微软此前声称其Majorana芯片项目将在2029年实现可扩展量子计算机,然而这一颇具争议的主张再度遭到质疑。来自圣安德鲁斯大学的亨利·莱格博士发表了一篇科学论文,对微软是否正确解读了自身实验数据提出了挑战。
该论文本周发表于《自然》杂志,经过同行评审。莱格博士在论文中指出,微软用于推断理论中马约拉纳粒子量子态是否存在的"拓扑间隙协议"(TGP)框架存在缺陷。
"去年,微软声称已经造出了相当于精密瑞士手表的东西。但当我打开表壳检查内部机构时,看到的却是一堆杂乱无章、互不匹配的零件,"莱格说。
他认为,从微软TGP软件数据分析中获得的结果,完全可以用其他效应来解释,而且所选用的分析数据本身也存在偏差。因此,他认为微软的研究人员得出了错误的结论。
"确实有信号存在,但那看起来并不像微软所宣称的突破。尽管各类媒体广泛报道,但该领域的绝大多数科学家从一开始就对微软的主张持怀疑态度。我的批评只是将这种质疑正式记录在科学文献中,"他表示。
创造能够抵抗传统量子比特设计误差的马约拉纳"零模式",是微软整个量子计算战略的核心,这一布局已延续近二十年。这一切的前提,是马约拉纳费米子的真实存在——该粒子以1937年首次提出相关理论的意大利物理学家命名,时至今日仍仅停留在理论层面。
2018年,微软宣布其研究人员已探测到马约拉纳费米子存在的证据,这一看似重大的突破随后遭到数据层面的有力质疑,微软被迫撤回相关声明。《自然》杂志编辑随后也发表声明,直接指出:"本文结果不足以证明所报告设备中存在马约拉纳零模式。"
尽管遭遇挫折,微软仍未放弃。2025年,该公司在《自然》杂志发表新论文,声称已找到将该原理应用于全新"量子时代晶体管"——Majorana 1芯片的方法。本月早些时候,微软又发布了其继任产品Majorana 2,并宣称借助AI技术,新芯片的可靠性相较上一代提升了1000倍。"凭借这一进展,团队现预计将在2029年实现可扩展量子计算机,比原定时间表提前了一半,"公司方面宣布。
然而,面对莱格的最新批评,微软再次处于被动应对的局面。莱格表示:"我只是在表达该领域大多数人从最初公告起就持有的看法。我觉得有必要将这些疑虑整理成正式的科学批评。如今它已通过同行评审并正式发表,这是一件好事。"
值得注意的是,莱格的批评针对的是传输数据系统,而非原始实验数据本身——微软尚未将后者完整公开,以供独立分析。
微软通过邮件回应称,公司对Majorana芯片推动实用量子计算向前迈进仍充满信心,并指出公司正与美国国防高级研究计划局(DARPA)合作,共同参与"实用级量子计算未充分探索系统"(US2QC)项目。
"我们坚持我们的成果和路线图,"微软量子硬件技术研究员兼副总裁陈坦·纳亚克博士表示,"归根结底,成功的标志就是交付一台可扩展的量子计算机。我们对按路线图推进执行充满信心。"
"质疑与严谨是科学过程的标志,我们对来自各方学者的意见表示欢迎和支持,"他补充道,"我们参与了相关对话,我们详尽的反驳文章也已被《自然》杂志接受并发表。"
量子计算硬件领域并非微软一家之争,谷歌、IBM和亚马逊也在研发各自的方案。但即便硬件能按微软所称的时间表成熟落地,许多业内人士仍认为,技术与企业实际应用之间的鸿沟,更可能是一个漫长渐进的过程,而非一蹴而就的跨越式飞跃。
Q&A
Q1:微软的拓扑间隙协议(TGP)框架被指出存在哪些问题?
A:圣安德鲁斯大学亨利·莱格博士指出,微软TGP框架存在两大缺陷:一是数据分析结果可以用其他物理效应来解释,并非必然证明马约拉纳零模式的存在;二是用于分析的数据存在选择性偏差。莱格认为,这导致微软研究人员得出了错误结论。该批评论文已通过同行评审并发表于《自然》杂志。
Q2:微软Majorana 1和Majorana 2芯片有什么区别?
A:Majorana 1是微软于2025年发布的首款量子芯片,被称为"量子时代的晶体管"。Majorana 2是其继任产品,微软声称借助AI技术,新芯片的可靠性相较Majorana 1提升了约1000倍。凭借这一进展,微软将实现可扩展量子计算机的目标时间从原计划提前一半,预计在2029年完成。
Q3:除了微软,还有哪些公司在研究量子计算硬件?
A:目前,量子计算硬件领域的主要参与者除微软外,还包括谷歌、IBM和亚马逊。尽管各方都在积极推进研发,但业内人士普遍认为,即便硬件技术按预期时间表走向成熟,量子计算从技术突破到真正在企业中落地应用,仍将是一个缓慢渐进的过程,而非短期内的突然跃升。
好文章,需要你的鼓励
"影子AI"是指员工在未经公司批准的情况下使用AI工具办公。虽然ChatGPT等工具能提升效率,但将内部文件、客户数据或源代码输入未授权平台,可能导致企业数据失控。IBM报告显示,20%的企业存在未授权AI工具,63%尚无AI治理政策。专家建议,一味封禁效果有限,企业应明确哪些工具可用、哪些数据禁止上传,员工也应主动核查AI输出内容,避免将敏感信息粘贴至公共AI平台。
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。
Hirebotics联合Fanuc发布首款基于无代码Beacon平台的防爆协作喷涂机器人Cobot Painter。该方案适用于金属制造商,无需专用喷涂房或复杂编程,可在现有人工喷涂环境中数日内完成部署。操作人员通过平板或手机的"点击示教"功能即可引导机器人完成路径学习,实现液体涂料、粉末涂装等高精度重复作业,帮助制造商将涂装业务收回自主管理。
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。