近日，一項在量子計算領域取得的重要突破引發了廣泛關注。美國耶魯大學攜手谷歌量子人工智能團隊，成功實現了對多能級量子系統的糾錯，其表現超越了現有的無糾錯技術，達到了前所未有的“盈虧平衡點”。這一研究成果已在《自然》雜志的最新一期上發表，論文的詳細資料可通過DOI:10.1038/s41586-025-08899-y獲取。
量子計算機面臨的核心難題在于量子態的脆弱性，環境的微小干擾就能導致信息的丟失。為了解決這一問題，量子糾錯技術（QEC）應運而生，通過將量子信息編碼為更穩定的“邏輯態”來抵抗干擾。然而，過去的糾錯技術僅限于二元量子位（qubit），即只能表示0和1的量子比特。此次耶魯和谷歌團隊的研究，首次在三元（qutrit）和四元（ququart）量子態上實現了高效的糾錯。
傳統的量子計算機主要使用二能級的量子比特，但這些量子比特還擁有未被充分利用的額外能級。耶魯和谷歌的研究團隊利用這些額外的能級，實現了更高效的量子信息處理。他們采用戈特斯曼-基塔耶夫-普雷斯基爾（GKP）玻色編碼，將三元和四元邏輯量子態編碼在超導微波腔的周期性位移相位空間中，從而在單個物理系統中存儲了更多的量子信息。
實驗結果顯示，糾錯后的qutrit和ququart的信息存儲壽命分別比未糾錯態延長了82%和87%，其增益系數分別達到了1.82和1.87，這一性能與現有最優的qubit糾錯技術相當甚至更優。實驗裝置由鉭（transmon）超導量子比特與三維超導微波腔耦合構成，微波腔內的振蕩模式用于存儲邏輯態，而鉭超導量子比特則作為輔助量子位，協助編碼和糾錯。
為了優化糾錯協議，研究團隊引入了強化學習算法。AI代理在實驗中自主調整45個參數，以最大化量子存儲的保真度。這種無需物理建模的優化策略，克服了傳統校準方法的復雜性，并在多輪循環中保持了穩定的糾錯性能。這一創新不僅提升了量子糾錯的效率，也為未來的量子計算硬件架構提供了新的設計思路。
多能級量子糾錯技術的優勢在于硬件的精簡和算法效率的提升。由于單個物理系統可以承載更多的邏輯態，因此所需的物理組件數量大幅減少。同時，高維結構使得量子門、算法編譯以及復雜量子系統的模擬更加高效。GKP編碼的qudit與現有的超導系統兼容，為未來的架構升級提供了無縫對接的可能。
耶魯和谷歌團隊的這一研究成果，標志著量子計算領域的一次重大突破。未來，隨著多能級量子糾錯技術的不斷發展和完善，量子計算機有望實現更高效的硬件架構和容錯計算，從而推動量子計算技術在各個領域的應用和發展。
