微软关于其Majorana芯片计划将于2029年实现可扩展量子计算机的争议性声明,再度受到科学界质疑。一篇由圣安德鲁斯大学研究员亨利·莱格博士撰写的同行评审论文本周在《自然》杂志上发表,对微软解读自身实验数据的方式提出了根本性质疑。
莱格博士指出,微软用于推断理论中Majorana粒子量子态存在的"拓扑能隙协议"(TGP)框架存在根本性缺陷。他表示:"微软去年宣称建造出了精密瑞士手表的等价物,但当我打开表盖检查机芯时,看到的是一堆杂乱无章、互不匹配的零件。"
他认为,微软TGP软件数据分析所得出的结果,完全可以用其他效应加以解释,且在数据选取上存在偏差,导致该公司研究人员得出了错误结论。"有些东西确实产生了噪声信号,但那并不像微软所宣称的突破。尽管媒体争相报道,但业内绝大多数科学家从一开始就对微软的结论持怀疑态度。我的批评只是将这种质疑正式记录在科学文献中。"
创造能抵抗传统量子比特设计错误的Majorana"零模式",是微软延续近二十年的整体量子计算战略的基石。这一战略的成立,前提是Majorana费米子的存在——该粒子以1937年首次提出这一概念的意大利物理学家命名,时至今日仍属理论假设,尚未得到实验证实。
2018年,微软宣称其研究人员已探测到Majorana费米子存在的证据,被誉为重大突破,但随后在数据受到有效质疑后不得不撤稿。《自然》杂志编辑随即发表措辞直接的声明:"该手稿中的结果不能作为所报告器件中存在Majorana零模式的证据。"
尽管遭遇挫折,微软并未放弃。2025年,该公司在《自然》杂志上发表新论文,宣称已找到利用这一原理构建"量子时代晶体管"——即Majorana 1芯片——的方法。本月初,微软又发布了其继任产品Majorana 2,称借助AI技术实现了可靠性较前代芯片提升1000倍的突破,并宣布"团队现在预计将于2029年实现可扩展量子计算机,比原定时间表提前了一半"。
然而,面对莱格博士的最新批评,微软再度陷入被动局面。莱格表示:"我只是在表达业内大多数人对最初声明的普遍感受。我认为有必要将这些担忧整理成正式的科学批评,现在它已经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数据传输分析系统,而非原始实验数据本身。目前,微软尚未以可供独立分析的完整形式公开原始实验数据。
对此,微软通过电子邮件表示,仍然相信Majorana芯片已使实用量子计算迈近了一步,并强调了其与美国国防高级研究计划局(DARPA)在"效用规模量子计算未探索系统"(US2QC)项目框架下的合作。
微软量子硬件技术研究员兼副总裁切坦·纳亚克博士表示:"我们坚守我们的研究成果和路线图。归根结底,成功的标志是交付一台可扩展量子计算机,我们对按路线图推进执行充满信心。""质疑与严谨是科学进程的标志,我们对此持欢迎态度,也一直支持来自学术界的讨论。我们积极参与对话,我们详尽的反驳文章也已被《自然》杂志接受并发表。"
目前,研究量子计算硬件的并不止微软一家,谷歌、IBM和亚马逊也都在推进各自的技术路线。但即便硬件能够按微软所宣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,更可能是一个缓慢渐进的过程,而非一蹴而就的飞跃。
Q&A
Q1:微软的拓扑能隙协议(TGP)被质疑存在什么问题?
A:根据圣安德鲁斯大学莱格博士发表在《自然》杂志的论文,微软的TGP框架存在根本性缺陷。其数据分析结果可以由其他效应解释,且数据选取存在偏差,导致研究人员可能得出了错误结论。莱格认为,微软所观测到的信号并不足以证明Majorana零模式的存在,这与业内大多数科学家的普遍看法一致。
Q2:Majorana 2芯片比Majorana 1有哪些改进?
A:微软表示,Majorana 2芯片借助AI技术实现了可靠性较Majorana 1提升1000倍的突破。基于这一进展,微软团队将实现可扩展量子计算机的目标时间表从原定计划提前一半,预计在2029年完成。不过,目前学界对Majorana系列芯片的底层技术原理仍存在争议。
Q3:微软Majorana量子计算计划的历史上曾出现过哪些争议?
A:微软在Majorana研究上的争议由来已久。2018年,该公司宣称发现了Majorana费米子存在的证据,但随后因数据受到质疑被迫撤稿,《自然》杂志编辑明确声明相关结果不能作为Majorana零模式存在的证据。2025年,微软再度发表论文并推出Majorana 1芯片,但再次遭到学界质疑,公司目前仍未完整公开原始实验数据供独立核验。
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。