在Willow处理器上验证魔法状态培养
Google Quantum AI 团队在《Science》期刊上发表了关于“魔法状态培养”（Magic state cultivation）的实验突破论文。该研究的核心作者包括 Emma Rosenfeld、Craig Gidney、Gabrielle Roberts 和 Alexis Morvan 等人，其早期版本曾于2025年12月以预印本形式发布在 arXiv 上。
该实验在谷歌于2024年底推出的 Willow 超导量子处理器上完成，该处理器包含72个物理量子比特。实验过程中，研究团队利用强化学习微调和优化控制参数，最终使培养协议将错误率降低了40倍，制备出的 T 态逻辑保真度达到 0.9999(1)（即 99.99%）。
在实现99.99%保真度的同时，实验通过后选择剔除了存在错误的尝试，成功保留率为8%。此外，团队还成功演示了代码切换协议，将量子态从距离为3的颜色代码平滑转移到了距离为5的表面代码中。
颠覆传统蒸馏：工作机制与测量突破
容错量子计算需要通用的量子门集合。现有的表面码等量子纠错码虽可自然容错地实现 Clifford 门，但仅靠 Clifford 门无法超越经典计算机，必须引入以 T 门为代表的非 Clifford 门。在2026年的主流架构中，传统实现 T 门依赖“魔法状态蒸馏”，生产高保真 T 态的工厂可能需要消耗整个量子计算机高达95%的物理量子比特预算，是容错量子计算最大的资源瓶颈。
针对该瓶颈，Craig Gidney、Noah Shutty 和 Cody Jones 于2024年首次提出了“魔法状态培养”的理论基础。行业媒体报道指出，相较于开销庞大的传统蒸馏方案，培养技术如同一个过滤器，通过将嘈杂状态注入芯片的小区域，利用容错测量与后选择直接在单个逻辑量子比特内检查并剔除错误，直接“生长”出纯净量子态，大幅规避了多级蒸馏的硬件体积开销。
Google Quantum AI 官方声明表示，该成果首次在真实硬件上证明了可以高效创建关键的魔法状态，解决了量子计算中最严重的资源瓶颈之一。在测试初期，研究科学家 Emma Rosenfeld 曾发现数据异常，排查后确认是由实验室电气设备漂移与温度变化引起的噪声干扰了基准测试，团队为此专门发明了一种名为“回馈层析成像”（kickback tomography）的新型容错测量协议来解决测量基准问题。
资源开销估算缩减与后续工程挑战
独立学术研究指出，距离为3的培养电路尚可通过经典计算机暴力模拟，但扩展到包含42个量子比特和72个 T/T† 门的距离5电路时，现有经典模拟工具在计算上已难以处理，凸显了谷歌在真实物理硬件上完成实验并验证其性能的工程意义。行业专家 Olivier Ezratty 分析认为，结合 Willow 处理器上的表面码优化、魔法状态培养以及新的资源估算算法，未来实现破解 RSA 密码等实际量子优势所需的物理量子比特总数估算，正从2000万个级别大幅降低至100万个级别。
尽管该突破具有重要意义，但该协议高度依赖后选择，实验中仅保留了8%的尝试，这种低保留率在未来连续、大规模量子算法运行中对系统吞吐量和时间开销的具体影响尚未完全明确。谷歌官方在声明中亦承认，目前仍需在更大规模上演示魔法状态培养，才能使其在实际量子计算中具备现实意义，距离构建完全纠错的有用量子计算机仍面临诸多技术挑战。