文 观察者网心智观察所

微软于最近之时, 公布发布出了新一代那种名为Majorana 2的量子芯片了。官方对外称宣, 这一颗芯片上面所存在的量子比特, 其平均存活的时间, 达到了令人感到十分惊人的20秒时长, 此芯片可靠性相较于上一代情况, 提升了1000倍之多。微软依据这样的情况, 放出了一句很有力度的话语, 即“在2029年的时候, 我们将会拥有一台具备商业价值的、可进行扩展的量子计算机”。就在去年的那个时候, 业界有关这方面所抱持的主流预期, 还是“十年以后”的时间范围。现在呢, 微软直接就把这个时间给缩短了一半的时长。

于这颗芯片研发进程里, 微软大量借助自身 AI 平台“Microsoft Discovery”的代理型 AI, 致使 AI 团队仿若人类科研小组那般实施分工协作, 自行剖析海量实验数据、提出假设并且优化制造工艺。存在一个是量子计算的硬件取得突破, 还存在一个方面是人工智能的软件予以助攻, 两条最处在前沿的赛道正彼此达成良好状态。

什么是量子芯片？

操纵量子芯片的是量子比特, 一个量子比特能够处在0和1的叠加态, 在测量以前, 它如同一枚旋转着的硬币, 同时携带着0和1的可能性, 两个量子比特的叠加态能够包含00、01、10、11这四种可能性, 三个比特则对应着八种……依此类推, n个量子比特的量子态是2ⁿ维的, 再经由精心设计的操作, 由量子门操纵量子态的相位, 使得概率幅在叠加里发生干涉, 把正确的答案放大出来。这就是人们称量子计算机拥有“指数级算力”的原因。

除此情况以外, 存在如此一种奇特关联, 是关于两个处于纠缠状态的量子比特情况, 当对其中一个进行测量时, 另一个的状态就会在瞬间被确定下来, 不管它们之间相隔的距离是多么遥远。凭借利用这样的量子相关特性, 量子计算机有着期望能够完成经典计算机很难以高效方式去完成的任务。

量子芯片是一种专门的处理器, 这种处理器是用来产生量子比特的, 是用来操控量子比特的。同时还用于测量量子比特, 它所采用施加作用的并非传统的晶体管, 而是使用超导电路来捕捉量子态, 是运用囚禁离子来捕捉量子态, 是凭借光子来捕捉量子态, 甚至是借助拓扑材料来捕捉量子态, 从而让它们依据人所设定的逻辑来进行计算, 这个人所设定的逻辑也就是量子门。

量子芯片的弱点

量子比特虽然强大，但它具有极其敏感、极度脆弱的致命弱点。

一个量子比特呈现的叠加态, 只要稍微遭受些许外界干扰, 像温度出现波动、存在电磁辐射以及有宇宙射线, 便会瞬间崩塌为一个确定的0或者1, 因而失去进行并行计算的能力。这种状况称作退相干。

是在微软的Majorana 1芯片之前, 主流超导量子比特它们的寿命一般常常仅仅只有几十微秒。这就是说, 才刚刚把它准备妥当, 还没有计算几步, 它就消亡了。所以, 用来衡量量子芯片好坏的其中一个关键指标, 便是量子比特的寿命, 也被称作相干时间。

微软此次宣称, 量子比特的寿命已然达到20秒, 这在业内引发了如同地震般的反响, 因为对于量子操作而言, 20秒已然是个天文数字, 要晓得, 执行一个量子门操作仅仅只要一微秒, 也就是百万分之一秒。20秒意味着能够进行两千万次操作, 从理论方面来讲, 这已然足够运行相当复杂的量子算法了, 微软甚至还打了一个形象的比方, “这一改进差不多就等同于发明一种手机电池, 手机本来只能用一天, 如今充一次电便可用近三年”。

平均值是二十秒, 部分量子比特能维持一分钟, 甚至。上一代Majorana 1寿命只能达到毫秒级别, 所以微软说“可靠性提升了1000倍”。

那么, 微软究竟是通过怎样的方式达成的呢? 其答案隐匿于它自身所遵循的技术路线之中, 此技术路线乃是拓扑量子计算。

微软的秘密武器：拓扑量子比特

大多数被视为主流的量子芯片, 像谷歌、IBM所采用的那种, 运用的当属超导量子比特。其技术在相对层面较为成熟, 然而, 为了避开环境之中的干扰, 要求具备极低的温度, 此温度近乎于绝对零度, 也就是-273°C, 并且其寿命不长, 还容易出现差错。

微软耗费20年, 踏上了一条别样的路, 这条路更具难度, 然而从理论层面来讲, 具备更强的优势, 此路名为拓扑量子比特。

于纸上打出一个孔或者两个孔, 接着把纸揉成一团, 于是纸会发生变形, 然而孔却始终处于那儿, 一个孔不会转变成为两个孔, 两个孔不会转变成为一个孔, 纸上拥有的孔的数量就是一种拓扑不变量。再比如说将两根绳子进行编织, 绳子彼此交换位置的顺序同样是一种拓扑不变量。拓扑量子比特恰恰是利用了拓扑不变性去保护量子比特信息, 信息并非存储于特定的粒子之上, 而是存储于准粒子（粒子系统的某种集体激发）相互交换位置所形成的编织纹理当中。这种存储方式呈现出非局域的特性, 也就是说, 像噪声以及热量这类的小扰动, 是很难对整体的拓扑结构造成破坏的。所以, 拓扑量子比特在天生的情况下, 对环境噪声就不敏感, 其稳定性远远超过了其他类型的量子比特。

微软所运用的这种准粒子, 有着一个颇具传奇色彩的名字: 马约拉纳（Majorana）子。1937年, 意大利的物理学家埃托雷·马约拉纳作出预言, 存在着一种奇特的费米子, 其反粒子便是自身。现如今, 这种粒子尚未被发现。21世纪初期, 科学家们着手于凝聚态物理领域寻觅它的模拟物: 一种称作马约拉纳零能模的准粒子。当马约拉纳零能模在二维空间里交换位置之际, 总体的量子态会产生变化, 交换的顺序对最终结果有所影响, 这类似于头发编法各异, 最后的辫子也不一样。

1997年, 物理学家Alexei Kitaev, 当时任职于俄罗斯朗道研究所, 首次提出把马约拉纳子用于拓扑量子计算的理论。2005年, 微软建立StationQ, Kitaev是那时核心成员之一, 微软自此投身于这条技术途径, 前前后后花费了差不多20年。2025年, 微软推出了第一代Majorana芯片, 证实拓扑量子比特在原理方面的可行性, 他们创新性地运用了拓扑超导体, 能够创造出一种全新的物质状态, 进而达成更稳定的量子计算。今日的Majorana 2呢, 它是将原理给转变了, 实现为实实在在的, 性能方面的飞跃了。

关键改进之一是材料出现了变化, 第一代Majorana芯片的拓扑超导体选用铝作为材料, 第二代则换成了铅。铅通常被当作辐射屏蔽材料来使用, 把它用作超导体, 能够极大地加厚量子比特的防护装置, 以此保护脆弱的量子层态免受宇宙射线骚扰。这个听起来好像算不上颠覆性的改变, 再加上AI对数以百计工艺参数的优化, 最终达成了1000倍的可靠性提高。

然而, 当下Majorana 2仅仅集成了12个量子比特, 要达成具备商业价值的通用量子计算机, 在业内有着普遍的看法, 认为起码得有几百万个量子比特。从中涵盖了从12到100万的跨度, 在这之间, 还存在着数不清的工程和物理方面的难题有待去攻克。微软宣称在2029年, 这显示出他们对自身拓扑路线拥有十足的信心, 缘由在于, 从理论层面来讲, 拓扑量子比特所具备的纠错开销是远远低于其他主流方案的, 一旦将其投入到实际应用当中, 有希望比其他方案能够更快地实现落地。

AI 立功：代理型AI如何加速量子芯片研发

微软此次于可靠性方面达成1000倍的飞跃, 存在一个不可被无视的“助力”, 即代理型AI。微软具备Microsoft Discovery这样的平台。该平台的关键能力为部署代理型AI , 其中多个AI智能体能各自扮演不同角色, 像数据分析员、实验设计员、文献研究员此类, 于人类科学家的引导下, 独立自主地去完成科研工作流。

至于事情, 得从Majorana芯片最为核心的材料开始说起, 第一代Majorana运用铝当作超导体, 然而第二代则换用铅, 更换材料可是牵一发而动全身, 团队耗费数年时间才摸索明白各种权衡, 要找寻到那个精确的掺杂配方, 需进行成百上千次实验, 而如今, AI先是通过模拟圈出高概率目标, 在理想状况下, 仅需实验一次。

这仅仅只是开端, 量子芯片制造涵盖软件、架构、材料堆栈、工艺、测量等诸多繁复环节, 某一参数的变动兴许会引发连锁反应, 人类工程师难以同时留意到所有变量, 然而AI代理却能够做到, 更为关键的是, 微软量子团队积攒了接近二十年的海量实验数据, 其格式种类繁多, 散落于不同国家、具备不同专业背景的科学家手中, AI代理能够再度综合并寻得我们人类无法察觉的关联, 源于没有任何一个人具备那般广袤的视野。

AI 的又一厉害之处是加快实验, 制造拓扑量子态得同步调节几百个电压参数, 随后展开测量, 而测量恰是量子计算里耗时最长、最精细的步骤, 从前, 一位科学家手动做完一轮测量或许得耗费几周, 团队曾试着用先前的机器学习办法实现自动化, 然而未获成功, 直至他们借助 Microsoft Discovery 平台训练出一个专用 AI 代理, 把整个周期缩短了好几个数量级。AI能够并行地对整个参数空间展开扫描, 能够自动地去判断究竟哪个地方才是一切得以正常运转的最低点, 而后进行精准的定位。

最终, AI助力团队将“幽灵噪声”问题予以解决。有一回, 实验数据始终呈现异常状况, 科学家们历经长时间排查却毫无头绪。随后, 一个AI代理把物理模型、设备日志以及工艺知识加以综合考量, 于原始数据里找出了一个未校准的温度传感器, 该传感器一直在暗中对测量结果构成破坏。

能够这么讲, 如果缺少AI的参与状态, Majorana 2的那性能上1000倍飞升情况, 或许还需要再耗费好几年的时间才能够得以实现 , 这在情形里也证实了一条正在逐步形成的大家都认可的相同看法, 那即为量子计算与人工智能之间彼此能够造就对方成果, AI对量子计算硬件的研发进程起到加快作用, 之后量子计算机又能够反过来给AI以助力, 为机器学习供应指数级别的计算能力。

靴子能落地吗？

在这个竞技场地里, 微软并非唯一参赛的一方。通向“量子彼岸”的路途, 并非仅有拓扑量子芯片单一途径, 还有超导量子芯片, 以及囚禁离子芯片, 同时包括光量子芯片, 另外还有硅自旋量子比特。各个国家的政府, 也都在加大投入力度。中国在量子通信领域有着大规模的布局, 并且在量子计算领域同样有着大规模的布局；美国给量子计算公司给予了大量的拨款；欧盟还启动了“量子旗舰”这一计划。

2029年, 微软是否真的能够做出商用级量子计算机呢, 英国萨里大学的物理学教授Paul Stevenson作出评价称, 在制造可靠量子比特这件事情上, 微软似乎已经取得了突破, 若成果能够经得起检验的话, 这个时间听起来是合理的, 可是与此同时, 有不少科学家期望见到更多经过同行评审的详细数据, 原因在于微软此次发表的相关论文还没有完成同行评审。

当然, 于微软那高调公布的宣言以及热烈狂欢的背后, 存在着一些问题, 确实是值得静下心来好好思索一番的。首先, 二十秒是否足以满足需求? 有着只二十秒时长的量子比特寿命, 相比于几十微秒来讲, 真的是堪称极为惊人的一种飞跃。然而, 实用等级的量子算法, 是需要数量上达到数以亿计的量子门操作的。就算是按照每微秒能够进行一次操作来计算, 二十秒的时间也仅仅能够运行两千万步, 跟破解RSA密码、精准模拟药物分子所需要达到的数字相比, 还存在着好几个数量级的差距。要知道, 退相干可是物理定律所设定下的限制, 是工程技术在任何时候都决然无法完全摆脱掉的。其次, 还有编译成本方面的问题。每一回运用量子计算机去解决一个问题之时 , 都得先是于经典计算机之上开展一系列编译 , 将问题转化成特定的量子电路 , 接着再依据量子芯片的参数求解方程 , 以此来获取量子门相对应的电磁脉冲序列。这一套编译流程并不具备普适性 , 每回都是一次全新的编译 , 并且编译过程自身所消耗的经典计算机算力或许相近 , 甚至有可能会超出直接采用经典方法进行求解的成本费用。第三 , 万一量子计算机给出的答案是错误的呢? 人没办法借助经典计算机去进行验证 , 要是能够验证 , 那也就没必要使用量子计算机了。最后答案错了，也不知错在何处。

将建成商用级量子计算机的美梦, 比作一只处于悬空状态的靴子, 它迟迟都没办法落地。哪怕有朝一日能够落地, 说不定也仅仅是发出一声闷响。纵览科学史, 科技的进步有时候更像是那种“无心去插柳, 柳树却成荫, 有心去栽花, 花儿却不成”的情况。那些被人们寄予深厚期望的事物, 不一定就能够达成, 而新的出路以及突破, 也许恰恰就在那些未被预料到的地方。