Google的量子王炸能迎來「ChatGPT時刻」嗎？
作者／ IT時報記者 郝俊慧
編輯／ 王昕 孫妍
量子計算似乎迎來了「ChatGPT時刻」。
香港時間12月10日，Google在《自然》發表了最新量子芯片Willow的研究成果，在量子糾錯率和隨機電路采樣（RCS）基準測試上取得關鍵性突破，用5分鐘完成了一項標準計算，而當前最快的超級計算機Frontier則需要10²⁵（10的25次方）年才能完成，「比宇宙的年齡都要大」。
GoogleCEO桑達爾·皮查伊把量子計算的突破比作「萊特兄弟的首飛」，也有人將Willow類比為Transformer，在這個同樣由Google推出的AI架構上，OpenAI做出了ChatGPT。
量子與AI的糾纏還不止於此，發佈Willow的是Google量子AI實驗室，這個名字聽起來「與時俱進」的實驗室，實際上成立於2012年，而Willow之所以在糾錯上突破了30年來的挑戰，源自Google已經於11月份發佈的基於Transformer的解碼器AlphaQubit，通過AI實時為量子計算機解碼糾錯，從而讓Willow的量子糾錯「低於閾值」。
所謂「低於閾值」，指的是量子比特越多，錯誤率越低，中國科學技術大學教授陸朝陽認為，Willow從之前的「越糾越錯」，進步到「越糾越對」，突破了量子糾錯「盈虧平衡點」，實現了量子比特的「正增益」。
Willow成功的跡像在今年8月Google量子AI實驗室發表的一篇《量子誤差修正低於表面碼閾值》論文中可見一斑，文中對Google在量子糾錯上的突破做了詳細說明：每個（邏輯量子比特）編碼的距離增加2，錯誤率就會下降一半以上。
在理解這句話之前，不妨先來瞭解一下量子計算的基本原理。
如大家所知，我們現在採用的經典計算是0和1的排列組合，你在電腦上、手機上輸入的每個指令，最後都會被編譯成0和1組成的代碼，被計算機識別並計算。所謂的CPU芯片，就是晶體管組成的一個超大「開關」，每個晶體管的on/off，代表0或者1，而一顆強大的CPU可能擁有上千億個晶體管。比如蘋果的M2 Ultra上便有1340億個晶體管。
受限於摩亞定律和量子隧穿效應，裝在手機和電腦里的CPU不可能無限制地塞入更多晶體管，因此很多需要超大規模計算的問題，尤其是自然界的本源，傳統經典計算很難解決。
量子計算則完全不同，它可以讓0和1處於任何疊加態中，簡單理解，如果一塊傳統芯片能存儲n個數據，那擁有同樣量子比特數量的芯片，可以存儲2的n次方個數據。
這種計算能力指數級的上升，也是為何每次量子計算研究突破後，其表現出的算力和經典超級計算機相比，都不只是遙遙領先，而是百億級以上的差距。
只是，算得快，並不等於算得好。
超導量子非常脆弱，周圍的一點點幹擾，甚至宇宙射線都會讓其丟失信息，也即所謂的「退相干」。從目前研究結果來看，單個量子比特的錯誤率降低到千分之一（0.1%）後便很難進一步推進，而通用量子計算階段的錯誤率，普遍被認為至少要下降至10的負12次方，也即萬億分之一。
學術界普遍採用建構邏輯量子比特的方式來實現量子計算糾錯。比如Google此次用來實驗的3×3、5×5、7×7編碼模式，便是以一個物理量子比特為信息的存儲載體，其他圍繞它的量子比特作為「錨定比特」，通過冗餘和特定的編碼方案，檢測並糾正可能產生的錯誤。而Google的實驗結果證明，當形成一個邏輯比特的物理比特數量從90（3×3×10）到250再到490不斷擴展時，錯誤率指數級下降，從而「低於閾值」。
同時，量子計算的特性，對量子糾錯也產生了指數級的槓桿作用。比如，如果物理量子比特的錯誤率降低兩倍，那麼距離為27×27的邏輯比特性能就能提高四個量級，進入可被接受的錯誤率範圍之內。也即7290個量子比特形成一個邏輯比特的話，量子計算的通用容錯量子計算（FTQC）應該可以實現。
話說到這裏，國人最關心的是，中國的量子計算和Google差距遠嗎？
一位量子科學家的話讓我放下了心：差距是有，但無論在硬件層面還是糾錯算法方面，中國都一直在跟進，而且進展也都不錯。
硬件結構上，Willow採用的是Tunbale coupler架構，這個技術架構於2019年發佈，國內中科大、北京量子研究院、南方科大都有類似的實驗成果；糾錯效果上，Willow實現了「低於閾值」，並在實驗體系中實現了d=5和d=7的糾錯，說明Google在量子控制技術上實現了超越性突破，但國內南方科技大學俞大鵬院士團隊也在去年實現了「量子糾錯盈虧平衡點」。國內也有其他研究團隊採用和Google類似的表面碼方案，在編碼距離上略有落後，目前應該處於d>5>3的位置。
儘管從大方向上看，Willow似乎依然走在「老路」上，但進步往往發生在隱秘的角落。Google借助AI實現了Decoder（解碼器）方案的篩檢和軟硬件上的實時線路編譯，證明它的系統工程能力非常強。就好像OpenAI選擇的LLM大模型道路，同樣並不新鮮，但基於其強大的算力投入和系統工程能力，最終引爆此次人工智能浪潮。
從這個意義上看，Willow至少處於ChatGPT 1.0時期，目前實驗結果顯示，Google找到了一條相對正確的路。
不過，從Google官方透露的信息顯示，Willow的隨機電路采樣（RCS）基準測試，雖然在「經典難以解決」的基準線智商，但其商業相關性還比較弱，這表明其依然不具有實用價值。
中國量子科學的頂尖科學家、中國科學院院士潘建偉將量子發展分為三階段：實現量子優越性、解決專用計算問題、通用量子計算。目前全球量子科研水平多集中於第二階段，對於第三階段的實現，科學家們曾給出了10～15年的時間窗口，但Willow的成功，AI for Science的變革，讓這個窗口期正在縮短。
量子力學被稱為自然界的「操作系統」，模擬大自然的任務被認為只有量子力學能夠完成。比如通過量子測量，在磁共振成像（MRI）和核磁共振（NMR）中，以原子為尺，可給出分子、原子核之間的精確距離，從而在更高維度解鎖AI目前面臨的「數據困境」。物理、化學、生物醫藥、核聚變、材料科學等領域，都將可能因此迎來劃時代的突破。
更關鍵的是，電力消耗也將指數級下降。短時期內，限制量子計算發展的「摩亞定律」還不會出現。科學家預估，物理量子比特要達到百萬級以上才可能摸到通用計算的門檻，但這個級別量子位的芯片，和如今千億級的晶體管相比，製程工藝要求低許多，以國內現有的製程工藝來看，實現不難。
長期來看，經典計算機在規模擴張、應用落地、場景尋找等範式變革過程中遇到的挑戰，在超導量子計算機上也會「複刻」一遍，但這一次，全世界應該會更快找到適應的辦法。
比爾·蓋茨說：「人們總是容易高估未來兩年的變化，卻往往低估未來十年的變革」。
十年之後回頭看，2024年12月10日或許會被定義為「前AI時代」的一個紀念日。
這一天，OpenAI正式發佈了Sora，意圖「無中生有」，生成一個虛擬的物理世界，而Willow則正好相反，試圖用量子計算解讀自然界的一切。當二者進入「疊加態」時，科幻正變為科學，曾經遙遠的未來，正在逼近現實。
排版／ 潘璐
圖片／ pixabay Google
