Google 量子 AI 實驗室於近期發佈了新的72位量子位元的量子處理器 Bristlecone。雖然目前還沒有看到具體的實驗結果，但這塊晶片的未來有很大潛力，很有可能達成量子計算領域內的重要里程碑。

Google 量子 AI 實驗室（Google Quantum AI lab）的目標是建造可以用於解決真實世界問題的量子電腦，他們的研究策略是在可以和大規模、通用化、可糾錯的量子電腦向前相容的系統上探索短期解決方案。為了讓量子處理器運行經典模擬演算法之外的演算法，它當然需要更大的量子位元（qubit）數目，但它還需要更多。最關鍵的是，這個處理器必須在讀取以及單、雙量子位元匣之類邏輯操作中保持很低的錯誤率。

在一年一度的美國物理學會（American Physical Society）會議中， Google 量子 AI 實驗室在會議上公佈了他們新的量子處理器 Bristlecone。這是一個基於匣電路的超導系統，它的設計目標就是為 Google 的量子技術提供系統錯誤率和拓展性的研究測試平台，也可以探索量子模擬、量子優化以及量子機器學習方面的應用。

Google 之前設計的 9 量子位元的線性矩陣已經展現出了低讀取錯誤率（1%）、低單量子位元匣錯誤率（0.1%）、以及最重要的低雙量子位元匣錯誤率（0.6%），這也是 Google 目前所能達到的最好結果。新的 Bristlecone 的指導設計思路就是延續之前技術中的物理特性，在耦合、控制、讀取中都使用了同樣的方法，但把矩陣規模大幅擴大到了 72 量子位元。 Google 之所以選擇把新的晶片設計到這個規模，是希望未來得以展示「量子霸權」（指對於某些問題, 量子演算法的效率遠遠優於經典演算法）、可以透過表層程式碼做一階和二階的錯誤糾正，以及幫助為真正的通用化硬體設計量子演算法。

在探究具體的應用之前，量化認識量子處理器的計算能力也是很重要的一件事。已經有別的理論物理團隊為這項任務開發了 benchmark 工具。對於錯誤率測試，可以向裝置輸入一個隨機的量子電流作為單個系統誤差，然後檢查樣本的輸出擾動並把它和經典方法模擬的結果做對比。

如果一個量子處理器運行時的錯誤率最夠低，它運行某些定義好的電腦科學問題的速度就可以遠超過經典方法的超級電腦，這也就是我們所說的「量子霸權」。測試中使用的隨機電流在量子位元數目和計算長度（深度）兩個方面都要夠大。雖然目前還沒有人達到錯誤率 0% 的目標，但是根據 Google 量子 AI 實驗室計算，只需要量子位元數目達到 49 位、電路深度超過 40、雙量子位元匣錯誤率低於 0.5% 就已經可以展現出明顯的「量子霸權」。

Google 量子 AI 團隊之前已經在 9 位量子位元的裝置上取得了目前最佳的錯誤率，他們也正在努力嘗試在 Bristlecone 的所有 72 個量子位元上都取得類似的表現。一旦 Bristlecone 獲得全面成功，這也將為構建更大規模的量子電腦提供極具說服力的原理論證。要讓 Bristlecone 這樣的裝置以低系統錯誤率運行，也需要軟體設計、電子控制和處理器本身等一系列技術的協調工作，只有經過非常仔細的系統工程和多次版本更新才有可能達成。

參考：INSIDE

圖：Live Science