Google Quantum AI 表示，其 Willow 处理器已在实际量子硬件上运行“魔法态培育”（magic state cultivation）：与未采用培育的制备方式相比，错误减少约 40 倍，培育后通过检查的 T 态逻辑保真度达到 99.99%。这说明培育技术有望缓解容错量子计算的一项资源瓶颈，但还不能证明大规模量子计算因此变得更便宜——只有约 8% 的尝试通过检查并被保留。69

为什么量子计算需要“魔法态”？

量子计算机可以用 Clifford 门完成许多基本操作，但仅靠这类操作不足以构成通用的容错门集。魔法态则能为 T 门等非 Clifford 操作提供所需资源。每个魔法态使用一次就会被消耗，因此计算进行期间，机器必须持续制备新的状态。1628

这类制备可能占用大量计算资源。Google 引用的估算称，生成高保真魔法态所需的资源最高可能占量子计算机总能力的 95%。这是对潜在瓶颈的估算，并非 Willow 这次实验测得的资源节省比例。4

培育如何运作？它和“蒸馏”有什么不同？

Google Quantum AI 研究人员于 2024 年提出魔法态培育。传统魔法态蒸馏通常会把多个有噪声的状态组合起来，在专门的流程中筛选出更可靠的状态；培育则从芯片一小块区域里的一个较粗糙的编码状态开始，对它反复进行检查，只保留通过检查的尝试，再逐步扩展这些状态的编码。628

这种做法包含“后选择”：检查不通过的尝试会被丢弃，而不是算作可用产出。培育的目标是在原有流程中提高状态质量，但要判断它是否实用，也必须把被丢弃尝试所耗费的资源计算在内。2028

Willow 实验测到了什么？

Google 报告称，与未培育的制备方式相比，魔法态制备错误减少约 40 倍；通过协议检查的 T 态逻辑保真度达到 99.99%。这里的保真度描述的是通过检查并保留下来的状态质量，不是整次量子计算都能以 99.99% 的概率成功。69

据相关报道，实验使用了 Willow 105 个物理量子比特中的 54 个。Google 还展示了将培育后的状态接入标准编码的过程，这是把这些状态用于更大规模容错计算方案的一步。916

不过，产出率是理解结果的关键：只有约 8% 的尝试被保留。也就是说，99.99% 的高保真度适用于通过检查的状态，而大多数尝试并没有产生被接受的输出。因此，“错误减少 40 倍”并不等于总计算成本或资源消耗降低 40 倍。930

这项成果意味着什么，又还没证明什么？

这次实验表明，魔法态培育可以在量子硬件上制备高保真状态，也为应对容错量子计算中的已知瓶颈提供了一个可能方向。但单凭这次演示，还不能证明量子计算机已经能以可负担的成本和所需规模运行高要求应用。630

与 RSA-2048 的比较也显示了差距：相关报道指出，这次实验的错误水平约为每 10,000 个状态出现 1 个错误，而分解 RSA-2048 密钥所需的目标约为每 100 亿个状态出现 1 个错误——两者相差约一百万倍。28 此外，实验丢弃了大多数尝试。评估它是否真正带来实际优势，需要计算成功和失败尝试各自消耗的时间与硬件资源，而不能只看保真度。930

因此，这是一项有意义的硬件验证，而不是量子计算资源问题已经解决的证明。要判断培育能否让容错量子计算真正更实用，还需要更大规模的演示，以及能够降低总资源成本的证据。

Google Quantum AI 表示，其 Willow 处理器已在实际量子硬件上运行“魔法态培育”（magic state cultivation）：与未采用培育的制备方式相比，错误减少约 40 倍，培育后通过检查的 T 态逻辑保真度达到 99.99%。这说明培育技术有望缓解容错量子计算的一项资源瓶颈，但还不能证明大规模量子计算因此变得更便宜——只有约 8% 的尝试通过检查并被保留。69

为什么量子计算需要“魔法态”？

量子计算机可以用 Clifford 门完成许多基本操作，但仅靠这类操作不足以构成通用的容错门集。魔法态则能为 T 门等非 Clifford 操作提供所需资源。每个魔法态使用一次就会被消耗，因此计算进行期间，机器必须持续制备新的状态。1628

这类制备可能占用大量计算资源。Google 引用的估算称，生成高保真魔法态所需的资源最高可能占量子计算机总能力的 95%。这是对潜在瓶颈的估算，并非 Willow 这次实验测得的资源节省比例。4

培育如何运作？它和“蒸馏”有什么不同？

Google Quantum AI 研究人员于 2024 年提出魔法态培育。传统魔法态蒸馏通常会把多个有噪声的状态组合起来，在专门的流程中筛选出更可靠的状态；培育则从芯片一小块区域里的一个较粗糙的编码状态开始，对它反复进行检查，只保留通过检查的尝试，再逐步扩展这些状态的编码。628

这种做法包含“后选择”：检查不通过的尝试会被丢弃，而不是算作可用产出。培育的目标是在原有流程中提高状态质量，但要判断它是否实用，也必须把被丢弃尝试所耗费的资源计算在内。2028

Willow 实验测到了什么？

Google 报告称，与未培育的制备方式相比，魔法态制备错误减少约 40 倍；通过协议检查的 T 态逻辑保真度达到 99.99%。这里的保真度描述的是通过检查并保留下来的状态质量，不是整次量子计算都能以 99.99% 的概率成功。69

据相关报道，实验使用了 Willow 105 个物理量子比特中的 54 个。Google 还展示了将培育后的状态接入标准编码的过程，这是把这些状态用于更大规模容错计算方案的一步。916

不过，产出率是理解结果的关键：只有约 8% 的尝试被保留。也就是说，99.99% 的高保真度适用于通过检查的状态，而大多数尝试并没有产生被接受的输出。因此，“错误减少 40 倍”并不等于总计算成本或资源消耗降低 40 倍。930

这项成果意味着什么，又还没证明什么？

这次实验表明，魔法态培育可以在量子硬件上制备高保真状态，也为应对容错量子计算中的已知瓶颈提供了一个可能方向。但单凭这次演示，还不能证明量子计算机已经能以可负担的成本和所需规模运行高要求应用。630

与 RSA-2048 的比较也显示了差距：相关报道指出，这次实验的错误水平约为每 10,000 个状态出现 1 个错误，而分解 RSA-2048 密钥所需的目标约为每 100 亿个状态出现 1 个错误——两者相差约一百万倍。28 此外，实验丢弃了大多数尝试。评估它是否真正带来实际优势，需要计算成功和失败尝试各自消耗的时间与硬件资源，而不能只看保真度。930

因此，这是一项有意义的硬件验证，而不是量子计算资源问题已经解决的证明。要判断培育能否让容错量子计算真正更实用，还需要更大规模的演示，以及能够降低总资源成本的证据。