魔态培育：低成本培育量子计算机中昂贵运算的方法

为什么需要：魔态这一瓶颈

本文讨论的不是AI，而是量子计算的核心技术。量子计算机的量子比特哪怕受到极小的噪声，状态也会被扰乱。因此，实用的量子计算机需要把多个物理量子比特组合成一个“逻辑量子比特”，并运行在能够发现并纠正错误的量子纠错码之上。这种方式称为容错量子计算（FTQC，Fault-Tolerant Quantum Computing）。像棋盘一样排布量子比特的表面码（surface code）和色码（color code）是其中的代表。

问题在于运算的种类。量子运算中被称为Clifford运算的一类，可以在纠错码上以相对低的成本完成。但仅靠Clifford运算无法表达所有计算。要具备能完成任意计算的通用门集合，T门这样的非Clifford运算必不可少。超导处理器实验论文（paper）指出，在大多数纠错架构中，这类运算占据了很大的资源开销。

因此人们采用“魔态”这一迂回办法：不直接执行非Clifford运算，而是预先制备一种承载该运算效果的特殊量子态，再仅用Clifford运算消耗这个状态来实现T门。于是，关键就变成了能以多干净、多低的成本制备魔态。传统的魔态蒸馏是把多个低质量魔态合并，提取出一个更干净的魔态。基于格点手术的培育研究（paper）指出，这一过程是容错量子计算的主要瓶颈。

培育正是为降低这一成本而提出的。基于gauging的培育研究（paper）这样总结培育的成果：在色码码距5（d=5）下达到约10^-9量级的逻辑错误率，同时时空开销（所需量子比特数与所需时间的乘积）远低于蒸馏。

核心思想：在小花盆里培育后移栽

培育（cultivation）一词正如其字面意思。在小花盆里育苗时随时察看状态，一旦出现枯萎迹象就毫不犹豫地丢掉、重新播种，只把坚持到最后的健壮幼苗移栽到大田里。小花盆便宜，丢掉很多也负担不大，而进入大田的只有经过验证的幼苗。

基于格点手术的培育研究（paper）把蒸馏分为两类。一类是把多个逻辑量子比特组合起来合并的传统“逻辑层级”方式；另一类是直接用物理门实现、大幅降低成本的“物理层级”方式。该研究把培育介绍为最新的物理层级方式：它在量子比特只与上下左右邻居相连的正方形网格布局中也能使用，并能产出高保真度的魔态。

核心不是“纠正”，而是“筛除”。它不去发现并纠正错误，而是只要检验中出现哪怕一点异常信号，就把这次尝试整体丢弃。这称为后选择（postselection）。在超导处理器实验（paper）中，也只有8%的尝试被保留。这不是失败，而是设计的一部分：以大量丢弃为代价，提升留下状态的质量。

如何运作：制备·检验·扩大·逃逸

具体构成因研究而异，这里只梳理共同的骨架。首先，在小型色码（码距3，即d=3左右）中制备质量尚粗糙的魔态。码距（d）表示一个码能承受多少错误。码距越大越稳健，但需要的量子比特也越多。

接下来是检验。根据gauging研究（paper），培育测量的是色码的横向（transversal）Clifford算符。横向运算是指对每个物理量子比特同时施加相同运算的方式。如果是目标魔态，这一测量应得到确定的值，因此一旦得到其他值，就判定混入了错误并将其丢弃。√T培育研究（paper）把这种检验称为“相位反冲检验（phase kickback check）”，并将其推广到其他状态。通过反复检验，并把码扩大到更大码距后再次检验，逐步提升质量。

最后是逃逸（escape）：把在小型码中培育的状态转移到执行实际计算的大型表面码中。最初提出的方案在这一阶段使用名为“嫁接码（grafted code）”的复杂结构。基于格点手术的研究（paper）指出，嫁接码会带来很大的时空开销，并使实现变得困难。实验（paper）采用了到表面码的码切换（code-switching）。√T研究（paper）则通过格点手术完成逃逸，即通过拼接和断开码块边界来执行运算。根据Caliper研究（paper），逃逸阶段同样进行后选择。只有通过所有关卡的状态才会进入计算并被T门消耗；中途被淘汰则从头重新尝试。

发展脉络：从实验验证到实际成本

对于“实际能否做到”这一问题，超导量子处理器实验（paper）给出了回答。这一方案的假设与长时间保持量子比特状态的存储实验性质不同，因此难以检验。作者们实现了包括到表面码的码切换在内的培育，还专门开发了一种容错测量方法，以区间形式确认所制备魔态的保真度（与目标状态的接近程度）。结果是错误降低了40倍，保真度达到0.9999(1)，并保留了8%的尝试。

让协议更便宜、规模更大的研究也接连出现。基于格点手术的研究（paper）去掉了嫁接码，降低了空间开销；又通过码扩展和提前拒绝（early rejection）降低了平均成本。在色码码距3、物理错误概率10^-3的条件下，它得到了与原始培育相近的约3×10^-6逻辑错误概率，同时把时空开销降低到约一半。gauging研究（paper）指出了另一个限制：检验电路的深度随码距成比例增加，因此在d>5时不现实。该研究用gauging构建了深度恒定的测量电路。但它以反复后选择代替纠错，换来了简洁性，也牺牲了部分可扩展性。d=7版本在物理错误率0.05%下达到10^-12量级的逻辑错误率，并且在对应培育阶段的节点之后仍保留了1%以上的尝试。√T研究（paper）认为此前的研究集中于T态，于是将检验方法扩展到更高层级的魔态。

模拟也是一个重要分支。Clifford电路可以用普通计算机高效模拟，但一旦混入非Clifford运算，难度会急剧上升。ZX分解模拟研究（paper）把d=5培育电路表示为平均约8个Clifford ZX图（一种用图形来计算量子电路的表示法）之和。作为对比的分解方法需要6,377,292项，相当于减少了70万倍以上。d=3电路在笔记本电脑上每秒可模拟约400万次，只比用S门代替的Clifford替代模拟慢约1.1倍。

最近出现了衡量实际成本的研究。Caliper研究（paper）质疑了现有成本估算的假设。现有估算假定，为了逃逸阶段的后选择，可以无噪声地测量输出状态；但这种测量会破坏魔态，因此在实际计算中无法进行。该研究提出了一种只利用不破坏状态的中间测量信息的后选择方法。运行时研究MagiCFirm（paper）关注的问题是，逻辑软件与物理控制之间缺少公开的运行时层；它也把判定魔态是否就绪的决策延迟视为问题。该研究将部分提前运行解码（解读错误信号）、让置信度高的尝试提早输出的方式与专用硬件路径结合起来设计。在相同逻辑错误率下，制备时间最多缩短39.3%，并估计代表性任务的总运行时间约缩短11%。

最近的走向

最近研究的关注点正从“能否做好”转向“确切能做到多少、在真实机器中如何实现”。故障距离研究（paper）解释了近期基准测试中T态培育的逻辑错误率明显高于S态培育的结果：原因是在最后的双重检验电路之后，“钩子错误（hook error）”扩散成了Clifford形式的错误。结果，故障距离（需要叠加多少个错误才会产生漏检的失败）在d=3时降为2，在d=5时降为3。该研究设计了捕获此类错误的旗标（flag）量子比特，把逃逸前的逻辑错误率从Θ(p^3)降低到Θ(p^5)。在物理错误10^-3下改进4.9倍，而每次通过所需的尝试次数增加1.36倍。

在模拟方面出现了magna（paper）。它的目标是以与Clifford电路同样低的成本，模拟蒸馏、培育、码切换等魔态工厂。该工具用张量网络表示通过率和通过状态的保真度，并利用其与量子码横向门的结构对应关系进行一次性化简。它还支持根据解码器输出改变后续操作的前馈。作者表示，在色码和RP²表面码上，d=5培育的采样时间都是迄今最快的。

编译器也开始考虑培育。FlowRouter（paper）指出，现有格点手术编译器假定魔态随时可以免费使用。该编译器在每个空闲的码块上运行培育，并用延迟装置吸收多阶段后选择带来的不稳定性。即使在假定魔态免费的条件下，它也比现有最好的静态编译器把时空体积减少2.3倍，编译速度快10.8倍。总之，培育正从一项独立技术，转变为由模拟器、运行时和编译器共同处理的系统组件。

局限与争议

第一，供给是概率性的。实验（paper）中只保留了8%的尝试，gauging研究（paper）的d=7版本也只保留1%左右。魔态何时产出并不确定，因此整个计算可能需要等待其供给。FlowRouter（paper）的延迟装置和MagiCFirm（paper）的快速判定路径正是针对这一问题。

第二，成本估算的假设并不稳固。Caliper研究（paper）表明，若只用实际可用的中间测量进行后选择，结果会因情况而异。在某些条件下可以恢复现有估算的效率，但在现有研究报告的成本水平下，逻辑错误率可能高出几个数量级。要重新达到报告的错误率，需要大得多的码和更长的逃逸阶段。这就是不能把论文中的数字直接解读为真实机器性能的原因。

第三，是模拟中的替代指标问题。T态电路难以模拟，因此正如ZX分解模拟研究（paper）所提到的，一直以来都用换成S门的Clifford电路作为替代指标。然而正如故障距离研究（paper）所示，T态的故障距离可能低于S态。只看替代指标，就会对性能过于乐观。这也是精确模拟器不断出现的原因。

第四，是规模与泛化的问题。原始方法受检验电路深度所限，难以扩展到d>5（paper）。规避这一问题的方法也是以简洁性换取了部分可扩展性。实验结果同样是在特定超导设备上获得的，目前还没有依据认为在其他硬件或大规模计算中也能达到同样性能。

延伸学习

如果是初次接触，建议先读超导处理器实验（paper）的摘要，可以一眼看清它想证明什么、得到了哪些数字。接着读基于格点手术的培育研究（paper），可以梳理物理层级蒸馏这一定位、嫁接码的负担、提前拒绝等核心概念。至于检验电路深度为什么会成为规模上的障碍，gauging研究（paper）展示得很清楚。

若想了解争议点，可以把Caliper研究（paper）和故障距离研究（paper）放在一起读：前者讨论成本估算的假设，后者讨论T态与S态的差异。如果对模拟感兴趣，可从ZX分解模拟研究（paper）开始，再转到magna（paper）。系统设计视角可参考MagiCFirm（paper）和FlowRouter（paper）。扩展到T以外魔态的方向，可以在√T培育研究（paper）中看到。