撰稿：杜伟、蛋酱
Google CEO 皮查伊则表示，「此项新冲破让他们离小规模物理排序机更近了一步棋。」
Google物理 AI 项目组又获得关键性进展！
本周一，Google CEO 桑萨尔・皮查伊编写网志，如是说了子公司物理排序又往前迈了一大步。Google物理 AI 项目组迄今为止首度透过试验断定：能透过减少物理BCC的数目来减少严重错误。
他们晓得，在物理排序中，物理BCC是物理信息的基本上模块，能呈现胜过 0 和 1 的更多样状况。Google那时的冲破代表者了操作形式物理排序机形式的关键性变革 —— 无须两个两个地处置物理CPU上的物理物理BCC，而将几组物理物理BCC当做两个方法论物理BCC。
在新一代的科学研究中，Google用 49 个物理物理BCC制做的方法论物理BCC胜过了用 17 个物理BCC制做的方法论物理BCC。有关的学术论文《Suppressing Quantum Errors by Scaling a Surface Code Logical Qubit》在 Nature 周刊上刊登，Google达成一致了其另一方面物理排序产业发展蓝图（如下表所示）上的第三个里程碑式。
Google构筑管用纠偏物理排序机的里程碑式该事件蓝图，现阶段已经开始构筑两个将在今后展开扩充的方法论物理BCC。
实验结论展现了方法论物理BCC（纠偏物理排序机的基本上模块）的蓝本，其操控性吻合全力支持可扩充纠错物理排序的状况。
学术论文地址：https://www.nature.com/articles/s41586-022-05434-1
Google CEO 皮查伊则表示，「此项冲破让他们离小规模物理排序机更近了一步棋。」
从物理物理BCC到方法论物理BCC
物理纠偏（QEC）代表者了当今物理排序的关键性变革，其中CPU上的每个物理物理BCC都充当两个排序模块。QEC 提供了透过「用许多 good 物理BCC换取两个 excellent 物理BCC」来实现低严重错误率的方法：信息在多个物理物理BCC上展开编码，以构筑两个更具弹性且能够运行小规模物理算法的方法论物理BCC。在合适的条件下，用于构筑两个方法论物理BCC的物理物理BCC越多，方法论物理BCC就越强。
但是，如果每个额外的物理物理BCC所减少的严重错误超过了物理纠偏带来的优势，它将行不通。因此直到现在，高物理严重错误率仍占据主导。
为此，项目组使用了一种被称为表面码（surface code）的特定纠偏代码，并首度断定了减少代码的大小（size）能降低方法论物理BCC的严重错误率。对于任何物理排序平台而言，这都是迄今为止的第一次，Google透过从 17 个物理物理BCC扩充到 49 个来减少出错源而实现。此项科学研究表明，只要足够小心，他们就能生成小规模纠偏物理排序机所需要的方法论物理BCC。
使用表面码的物理纠偏
先提两个问题：纠偏码如何保护信息？举两个经典通信中的简单例子：鲍勃（Bob）想要透过两个嘈杂的通信通道向爱丽丝（Alice）发送两个读作「1」的BCC。当意识到BCC翻转为「0」时信息会丢失，鲍勃改为发送三个BCC「111」。如果两个BCC严重错误地翻转，爱丽丝能对接收到的所有BCC展开多数投票，并仍能理解预期信息。因此，将信息重复三遍，即减少代码的大小，能使代码容忍更多单个严重错误。
在一种被称为表面码的纠偏码中，物理CPU上的很多物理物理BCC充当两个方法论物理BCC。
项目组的表面码方法采用了这一原则，并设想了两个实际的物理实现。表面码必须满足两个额外的约束条件，首先必须能够纠正BCC翻转以将物理BCC从 |0⟩ 变为 |1⟩，还能纠正相位翻转。这种严重错误是物理态特有的，能将两个物理BCC转换为叠加态，例如从 |0⟩ + |1⟩ 到 | 0⟩ – |1⟩；其次检查物理态将破坏它们的叠加态，因此需要一种无需直接测量状况即可检查严重错误的方法。
为了解决这些约束条件，项目组在棋盘（checkerboard）上安排了两种类型的物理BCC，其中顶点上的数据（data）物理BCC构成了方法论物理BCC，而每个正方形中心的测量（measure）物理BCC用于所谓的稳定器测量值。这些测量值展现了物理BCC是否如预期那样完全相同，或者不同以表明发生了严重错误，但实际上并没有揭示各个数据物理BCC的值。
Google在棋盘图案上平铺了两类稳定器测量值，以保护方法论数据不受BCC和相位翻转的影响。如果一些稳定器测量值记录下了严重错误，则使用它们中的有关性来确定发生以及在什么地方发生了哪些严重错误。
就像上面的鲍勃给爱丽丝的信息的例子中，表面码规模越减少，鲁棒性越强，更大的表面码能更好地保护它所包含的方法论信息。表面码能抵御一些BCC和相位翻转的严重错误，每个严重错误都等于「距离」的一半以下，其中的距离是指在任一维度上横跨表层码的数据物理BCC的数目。
但问题来了：每个单独的物理物理BCC都容易出错，所以表面码中的物理BCC越多，出错的机会就越多。Google希望 QEC 提供的更高保护能够超过随着减少物理BCC数目而减少的严重错误机会。要做到这一点，物理物理BCC的严重错误必须低于所谓的「纠错阈值」。对于表面码来说，这个阈值是相当低的，直到最近它才实现在试验上可行。Google则表示，项目组正处在达到这一令人羡慕的悬崖边上。
高质量物理物理BCC的制造与控制
当进入 QEC 随着规模扩大而提升的阶段，就需要改善物理排序机的各个方面了，包括从物理物理BCC的纳米制造到整个物理系统的优化控制。这些试验是在最先进的第三代 Sycamore CPU架构上运行的，项目组使用表面码对 QEC 展开了优化，并展开了全面的改进：
透过改进的制造工艺和减少物理CPU附近的环境噪声，提高了物理BCC的松弛和去噪寿命；
透过优化物理CPU的电路设计和纳米加工，降低了所有物理物理BCC在并行运行期间的交叉干扰；
透过升级的定制电子器件减少了漂移并提高了物理BCC控制的保真度；
与前几代 Sycamore CPU相比，实现了更快、更保真的读出和复位操作形式；
开发了上下文感知和完全并行的校准，以减少漂移并优化 QEC 电路的控制参数；
透过对整个物理系统展开广泛的建模并采用更好的系统优化算法，减少了校准误差；
增强了动态去耦协议，以保护物理物理BCC在空转运行期间不受噪声和串扰的影响。
运行表面码电路
项目组在这些升级的基础上展开了试验，对比了 17 个物理BCC的距离 – 3 的表面码（ε_3）与 49 个物理BCC的距离 – 5 的表面码（ε_5）二者的方法论严重错误率 ——𝚲_3,5= ε_3/ ε_5。
试验结论如上图右侧所示，几个月来的持续改进减少了两个网格的方法论严重错误，导致距离 – 5 网格（ε_5=2.914%）在 5𝚲置信度下比距离 – 3 网格（ε_3=3.028%）高出 4%（𝚲_3,5=1.04）。这似乎是两个小的改进，但重要的是，这个结论代表者了自 1995 年 Peter Shor 提出 QEC 建议以来的领域内「首度」。较大的代码优于较小的代码是 QEC 的两个关键特征，所有的物理排序架构都需要透过这一障碍，以实现物理应用所需的低误差。
今后展望
这些结果表明，他们已经开始进入两个实用化 QEC 的新时代。Google物理 AI 项目组在过去几年里一直在思考如何定义这个新时代的成功，以及如何衡量沿途的进展。
项目组的最终目标是展现一种路径 —— 实现有意义地应用物理排序机需要的低误差。为此，项目组的目标仍然是实现 QEC 每个周期的方法论严重错误率为 1/10^6 或更低。在下图的左边，概述了Google预计达到这一目标的路径。
随着项目组继续改进物理物理BCC（从而提高方法论物理BCC的性能），项目组期望将𝚲从此项工作中的「吻合 1」逐渐减少到更大的数字。如图所示，𝚲=4 的值和 17 的码距（577 个质量足够好的物理物理BCC）将产生两个低于目标的 10^6 分之一的方法论严重错误率。
虽然实现这个结论还需要几年的时间，但项目组有一项试验技术，能在有限的情况下用当前的硬件探测到如此低的严重错误率。二维表面码允许科学研究者同时纠正BCC和相位翻转严重错误，但同时也允许科学研究者构筑一维重复码，在宽松的要求下只能够解决一种类型的严重错误。上图的右边展现了两个距离为 -25 的重复码，能达到每周期吻合 1/10^6 的严重错误率。在如此低的严重错误率中，项目组看到了新的严重错误机制，这些严重错误机制在表面码中还无法观察到。通过控制这些严重错误机制，能将重复码提高到吻合 1/10^7 的严重错误率。
自三年前展现物理排序机优于经典排序机的操控性之后，这一里程碑式的实现反映了整个Google物理 AI 项目组的集中工作成果。在建立纠错物理排序机的过程中，项目组将继续使用上图中的目标严重错误率来衡量进展程度。距离下个里程碑式更进一步棋之后，项目组预计将进入纠错系统，在那里能指数级地抑制方法论严重错误，并解锁第两个管用的纠偏物理应用。
同时，项目组将继续探索使用物理排序机解决问题的各种方法，包括凝聚态物理、化学、机器学习和材料科学等各种主题。
