谷歌量子AI實驗室日前發布了新的 72位量子比特的量子處理器 Bristlecone。雖然目前還沒有看到具體的實驗結果，但這塊芯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。

谷歌量子 AI 實驗室（Google Quantum AI lab）的目標是建造可以用于解決真實世界問題的量子計算機，他們的研究策略是在可以和大規模、通用化、可糾錯的量子計算機向前兼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算法之外的算法，它當然需要更多的量子比特（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、雙量子比特門之類邏輯操作中保持很低的錯誤率。

一年一度的美國物理學會（American Physical Society）會議正在洛杉磯舉行，谷歌量子 AI 實驗室在會議上公布了他們新的量子處理器 Bristlecone。這是一個基于門電路的超導系統，它的設計目標就是為谷歌的量子技術提供系統錯誤率和拓展性的研究測試平臺，當然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。

Bristlecone 是谷歌的最新量子處理器（左圖）。右側是這個芯片的結構示意圖，每一個「X」代表一個量子比特，相鄰最近的量子比特之間是相連的

谷歌之前設計的 9 量子比特的線性矩陣已經展現出了低讀取錯誤率（1%）、低單量子比特門錯誤率（0.1%）、以及最重要的低雙量子比特門錯誤率（0.6%），這也是谷歌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 量子比特。谷歌之所以選擇把新的芯片設計到這個規模，是希望未來得以展示「量子霸權」（指對于某些問題, 量子算法的效率遠遠優于經典算法）、可以通過表層編碼做一階和二階的錯誤糾正，以及幫助為真正的通用化硬件設計量子算法。

展示錯誤率和量子比特數目之間關系的二維概念示意圖。圖中的紅線表示谷歌量子 AI 實驗室的研究方向，他們希望沿著這個方向、以構建出帶有錯誤糾正能力的量子計算機為目標，先取得一些短期應用成果

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。對于錯誤率測試，可以向設備輸入一個隨機的量子電流作為單個系統誤差，然后檢查樣本的輸出擾動并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計算機科學問題的速度就可以遠超過經典方法的超級計算機，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比特數目和計算長度（深度）兩個方面都需要足夠大。雖然目前還沒有人達到錯誤率 0% 的目標，但是根據谷歌量子 AI 實驗室計算，只需要量子比特數目達到 49 位、電路深度超過 40、雙量子比特門錯誤率低于 0.5% 就已經可以展現出明顯的「量子霸權」。谷歌相信，一次成功的量子處理器超越經典超級計算機的實驗將成為這個領域的分水嶺，而這也將是谷歌量子 AI 團隊追尋的重點目標。

位于 Santa Barbara 的谷歌量子 AI 實驗室中，研究科學家 Marissa Giustina 正在安裝一塊 Bristlecone 芯片

谷歌量子 AI 團隊之前已經在 9 位量子比特的設備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 個量子比特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計算機提供極具說服力的原理論證。要讓 Bristlecone 這樣的設備以低系統錯誤率運行，也需要軟件設計、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迭代更新才有可能達成。

對于用 Bristlecone 達成「量子霸權」，谷歌量子 AI 團隊保持謹慎樂觀的態度，同時也覺得學習建造和運行這種性能級別的設備是一個令人興奮的挑戰。谷歌量子 AI 團隊也非常期待未來得以展示自己的實驗成果，以及和別的團隊共同協作嘗試更多實驗。