量子计算机极易产生高错误率,因此为了使量子比特能够正常工作,需要大量冗余设计。通常情况下,构建一个可用的"逻辑"量子比特,需要数百乃至数千个物理量子比特。
这一问题长期以来严重阻碍了实用量子计算机的发展。如果一台量子计算机要完成有意义的任务需要数千个逻辑量子比特,而构建每一个逻辑量子比特又需要数千个物理量子比特,那么总需求将达到数百万个——然而目前已知规模最大的量子比特阵列仅刚刚突破6000个,且还只是一次实验性演示。
目前规模最大的通用量子计算机,是IBM的Condor(搭载1121个超导量子比特)和Atom Computing的AC1000(搭载逾1200个中性原子量子比特),而这两个数字均指物理量子比特,而非逻辑量子比特。
上周,量子计算公司QuEra发表了一篇论文,展示了仅用两个物理量子比特即可构建一个逻辑量子比特的方案。中性原子量子计算机包含两类量子比特——存储型和计算型,两者之间可以相互转换。目前这一2比1的比例仅适用于存储型量子比特。
"这篇论文目前还未展示对该量子比特执行操作的能力,"QuEra Computing首席商务官Yuval Boger表示,"我们已在其他编码方案中实现了这一点,但还未在这个特定方案中实现。不过,没有量子存储,量子计算机本身就无法运行。"
他补充说,同一算法在量子计算机纠缠计算端的纠错能力上也应有显著提升。"但我们尚未发布那部分研究结果,相信很快就会公布。"
与Atom Computing类似,QuEra同样研发中性原子量子计算机,其Gemini型号搭载260个物理量子比特,目前已面向商业市场开放。
"我们已经演示了一台拥有3000个量子比特、可持续运行的机器,"Boger补充道。
他表示,这使实用量子计算机的到来已触手可及。"仍有许多工作需要完成,但绝不需要再等个十年八年。"
与此同时,近期业界对量子计算机实际所需量子比特数量的估算也有所调整,这进一步影响了整体时间预期。例如,根据谷歌最新研究,量子计算机破解椭圆曲线密码学所需的逻辑量子比特数量,最少可能只需1200个。
星座研究公司分析师Holger Mueller认为,QuEra的这一公告也有助于将中性原子技术确立为IBM超导方案之外的可行替代路线。
"这是一场纠错能力的竞赛,"他说。问题在于QuEra的方案究竟能否脱颖而出。"其结果的优越程度和突破意义,还有待进一步验证。"他还指出,这篇论文聚焦于存储型量子比特,尽管该公司计划将相同算法扩展至其他量子比特类型。"因此,这是一份对保持中性原子技术及相关企业竞争力至关重要的研究报告。"
卡内基梅隆大学泰珀商学院运营管理教授Sridhar Tayur将量子计算突破划分为四个层级。
"首先是停留在纸面上的理论成果,其次是实验室中的概念验证,"他说,"再往上是规模化原型机,最后才是生产级规模。"
他表示,QuEra目前的公告仅处于研究论文阶段。许多人看到这些理论成果,脑海中便立刻浮现出商业产品的图景,"但他们甚至还没有对此进行任何物理层面的实验验证,"Tayur说道。
Q&A
Q1:QuEra发布的量子纠错论文有什么具体内容?
A:QuEra发表的论文展示了一种新方案,仅需两个物理量子比特即可构建一个逻辑量子比特,将传统所需的数百乃至数千个物理量子比特大幅压缩至2比1的比例。不过,目前该比例仅适用于中性原子计算机中的存储型量子比特,对量子比特执行实际操作的能力尚未在这一特定方案中得到验证。
Q2:中性原子量子计算机和超导量子计算机有什么区别?
A:超导量子计算机是目前IBM等公司采用的主流技术路线,而中性原子量子计算机则是QuEra和Atom Computing等公司采用的另一种技术方案。中性原子计算机包含存储型和计算型两类量子比特,可以相互转换。QuEra此次发布的纠错突破,有助于将中性原子技术确立为超导方案之外具有竞争力的替代路线。
Q3:QuEra的量子纠错突破距离实际商用还有多远?
A:根据卡内基梅隆大学教授Sridhar Tayur的分析,量子计算突破可分为理论论文、实验室概念验证、规模化原型机和生产级规模四个层级,QuEra目前的成果仅处于研究论文阶段,尚无物理层面的实验验证。QuEra方面表示实用量子计算机"并不需要再等十年八年",但距离真正商用仍有相当距离。
好文章,需要你的鼓励
近期数据显示,2026年5月前企业已宣布约9万个与AI相关的裁员岗位,部分预测称未来五年美国15%的工作将被AI取代。然而,Ramp与Revelio Labs追踪近2.2万家企业的最新报告显示:重度投入AI的企业反而实现了更快的人员增长,包括初级岗位在内的各职能人数均有上升。但这一数据主要来自技术型企业,能否普遍适用仍存疑。报告同时指出,资源匮乏的企业可能在AI浪潮中持续落后。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
AI数据中心开发商向多家电力公司同时提交大负荷接入申请以确定选址,导致区域需求预测虚高、电网投资失衡。美国联邦能源监管委员会(FERC)及ERCOT、PJM、SPP等机构正推动"承诺优先"规划机制,要求项目具备实质性商业承诺方可纳入长期传输规划。谷歌、亚马逊、微软、OpenAI等科技巨头支持建立标准化的项目成熟度评估体系,但各方在具体机制上仍存分歧。发电建设问题尚未被纳入联邦传输改革议程。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。