近日，一項在量子計算領域取得的重要突破引發(fā)了廣泛關注。美國耶魯大學攜手谷歌量子人工智能團隊，成功實現(xiàn)了對多能級量子系統(tǒng)的糾錯，其表現(xiàn)超越了現(xiàn)有的無糾錯技術，達到了前所未有的“盈虧平衡點”。這一研究成果已在《自然》雜志的最新一期上發(fā)表，論文的詳細資料可通過DOI:10.1038/s41586-025-08899-y獲取。
量子計算機面臨的核心難題在于量子態(tài)的脆弱性，環(huán)境的微小干擾就能導致信息的丟失。為了解決這一問題，量子糾錯技術（QEC）應運而生，通過將量子信息編碼為更穩(wěn)定的“邏輯態(tài)”來抵抗干擾。然而，過去的糾錯技術僅限于二元量子位（qubit），即只能表示0和1的量子比特。此次耶魯和谷歌團隊的研究，首次在三元（qutrit）和四元（ququart）量子態(tài)上實現(xiàn)了高效的糾錯。
傳統(tǒng)的量子計算機主要使用二能級的量子比特，但這些量子比特還擁有未被充分利用的額外能級。耶魯和谷歌的研究團隊利用這些額外的能級，實現(xiàn)了更高效的量子信息處理。他們采用戈特斯曼-基塔耶夫-普雷斯基爾（GKP）玻色編碼，將三元和四元邏輯量子態(tài)編碼在超導微波腔的周期性位移相位空間中，從而在單個物理系統(tǒng)中存儲了更多的量子信息。
實驗結果顯示，糾錯后的qutrit和ququart的信息存儲壽命分別比未糾錯態(tài)延長了82%和87%，其增益系數(shù)分別達到了1.82和1.87，這一性能與現(xiàn)有最優(yōu)的qubit糾錯技術相當甚至更優(yōu)。實驗裝置由鉭（transmon）超導量子比特與三維超導微波腔耦合構成，微波腔內的振蕩模式用于存儲邏輯態(tài)，而鉭超導量子比特則作為輔助量子位，協(xié)助編碼和糾錯。
為了優(yōu)化糾錯協(xié)議，研究團隊引入了強化學習算法。AI代理在實驗中自主調整45個參數(shù)，以最大化量子存儲的保真度。這種無需物理建模的優(yōu)化策略，克服了傳統(tǒng)校準方法的復雜性，并在多輪循環(huán)中保持了穩(wěn)定的糾錯性能。這一創(chuàng)新不僅提升了量子糾錯的效率，也為未來的量子計算硬件架構提供了新的設計思路。
多能級量子糾錯技術的優(yōu)勢在于硬件的精簡和算法效率的提升。由于單個物理系統(tǒng)可以承載更多的邏輯態(tài)，因此所需的物理組件數(shù)量大幅減少。同時，高維結構使得量子門、算法編譯以及復雜量子系統(tǒng)的模擬更加高效。GKP編碼的qudit與現(xiàn)有的超導系統(tǒng)兼容，為未來的架構升級提供了無縫對接的可能。
耶魯和谷歌團隊的這一研究成果，標志著量子計算領域的一次重大突破。未來，隨著多能級量子糾錯技術的不斷發(fā)展和完善，量子計算機有望實現(xiàn)更高效的硬件架構和容錯計算，從而推動量子計算技術在各個領域的應用和發(fā)展。
