Google Quantum AI 表示，已在 Willow 量子處理器上實際展示「魔法態培育」（magic state cultivation）：與未經培育的製備方式相比，錯誤約減少 40 倍，產出的 T 態邏輯保真度達 99.99%。69

這是方法能在量子硬體上運作的重要實證，但還不能直接解讀為量子運算成本降低 40 倍。關鍵在於，實驗中只有約 8% 的嘗試通過檢查；高保真度描述的是通過檢查、被保留下來的狀態，而不是每次嘗試都能產出可用結果。930

為什麼量子電腦需要「魔法態」？

量子電腦的一些基本操作屬於 Clifford 閘，但只靠這類操作不足以構成通用的容錯量子閘組。魔法態則是執行 T 閘等非 Clifford 操作所需的資源。每個魔法態使用一次就會被消耗，因此量子電腦在運算過程中必須持續製備新的狀態。1628

這種需求可能占用大量運算資源。Google 引述的估算指出，製備高保真魔法態所需的資源，最高可能占量子電腦整體容量的 95%。這是對潛在瓶頸的估算，並非 Willow 這次實驗實際節省了多少資源的測量結果。4

培育與蒸餾有何不同？

Google Quantum AI 研究人員在 2024 年提出魔法態培育。這種方法不是把許多有雜訊的狀態送進「蒸餾工廠」反覆組合，而是先在晶片的一小塊區域製備一個品質較粗略的編碼狀態，再進行一連串檢查。通過檢查的狀態會被保留，並可進一步擴展成較大的編碼。628

這個流程包含「後選擇」：未通過檢查的嘗試會被丟棄，不列為可用輸出。培育的目標是在原處改善狀態品質；但要評估它實際上是否省資源，也必須把被淘汰的嘗試所耗用的時間與硬體算進去。2028

Willow 實驗測出了什麼？

Google 回報，魔法態培育使狀態製備錯誤比未經培育時減少約 40 倍，通過協定檢查的 T 態則達到 99.99% 邏輯保真度。69 這個保真度指的是通過檢查的已製備狀態，不代表整台量子電腦完成任意一次運算的成功率是 99.99%。9

據相關報導，實驗使用 Willow 105 個實體量子位元中的 54 個。Google 也提到，團隊將培育出的狀態接合到標準編碼中，作為把這些狀態納入更大型容錯運算架構的一步。916

但產出率是重要的限制：大約只有 8% 的嘗試被保留。換句話說，多數嘗試沒有產出通過檢查的狀態。因此，錯誤減少 40 倍，不等於總運算成本或資源用量也減少 40 倍。930

這項成果的意義與限制

這次展示證明，魔法態培育能在量子硬體上製備高保真狀態，也可能有助於處理容錯量子運算中的一項資源瓶頸。但單靠這個結果，還不能證明量子電腦已能以可負擔的成本、在所需規模上執行高難度應用。630

從 RSA-2048 的比較可以看出差距：報導指出，這次實驗的錯誤率約為每 10,000 個狀態有 1 個出錯；而相關估算所列的需求是每 100 億個狀態最多 1 個出錯，兩者約差 100 萬倍。28 再加上多數嘗試遭到淘汰，評估培育法是否帶來實際優勢，不能只看保真度，也要計入成功與失敗嘗試所需的時間和硬體資源。930

目前較準確的結論是：魔法態培育已在硬體上完成一項重要的概念驗證，但量子運算的資源難題尚未解決。還需要更大規模的展示，以及能降低總資源成本的證據，才能判斷它是否能讓容錯量子電腦真正變得更實用。

Google Quantum AI 表示，已在 Willow 量子處理器上實際展示「魔法態培育」（magic state cultivation）：與未經培育的製備方式相比，錯誤約減少 40 倍，產出的 T 態邏輯保真度達 99.99%。69

這是方法能在量子硬體上運作的重要實證，但還不能直接解讀為量子運算成本降低 40 倍。關鍵在於，實驗中只有約 8% 的嘗試通過檢查；高保真度描述的是通過檢查、被保留下來的狀態，而不是每次嘗試都能產出可用結果。930

為什麼量子電腦需要「魔法態」？

量子電腦的一些基本操作屬於 Clifford 閘，但只靠這類操作不足以構成通用的容錯量子閘組。魔法態則是執行 T 閘等非 Clifford 操作所需的資源。每個魔法態使用一次就會被消耗，因此量子電腦在運算過程中必須持續製備新的狀態。1628

這種需求可能占用大量運算資源。Google 引述的估算指出，製備高保真魔法態所需的資源，最高可能占量子電腦整體容量的 95%。這是對潛在瓶頸的估算，並非 Willow 這次實驗實際節省了多少資源的測量結果。4

培育與蒸餾有何不同？

Google Quantum AI 研究人員在 2024 年提出魔法態培育。這種方法不是把許多有雜訊的狀態送進「蒸餾工廠」反覆組合，而是先在晶片的一小塊區域製備一個品質較粗略的編碼狀態，再進行一連串檢查。通過檢查的狀態會被保留，並可進一步擴展成較大的編碼。628

這個流程包含「後選擇」：未通過檢查的嘗試會被丟棄，不列為可用輸出。培育的目標是在原處改善狀態品質；但要評估它實際上是否省資源，也必須把被淘汰的嘗試所耗用的時間與硬體算進去。2028

Willow 實驗測出了什麼？

Google 回報，魔法態培育使狀態製備錯誤比未經培育時減少約 40 倍，通過協定檢查的 T 態則達到 99.99% 邏輯保真度。69 這個保真度指的是通過檢查的已製備狀態，不代表整台量子電腦完成任意一次運算的成功率是 99.99%。9

據相關報導，實驗使用 Willow 105 個實體量子位元中的 54 個。Google 也提到，團隊將培育出的狀態接合到標準編碼中，作為把這些狀態納入更大型容錯運算架構的一步。916

但產出率是重要的限制：大約只有 8% 的嘗試被保留。換句話說，多數嘗試沒有產出通過檢查的狀態。因此，錯誤減少 40 倍，不等於總運算成本或資源用量也減少 40 倍。930

這項成果的意義與限制

這次展示證明，魔法態培育能在量子硬體上製備高保真狀態，也可能有助於處理容錯量子運算中的一項資源瓶頸。但單靠這個結果，還不能證明量子電腦已能以可負擔的成本、在所需規模上執行高難度應用。630

從 RSA-2048 的比較可以看出差距：報導指出，這次實驗的錯誤率約為每 10,000 個狀態有 1 個出錯；而相關估算所列的需求是每 100 億個狀態最多 1 個出錯，兩者約差 100 萬倍。28 再加上多數嘗試遭到淘汰，評估培育法是否帶來實際優勢，不能只看保真度，也要計入成功與失敗嘗試所需的時間和硬體資源。930

目前較準確的結論是：魔法態培育已在硬體上完成一項重要的概念驗證，但量子運算的資源難題尚未解決。還需要更大規模的展示，以及能降低總資源成本的證據，才能判斷它是否能讓容錯量子電腦真正變得更實用。