量子記憶體終於隨著變大而變好——真正的里程碑，以及它還不是什麼

曲線終於往對的方向彎了

三十年來，量子錯誤校正一直建立在一個一直未被明確實現的承諾上。理論說，如果把一個量子資訊單位——一個邏輯量子位元——分散編碼到許多有雜訊的實體量子位元上，而且這些實體量子位元已經夠好，那麼加入更多量子位元後，邏輯量子位元反而應該變得更好；隨著錯誤校正碼變大，錯誤應呈指數下降。

問題就在那個「如果」。低於某個臨界雜訊閾值，增加量子位元會有幫助；高於它，更多量子位元只會帶來更多雜訊。過去所有實驗不是還待在這條線的錯誤一側，就是無法清楚展示所需趨勢。把編碼做大，結果通常反而更糟。

2024 年 12 月，Google Quantum AI 報告了第一個清楚進入另一個區域的示範。在最新一代超導處理器 Willow 上，他們建立了距離 3、5、7 的表面碼記憶體，並觀察到每次把程式碼做大，邏輯錯誤率都會下降——距離每增加兩級，改善因子為 $\Lambda=2.14\pm0.02$ 。最大的一個距離 7 記憶體使用 101 個量子位元，每個錯誤校正循環的邏輯錯誤率為 0.143% ± 0.003%；而更關鍵的是，它比同一晶片上最佳的實體量子位元活得更久，壽命高出 $2.4\pm0.3$ 倍。這叫做超過 breakeven，意思是：在這套硬體上，整套錯誤校正的成本第一次真的換回了淨收益。

這是一個真正的里程碑，而重要的是把它屬於哪一類里程碑說清楚。它證明擴充趨勢現在終於朝正確方向前進。它不是一台可工作的量子電腦，論文也沒有聲稱它是。

「表面碼」、「距離」與「低於閾值」是什麼意思

一個邏輯量子位元，是把一份需要保護的量子資訊編碼到許多實體量子位元上。**表面碼（surface code）**是在二維網格上實現這種編碼的一種方式；其中額外的「測量」量子位元會持續檢查錯誤，同時盡量不擾動被儲存的資訊。

程式碼的距離 $d$ 不是物理距離，而是：至少需要多少個位置恰當的錯誤，才可能在編碼沒察覺的情況下破壞邏輯量子位元。較大的 $d$ 代表更大、更耐錯的編碼區塊，但也會花掉更多實體量子位元（約為 $2d^2-1$ ），並能修正更多同時發生的錯誤，最多為（d − 1）/2 個。因此，這裡測試的距離 3、5、7，分別可修正 1、2、3 個同時錯誤，理論上大約需要 17、49、97 個實體量子位元；Google 實際建立的距離 7 記憶體用了 101 個，略高於這個教科書最低值。

「低於閾值（below threshold）」才是整件事的核心。錯誤校正只有在實體錯誤率低於某個臨界值時才有用；在那個區域裡，每增加程式碼距離，都會以指數方式壓低邏輯錯誤率。抑制因子 $\Lambda$ 就是在量化這件事： $\Lambda>1$ 表示把程式碼做大有幫助，而且 $\Lambda$ 越大越好。Google 報告 $\Lambda\approx2.14$ ，也就是距離每增加兩級，邏輯錯誤率大約減半。真正的成果就是： $\Lambda$ 明確而穩定地大於 1。

論文中的散點與折線圖：縱軸是邏輯錯誤機率，橫軸是量子錯誤校正循環次數。距離 3、5、7 的曲線都隨循環增加而上升；距離 7 的曲線最低、上升最慢。綠色虛線代表最佳單一實體量子位元。距離 7 曲線保持在虛線下方，表示編碼後的邏輯量子位元累積錯誤比組成它的最佳實體量子位元更慢——也就是活得更久。 — 這張圖顯示距離 3、5、7 記憶體（由上到下）在一輪輪錯誤校正中如何累積邏輯錯誤。最值得看的，是綠色虛線——晶片上*最佳的單一實體量子位元*。距離 7 記憶體（藍色、最低）累積錯誤比這條線更慢，因此編碼後的量子位元比組成它的最佳實體量子位元活得更久——也就是「超過 breakeven」，壽命約長 2.4 倍。這張圖顯示的是壽命結果；真正「低於閾值」的抑制，也就是程式碼從距離 3 增加到 5 再到 7 時 $\Lambda=2.14$ ，則反映在正文數字裡。Google Quantum AI and Collaborators / Nature · CC BY-NC-ND 4.0

作者做了什麼

在兩顆 Willow 晶片上建立表面碼記憶體：一顆 105 量子位元處理器負責距離 3、5、7 的擴充測試（其中最大的是使用 101 個量子位元、49 個資料量子位元的距離 7 記憶體）；另一顆 72 量子位元處理器則執行距離 5 記憶體、即時解碼器，以及高距離的重複碼測試。
測量當程式碼距離從 3 增加到 5、再到 7 時，每一循環的邏輯錯誤率如何變化，並由此求出抑制因子 $\Lambda$ 。
把邏輯量子位元的壽命與同晶片上最佳的單一實體量子位元相比，測試是否跨過「breakeven」。
讓距離 5 程式碼配合即時解碼器運作——也就是能跟上錯誤檢查產生速度的古典硬體——最多連續執行一百萬個循環，以證明錯誤校正不是只能事後離線分析，而是真能跟機器同步運作。
把較簡單的重複碼一路做到距離 29，用來尋找那些罕見、但會在極低錯誤率下限制表現的深層錯誤來源。

他們發現了什麼

程式碼確實低於閾值。 距離每增加兩級，每循環邏輯錯誤率就以 $\Lambda=2.14\pm0.02$ 的因子下降——呈現清楚的指數抑制，也就是理論長期預言、但先前處理器沒有明確展示過的行為。
距離 7 記憶體達到每循環 0.143% ± 0.003% 的錯誤率，而且壽命比同晶片上最佳實體量子位元長 $2.4\pm0.3$ 倍——跨過 breakeven。
即時解碼跟得上。 在距離 5 上，解碼器平均延遲為 63 微秒，而量子錯誤校正循環本身是 1.1 微秒；系統持續運作達一百萬循環。換言之，錯誤校正是在線即時執行，不只是事後分析。
仍有罕見而深層的錯誤來源。 在重複碼測試裡，最終性能受到相關錯誤爆發限制，約每小時一次（大約每 $3\times10^9$ 個循環一次），造成約 $10^{-10}$ 的錯誤底限；作者明確表示，這個來源目前仍不清楚。

這並沒有證明什麼

這不是一台正在進行計算的量子電腦。這是一個量子記憶體：它儲存並保護一個邏輯量子位元。它沒有在多個邏輯量子位元間執行邏輯運算（邏輯閘），也沒有跑任何演算法。
它不是只差一個量子位元就能變成實用機器。距離 7 的單一邏輯量子位元就花掉約 101 個實體量子位元；每循環約 0.1% 的錯誤率，仍遠高於實際演算法大約需要的 $10^{-6}$ 到 $10^{-10}$ 。要填平這個差距，就得把距離推到更大——也就是每個邏輯量子位元花更多實體量子位元——而有用的演算法還需要成千上萬個邏輯量子位元同時存在。實體量子位元的總預算很快就會進入數百萬等級。
「如果能擴充」這個如果非常重要。 論文自己的結論是：目前的裝置性能，如果能順利擴充，可能達到大型演算法需求。在單一邏輯量子位元上證明趨勢正確，不等於已經打造出擴充後的機器，也沒有任何事情保證這個趨勢在大很多的規模仍然成立。
原因未明的錯誤底限是真正的現存問題。 這些限制重複碼性能的相關爆發錯誤，按照作者自己的說法，比預期大好幾個數量級；在找到原因前，它們會阻止更大型的容錯應用。這是一個明白寫在論文裡的未解缺陷，不是已經處理完的小細節。
它也沒有證明任何關於**破解加密或在實用任務上達成「量子霸權」**的事情。那些需要的是完整的容錯量子機器；這項工作只是為那台機器鋪下的一塊基石。

證據有多強

核心主張扎實而重要。 跨三種程式碼距離看到清楚的指數抑制、加上超過 breakeven 的壽命、再加上能運作的即時解碼器——這正是整個領域多年一直想達成的組合，而且是直接示範，不是間接推論。這不是炒作產物，而是頂尖團隊做出的真實工程結果。
作者對範圍相當謹慎。 他們把結果明確稱為低於閾值的記憶體，主動指出原因未明的相關錯誤底限，對未來也保留那個非常醒目的「如果能擴充」。若有誇大，多半出現在周邊報導把「錯誤校正後的記憶體量子位元，隨擴大而改善」直接四捨五入成「量子運算已經到來」。
最誠實的說法是：這是一個扎實完成的基礎步驟。 一個邏輯量子位元，終於被保護到增加冗餘真的有幫助；但前面仍有漫長、艱難，而且沒有保證能走完的路，包括更大規模、邏輯閘，以及那個尚未解釋的錯誤來源。

為什麼重要

容錯量子運算一直有一種先有雞還是先有蛋的困境：真正有用的機器需要任何單一實體量子位元都達不到的低錯誤率；而解法——錯誤校正——又只有在硬體本身已經好到低於閾值時才有效。哪怕只在一個邏輯量子位元上、只跨過一次這條線，也會把問題從「這到底做不做得到？」改成「能擴到多遠？能擴得多快？」這是真正有意義的改變，也是這個結果值得被注意的原因。

但也正因為研究做得仔細，周邊敘事更應該克制。這是地基的第一塊磚，而且鋪得很好。它不是整棟建築；而且最先這樣說的人，就是鋪磚的研究者自己。接下來幾年追蹤量子運算，最值得看的其實就是這條不華麗的曲線：程式碼繼續變大時，抑制因子還能不能維持；邏輯閘能不能像邏輯記憶體一樣明確；以及那個大約每小時出現一次的神祕錯誤，究竟能不能被解釋。

重點摘要

Google Quantum AI 首次清楚展示，表面碼量子記憶體可以在低於閾值的區域運作：當程式碼距離從 3 增加到 5、再到 7，邏輯錯誤率呈指數下降（每增加兩級約改善 2.14 倍）；最大的一個距離 7 記憶體使用 101 個量子位元，壽命超過同晶片上最佳的實體量子位元——跨過 breakeven——而且錯誤校正可以即時執行。這是量子電腦工程上一個真正而且期待已久的里程碑。但它也只是單一邏輯量子位元作為記憶體，錯誤率仍遠高於實際演算法需求，沒有執行任何邏輯運算，作者還明確指出一個原因未明的錯誤底限，而且前方仍有好幾個數量級的擴充路程。真正跨過的是閾值，不是交付了一台量子電腦。