 82% 和 87%，增益系数达 1.82 和 1.87，与现有最优纠错 qubit 性能相当甚至更优。

实验装置由钽（transmon）超导量子比特与三维超导微波腔耦合构成。微波腔内的振荡模式存储逻辑态，钽超导量子比特则作为辅助量子位协助编码和纠错。

为优化纠错协议，研究团队引入强化学习算法，让 AI 代理自主调整实验中的 45 个参数，以最大化量子存储的保真度。这种无需物理建模的优化策略克服了传统校准方法的复杂性。结果显示，纠错性能在多轮循环中保持稳定。

研究人员指出，多能级量子纠错的优势在于：

这项发现为突破传统二进制架构提供了新路径，拓展了构建更高效量子计算机的工具箱，表明未来量子处理器可能受益于超越传统二能级量子比特的设计。多能级量子系统在可靠控制和纠错方面的潜力，有望推动更高效、更紧凑的量子信息处理硬件的发展。

想要获取半导体产业的前沿洞见、技术速递、趋势解析，关注我们！

来源：半导体产业纵横一点号