Exchange Ranking
Top Exchanges
24h Volume Ranking
Popularity Ranking
Exchange BTC Balance
Proof of Reserves
Decentralized Exchanges
Funding Rate
Funding Heatmap
Liquidation Data
Max Pain
Long/Short Ratio
Whale L/S Ratio
Binance/Okex/Huobi L/S
Bitfinex Margin L/S
ETF Tracker
Solana ETF
XRP ETF
Hong Kong ETF
Bitcoin Treasuries
Crypto Reversal
Ethereum Reserves
HyperLiquid Wallet Analysis
Hyperliquid Whale Watch
Large Transactions
On-chain Movement
Bitcoin ROI
Stablecoin Market Cap
Options Analysis
News
Articles
Economic Calendar
Features
Wallet
Contract Calculator
Security
Collections
Watchlist
Following
BTC Google 将量子计算中的“魔法态培育”技术转化为芯片现实
Google 宣布，已成功将量子计算领域一项极具前景的理论构想转化为在芯片上实际运行的技术。周四发表于《科学》杂志的一篇论文显示，其 Quantum AI 团队展示了一种名为“魔法态培育”（magic state cultivation）的技术，在 Willow 处理器上将错误率降低了约 40 倍。
降低量子计算机的制造成本意义深远，不仅超越了物理实验室的范畴，更加速了它们在实际应用中的到来——例如用于药物设计和新材料开发；同时也意味着破解保护银行登录和比特币钱包加密算法的日子可能提前到来。
量子计算机基于量子比特（qubits）运行，这些量子比特能同时处于 0 和 1 的叠加状态，从而允许并行探索多种答案。然而，它们极其脆弱：微小的热量或电噪声都可能导致量子比特翻转，进而破坏计算过程。因此，整个行业对纠错技术痴迷不已，即通过将信息分散到多个量子比特上来捕获并修复错误。
虽然纠错技术能很好地处理简单操作，但真正有用的程序还需要一类更难保护的操作。为了执行这些操作，机器首先必须制造“魔法态”，它们就像是一次性使用的燃料电池：每个魔法态在被使用的那一刻即被消耗殆尽。
长期以来，生产纯净的魔法态代价高昂得令人咋舌。据 Google 估计，这一过程可能占据量子计算机全部容量的高达 95%，留给实际计算的余地微乎其微。2004 年，物理学家 Sergei Bravyi 和 Alexei Kitaev 提出了标准的解决方案——“魔法态蒸馏”（magic state distillation），该方法通过大量嘈杂的魔法态提炼出少量纯净态。虽然有效，但这需要庞大的、不再进行其他工作的量子比特“工厂”。
2024 年，Google 研究人员提出了一条更经济的路线，命名为“魔法态培育”。与工厂不同，该技术表现得像一个过滤器：它将粗糙的魔法态注入芯片的一小块区域，然后对其进行一系列检查，剔除任何检测到缺陷的尝试，并保留幸存者使其成长。他们的论文甚至指出，进一步的蒸馏“在实践中可能永远不需要”。
Google 表示：“在 Google Quantum AI 的 Willow 处理器上，我们的协议实现了相对于未培育状态的异常显著的 40 倍错误减少。我们获得了逻辑保真度创纪录为 99.99% 的 T 态。”
只有约 8% 的尝试通过了所有检查，这意味着芯片丢弃了超过十分之九的尝试，以保留一个纯净的状态。
“培育”是 Gidney 在 2025 年估算的基础之一，他认为仅需不到一百万个噪声量子比特即可破解 RSA-2048 加密，这比他 2019 年估计的 2000 万个量子比特下降了 20 倍。在此实验之前，“培育”仅在理论和计算机模拟中得到测试。
Google 一直在收紧相关参数。今年三月，一份由 Quantum AI 与以太坊基金会研究员 Justin Drake 以及斯坦福大学密码学家 Dan Boneh 合著的白皮书指出，破解比特币椭圆曲线密码学（防止从公钥地址推导出私钥的数学机制）的成本低于 50 万个物理量子比特。这紧随去年十月该公司进行的“Quantum Echoes”实验之后，这是首次在真实硬件上验证的量子加速。
目前，没有人能用这项技术盗取钱包资金。该实验最多只使用了 Willow 105 个量子比特中的 54 个，且论文指出，分解 RSA-2048 密钥所需的魔法态错误率需达到十亿分之一左右，这比 Google 刚刚实现的结果纯净约一百万倍。
Google 表示，下一步是在更大规模上运行培育技术。团队预测，如果将 Willow 底层硬件噪声减半，魔法态错误率将降至十万分之二左右，因为该过程中的错误会随芯片噪声水平的立方而缩小。
