Google Quantum AI 表示，團隊已在 Willow 量子處理器上實際示範「魔法態培育」（magic state cultivation），把魔法態製備錯誤減少約 40 倍，並製備出邏輯保真度達 99.99% 的 T 態。69 不過，這個數字只適用於通過檢查、獲保留的狀態；實驗中約只有 8% 的嘗試合格。因此，成果證明方法可以在量子硬件上運作，卻未證明量子運算的整體成本已大幅下降。928

為甚麼量子電腦需要魔法態？

量子電腦執行運算時會使用不同種類的量子閘。Clifford 閘可處理不少基本操作，但單靠這一類閘不足以構成通用的容錯量子運算；要加入 T 閘等非 Clifford 操作，便需要魔法態作為資源。每個魔法態用過即消耗，運算期間必須不斷製備新的狀態。1628

這種持續需求可能成為資源瓶頸。Google 引述的估算指，製備高保真度魔法態所佔用的運算能力，最高可能達量子電腦整體容量的 95%。這是對潛在瓶頸的估算，並非 Willow 這次實驗量度到的節省幅度。4

培育法如何運作？

Google Quantum AI 研究人員在 2024 年提出魔法態培育。傳統魔法態蒸餾會把多個有雜訊的狀態組合處理；培育法則從芯片上一小區域內的一個初始編碼狀態開始，反覆進行檢查，只保留通過檢查的嘗試，再逐步擴大合格狀態的編碼。628

換言之，這種方法有點像先篩走不合格的狀態，再把留下來的狀態擴大保護。它採用「後選擇」：未通過檢查的嘗試會被丟棄，而非當成可用輸出。評估方法是否真正節省資源時，除了看保留下來的狀態有多準，也要計算被丟棄的嘗試耗用了多少時間和硬件。2028

Willow 實驗的結果與限制

Google 報告，經培育的魔法態製備錯誤比未使用培育法時少約 40 倍，T 態的邏輯保真度為 99.99%。這個保真度描述的是通過程序檢查的已製備狀態，並非整次量子計算有 99.99% 機會成功。69

據報道，實驗使用 Willow 105 個實體量子位元中的 54 個；Google 亦展示把培育後的狀態接入標準編碼，作為將魔法態放入更大型容錯運算架構的一步。916

但產出率是理解結果時不可忽略的一環：只有約 8% 的嘗試獲保留，也就是大部分嘗試沒有產生合格輸出。928 因此，「錯誤少 40 倍」不等於整部量子電腦的運算成本或資源消耗也少 40 倍；要判斷實際效益，還要把被淘汰嘗試所耗用的資源一併計算。930

距離實際應用還有多遠？

這次示範支持一個重要結論：魔法態培育能在量子硬件上製備高保真度狀態，有望協助處理容錯量子運算的一個資源瓶頸。但單靠這項實驗，仍不足以證明量子電腦已能以可負擔的成本、在所需規模上執行大型應用。630

報道提到的 RSA-2048 比較，亦顯示目前差距不小：實驗的錯誤率約為每 10,000 個狀態出現一個錯誤，而所述分解 RSA-2048 密鑰的要求約為每 100 億個狀態才有一個錯誤，兩者相差約一百萬倍。28 加上大部分嘗試未能通過檢查，未來評估培育法是否帶來實際優勢，不能只看保真度，還要衡量製備時間、硬件佔用和被丟棄的狀態。

簡單來說，Willow 的成果是有份量的硬件概念驗證，顯示培育法並非只停留在理論上；但要證明它能令容錯量子電腦更實用，仍需要更大規模的示範，以及整體資源成本下降的證據。

Google Quantum AI 表示，團隊已在 Willow 量子處理器上實際示範「魔法態培育」（magic state cultivation），把魔法態製備錯誤減少約 40 倍，並製備出邏輯保真度達 99.99% 的 T 態。69 不過，這個數字只適用於通過檢查、獲保留的狀態；實驗中約只有 8% 的嘗試合格。因此，成果證明方法可以在量子硬件上運作，卻未證明量子運算的整體成本已大幅下降。928

為甚麼量子電腦需要魔法態？

量子電腦執行運算時會使用不同種類的量子閘。Clifford 閘可處理不少基本操作，但單靠這一類閘不足以構成通用的容錯量子運算；要加入 T 閘等非 Clifford 操作，便需要魔法態作為資源。每個魔法態用過即消耗，運算期間必須不斷製備新的狀態。1628

這種持續需求可能成為資源瓶頸。Google 引述的估算指，製備高保真度魔法態所佔用的運算能力，最高可能達量子電腦整體容量的 95%。這是對潛在瓶頸的估算，並非 Willow 這次實驗量度到的節省幅度。4

培育法如何運作？

Google Quantum AI 研究人員在 2024 年提出魔法態培育。傳統魔法態蒸餾會把多個有雜訊的狀態組合處理；培育法則從芯片上一小區域內的一個初始編碼狀態開始，反覆進行檢查，只保留通過檢查的嘗試，再逐步擴大合格狀態的編碼。628

換言之，這種方法有點像先篩走不合格的狀態，再把留下來的狀態擴大保護。它採用「後選擇」：未通過檢查的嘗試會被丟棄，而非當成可用輸出。評估方法是否真正節省資源時，除了看保留下來的狀態有多準，也要計算被丟棄的嘗試耗用了多少時間和硬件。2028

Willow 實驗的結果與限制

Google 報告，經培育的魔法態製備錯誤比未使用培育法時少約 40 倍，T 態的邏輯保真度為 99.99%。這個保真度描述的是通過程序檢查的已製備狀態，並非整次量子計算有 99.99% 機會成功。69

據報道，實驗使用 Willow 105 個實體量子位元中的 54 個；Google 亦展示把培育後的狀態接入標準編碼，作為將魔法態放入更大型容錯運算架構的一步。916

但產出率是理解結果時不可忽略的一環：只有約 8% 的嘗試獲保留，也就是大部分嘗試沒有產生合格輸出。928 因此，「錯誤少 40 倍」不等於整部量子電腦的運算成本或資源消耗也少 40 倍；要判斷實際效益，還要把被淘汰嘗試所耗用的資源一併計算。930

距離實際應用還有多遠？

這次示範支持一個重要結論：魔法態培育能在量子硬件上製備高保真度狀態，有望協助處理容錯量子運算的一個資源瓶頸。但單靠這項實驗，仍不足以證明量子電腦已能以可負擔的成本、在所需規模上執行大型應用。630

報道提到的 RSA-2048 比較，亦顯示目前差距不小：實驗的錯誤率約為每 10,000 個狀態出現一個錯誤，而所述分解 RSA-2048 密鑰的要求約為每 100 億個狀態才有一個錯誤，兩者相差約一百萬倍。28 加上大部分嘗試未能通過檢查，未來評估培育法是否帶來實際優勢，不能只看保真度，還要衡量製備時間、硬件佔用和被丟棄的狀態。

簡單來說，Willow 的成果是有份量的硬件概念驗證，顯示培育法並非只停留在理論上；但要證明它能令容錯量子電腦更實用，仍需要更大規模的示範，以及整體資源成本下降的證據。