Google Magic State Cultivation ogranicza błędy 40-krotnie, ale prawdziwym testem jest uzysk
Google twierdzi, że jego eksperyment z magic state cultivation zmniejszył błędy na Willow około 40-krotnie, zachowując jedynie 8% ocenionych prób. To połączenie pokazuje zarówno znaczenie, jak i ograniczenia tego wyniku. Google przeniósł obiecującą technikę korekcji błędów z propozycji teoretycznej na sprzęt nadprzewodzący. Nie pokazał jednak jeszcze gotowego do produkcyjnego użycia źródła stanów dla użytecznych programów kwantowych.
Wynik ma znaczenie, ponieważ komputery kwantowe z korekcją błędów potrzebują operacji, których zwykłe procedury korekcji błędów nie potrafią zapewnić efektywnie. Magiczne stany dostarczają takich operacji, lecz wytwarzanie wystarczająco czystych stanów może pochłaniać większość zasobów maszyny odpornej na błędy. Eksperyment Google bezpośrednio uderza w to wąskie gardło zasobowe.
Główną rywalizacją nie jest więc Google kontra jeden konkurent. To cultivation kontra konwencjonalna destylacja magicznych stanów, która łączy kilka niedoskonałych stanów, aby uzyskać mniej, ale czystszych. Cultivation próbuje rozwijać jeden zakodowany stan, wielokrotnie wykrywając błędy. Eksperyment Google sugeruje, że ta droga może działać, lecz o jej zwycięstwie zdecydują przepustowość i skala.
Google Magic State Cultivation przechodzi od teorii do Willow
Kluczowa zmiana ma charakter eksperymentalny: Google przeprowadził magic state cultivation na rzeczywistym sprzęcie nadprzewodzącym i zmierzył duże zmniejszenie błędu warunkowego.
Google Quantum AI ogłosiło wynik 15 października 2026 roku. Zespół opublikował tego samego dnia recenzowany artykuł w Science. Wcześniejsza wersja ukazała się jako preprint w grudniu 2025 roku.
Według wyników cultivation Google protokół zmniejszył błędy około 40-krotnie w porównaniu z przygotowaniem stanu bez cultivation. Zespół zgłosił wierność logicznego stanu T na poziomie 99,99%.
Magiczny stan to specjalnie przygotowany zasób kwantowy umożliwiający odporne na błędy operacje nie-Cliffordowskie. Operacje te rozszerzają możliwości chronionego komputera kwantowego poza ograniczony zakres obliczeń dostępnych wyłącznie za pomocą bramek Clifforda.
To rozróżnienie jest istotne, ponieważ korekcja błędów nie sprawia automatycznie, że każda operacja kwantowa staje się łatwa. Wiele kodów stosunkowo sprawnie obsługuje ograniczony zbiór bramek logicznych. Obliczenia uniwersalne wymagają przynajmniej jednej operacji spoza tego zbioru.
Stan T dostarcza zasobu dla logicznej bramki T, jednej z powszechnych operacji nie-Cliffordowskich. Każde użycie zużywa ten stan, dlatego praktyczny komputer potrzebuje stałego dopływu, a nie pojedynczego przygotowania laboratoryjnego.
Eksperyment rozpoczął się od wstrzyknięcia zaszumionego stanu do małego zakodowanego obszaru. Następnie powtarzane pomiary szukały oznak usterek. Próby wykazujące podejrzane wzorce pomiarowe odrzucano, a ocalałe stany kontynuowały przejście przez protokół.
Google zastosował podczas cultivation kod kolorów o odległości 3. Odległość kodu wskazuje, ile fizycznych usterek kod korekcji błędów może tolerować lub wykryć w określonych warunkach.
Zespół przeniósł następnie ocalały stan do kodu powierzchniowego o odległości 5. Kody powierzchniowe są wiodącym podejściem do korekcji błędów w procesorach nadprzewodzących, ponieważ wykorzystują głównie lokalne interakcje między sąsiednimi kubitami.
To przeniesienie, nazywane przełączaniem kodu lub graftingiem, było ważną częścią testu. Stan wyhodowany w procesie cultivation ma ograniczoną wartość, jeśli nie może wejść do kodu stosowanego w późniejszych obliczeniach.
Recenzowany artykuł eksperymentalny podaje wierność 0.9999(1) przy zachowaniu 8% prób. Wierność opisuje zaakceptowane stany wyjściowe, a nie każdą próbę, która weszła do protokołu.
To zastrzeżenie zapobiega częstemu błędnemu odczytaniu wyniku. Wartość 40-krotna nie oznacza, że każda operacja Willow stała się 40 razy dokładniejsza. Dotyczy ona przygotowanych magicznych stanów w konkretnych warunkach porównania i pomiaru zastosowanych w eksperymencie.
Eksperyment napotkał również problem związany z benchmarkingiem. Google twierdzi, że dryf elektryczny i zmiany temperatury wytworzyły szum, który unieważnił założenie w pierwotnej metodzie pomiarowej.
Zespół dodał większą kontrolę nad sprzętem i zaprojektował odporny na błędy protokół pomiarowy. Wykorzystał sam proces cultivation, aby pomóc ograniczyć oszacowanie wierności wynikowego stanu.
Ten epizod wzmacnia eksperyment pod jednym względem, ponieważ badacze zidentyfikowali mylący efekt pomiarowy. Pokazuje też, jak trudno walidować takie wyniki, nawet zespołowi obsługującemu ten sprzęt.
Willow zapewnia fizyczną platformę dla tego wyniku. Google przedstawił 105-kubitowy procesor nadprzewodzący w 2024 roku, wraz z testami pokazującymi lepsze tłumienie błędów logicznych wraz ze wzrostem rozmiaru kodu.
Magic state cultivation dotyczy innej warstwy problemu. Wcześniejsze prace nad Willow koncentrowały się na ochronie przechowywanej informacji logicznej i powtarzanych cyklach korekcji błędów. Nowe prace skupiają się na przygotowaniu zużywalnego zasobu do uniwersalnych obliczeń logicznych.
Wynik jest zatem węższy niż użyteczna aplikacja kwantowa. Jest jednak także bardziej istotny operacyjnie niż kolejny test pamięci. Komputer odporny na błędy potrzebuje chronionych danych, niezawodnych operacji logicznych oraz skalowalnego źródła zasobów nie-Cliffordowskich.
Google połączył teraz kilka z tych elementów na jednej platformie sprzętowej. Otwartym pytaniem pozostaje, czy mogą działać razem przy wolumenie, szybkości i niezawodności wymaganych przez praktyczny algorytm.
Dlaczego magiczne stany mogą pochłaniać maszynę
Produkcja magicznych stanów może stać się fabryką wewnątrz komputera, zużywając zasoby, które w przeciwnym razie wykonywałyby docelowy algorytm.
Kwantowa korekcja błędów przechowuje jeden logiczny kubit na wielu fizycznych kubitach. Pomiary ujawniają wzorce błędów bez bezpośredniego odczytywania chronionej informacji kwantowej.
Ta ochrona obsługuje szereg operacji logicznych, lecz dobrze znane ograniczenie uniemożliwia jednemu kodowi korekcji błędów zapewnienie każdej wymaganej operacji w ten sam prosty sposób. Obliczenia uniwersalne wymagają więc dodatkowych technik.
Destylacja magicznych stanów stała się standardową odpowiedzią. Fabryka destylacji przygotowuje kilka zaszumionych stanów, przetwarza je przez obwód wykrywający błędy i emituje mniej stanów o niższym poziomie błędu.
Proces można powtarzać na wielu poziomach. Każdy poziom poprawia wynik, ale zużywa więcej kubitów, cykli obwodu, przepustowości trasowania i operacji sterujących.
Wczesne szacunki architektoniczne sugerowały, że fabryki magicznych stanów mogą pochłaniać nawet 95% mocy komputera odpornego na błędy. Wartość ta silnie zależy od algorytmu, sprzętu, kodu i docelowego poziomu błędów.
Podstawowa presja pozostaje nawet wtedy, gdy późniejsze szacunki są niższe. Duże algorytmy kwantowe mogą wymagać ogromnej liczby bramek T. Każda bramka potrzebuje wystarczająco dokładnego stanu dostarczonego we właściwym czasie.
Procesor ze znakomitą pamięcią logiczną nadal może utknąć, jeśli jego fabryki stanów nie nadążają. Istotną miarą staje się przepustowość systemu, a nie wierność odizolowanego stanu.
Pierwotna propozycja cultivation miała na celu obniżenie tego kosztu. Zamiast łączyć wiele w pełni zakodowanych stanów, cultivation zaczyna od małej struktury i rozszerza stan kandydujący, sprawdzając go pod kątem usterek.
Podejście przypomina stopniową kontrolę jakości. Wadliwy kandydat można odrzucić, zanim zużyje zasoby potrzebne do większego kodowania.
Cultivation wykorzystuje również kody kolorów, które oferują użyteczne operacje transwersalne. Operacja transwersalna stosuje bramki do odpowiadających sobie fizycznych kubitów, nie pozwalając pojedynczej usterce swobodnie rozprzestrzenić się w zakodowanym bloku.
Stan przechodzi następnie do kodu powierzchniowego, gdzie może dołączyć do architektury używanej w szerszych obliczeniach. Ten podział przypisuje cultivation i długoterminowe działanie kodom dostosowanym do różnych zadań.
Mechanizm ten wyjaśnia, dlaczego wynik Willow jest czymś więcej niż lepszym benchmarkiem komponentu. Testuje, czy przełączanie kodów, postselekcja, fizyczne sterowanie i pomiar o wysokiej wierności mogą działać jako jeden protokół.
Postselekcja oznacza akceptowanie wyłącznie wyników, które przejdą określone kontrole. Wymienia uzysk na jakość, co jest rozsądne, gdy odrzuconą próbę można tanio rozpocząć od nowa.
Słowo „tanio” kryje centralną niepewność. Niski współczynnik akceptacji może nadal być efektywny, jeśli każda próba zajmuje mało miejsca i czasu. Staje się kosztowny, gdy nieudane próby zajmują ograniczone zasoby sprzętowe lub opóźniają algorytm.
Eksperyment Google zachował 8% ocenionych prób. Oznacza to, że w raportowanych warunkach potrzeba było około dwunastu prób na jeden zaakceptowany wynik, choć rzeczywiste obciążenia wymagają pełniejszego rozliczenia.
Wierność 99,99% i wskaźnik zachowania 8% w artykule odpowiadają więc na różne pytania. Wierność pyta, jak czyste były stany, które przetrwały. Zachowanie pyta, jak często proces wytworzył zaakceptowany stan.
Żadna z tych metryk sama w sobie nie określa kosztu działającej fabryki. Inżynierowie muszą również uwzględnić fizyczne kubity, głębokość obwodu, czas resetu, klasyczne dekodowanie, trasowanie oraz dodatkową pojemność potrzebną do równoległych prób.
Praktyczny system prawdopodobnie uruchamiałby wiele jednostek cultivation jednocześnie. Równoległość mogłaby kompensować nieudane próby, lecz zwiększałaby zapotrzebowanie sprzętowe i złożoność sterowania.
Destylacja również wiąże się ze znacznym narzutem. Jej obwody mogą wymagać wielu zakodowanych stanów i kilku etapów przetwarzania, zanim osiągną docelowy poziom błędu.
Cultivation nie musi wyeliminować każdej formy destylacji, aby mieć znaczenie. Może wytwarzać czystsze wejścia, które ograniczą liczbę późniejszych rund destylacji.
Mocniejsze twierdzenie Google głosi, że cultivation może sprawić, iż konwencjonalne wielopoziomowe fabryki staną się zbędne w sprzyjających warunkach sprzętowych. Eksperyment Willow wspiera mechanizm stojący za tym twierdzeniem, a nie jego pełny wniosek architektoniczny.
Ta różnica wywiera presję na każdą mapę drogową komputerów odpornych na błędy. Zespoły muszą wyjaśnić, w jaki sposób zapewnią operacje nie-Cliffordowskie, a nie tylko ile fizycznych lub logicznych kubitów zamierzają zbudować.
Cultivation rzuca wyzwanie standardowej fabryce destylacji
Wynik Google czyni cultivation wiarygodnym konkurentem destylacji, lecz o zwycięskiej drodze zdecyduje całkowity koszt systemu.
Destylacja ma dużą przewagę: badacze rozumieją jej zachowanie matematyczne, a architekci przez lata optymalizowali fabryki wokół kodów powierzchniowych. Jej koszty można szacować dla wielu docelowych algorytmów.
Cultivation oferuje inny profil kosztowy. Próbuje odrzucać złe stany wcześnie, gdy pozostają one zakodowane w mniejszych strukturach.
Praca teoretyczna z 2024 roku argumentowała, że wyhodowane stany T mogą przy odpowiednich fizycznych poziomach błędów zbliżyć się kosztem zasobów do chronionych bramek CNOT. Bramka CNOT warunkowo odwraca jeden kubit na podstawie stanu innego kubitu.
To porównanie jest ambitne, ponieważ operacje CNOT są fundamentalne i częste. Gdyby zasób nie-Cliffordowski stał się porównywalnie przystępny, jedna z największych luk w architekturze odpornej na błędy uległaby zawężeniu.
Willow nie ustanawia równoważności kosztów. Pokazuje, że kluczowe składniki protokołu mogą przetrwać rzeczywisty szum w procesorze nadprzewodzącym.
To rozróżnienie oddziela wynik naukowy od kamienia milowego inżynierii. Pytanie naukowe brzmi, czy cultivation może tłumić błędy przygotowania stanów na sprzęcie. Pytanie inżynieryjne brzmi, czy pokonuje alternatywy w użytecznej skali.
Platforma Google zapewnia hodowli ważne środowisko testowe. Nadprzewodzące kubity obsługują szybkie operacje, ale zmagają się z różnicami w produkcji, dryftem kalibracji, przesłuchami sterowania i ograniczoną łącznością.
Problemy zespołu z dryfującą aparaturą elektryczną i wahaniami temperatury ilustrują te ograniczenia. Fabryka musi działać nieprzerwanie, a nie tylko w starannie scharakteryzowanym oknie eksperymentalnym.
Konwencjonalna destylacja również zależy od niezawodnych bramek i pomiarów. Jej bardziej regularna struktura może upraszczać harmonogramowanie, podczas gdy większy rozmiar może zwielokrotniać koszt każdego błędu fizycznego.
Porównanie będzie się zmieniać wraz z ulepszaniem sprzętu. Teoretycy zajmujący się hodowlą twierdzą, że jej zużycie zasobów silnie reaguje na niższe wskaźniki błędów fizycznych.
Protokoły destylacji również mogą się poprawiać dzięki lepszym kodom, zoptymalizowanym obwodom i wydajniejszym układom fabryk. Nie jest to rywalizacja między rozwijającą się techniką a zamrożonym punktem odniesienia.
IBM zapewnia jeden z branżowych punktów odniesienia. Jego plan rozwoju odporności na błędy zakłada wstrzykiwanie stanów magicznych przez wiele modułów jako element planowanego postępu w kierunku wielkoskalowej odporności na błędy.
Ten plan podkreśla wspólny problem. Google, IBM i inni twórcy sprzętu stosują różne architektury, lecz każdy musi obsługiwać uniwersalne operacje logiczne przy akceptowalnym narzucie.
Systemy neutralnych atomów tworzą kolejny punkt porównania. Badanie procesora logicznego z 2024 roku zademonstrowało złożone obwody nie-Cliffordowskie z wykorzystaniem rekonfigurowalnych tablic atomów i kubitów logicznych.
Neutralne atomy oferują przemieszczalne kubity i elastyczną łączność. Te cechy mogą wspierać operacje, które są niezręczne do realizacji na stałej nadprzewodzącej siatce.
Sprzęt nadprzewodzący oferuje inne atuty, w tym dojrzałe metody produkcji i szybkie cykle bramek. Żaden pojedynczy eksperyment nie rozstrzyga, która platforma zapewni najniższy koszt użytecznego algorytmu.
Wynik Google dotyczący przełączania kodów ma strategiczne znaczenie w tej rywalizacji. Sugeruje, że systemy nadprzewodzące mogą używać wyspecjalizowanych kodów do różnych zadań, bez wiązania całej maszyny z jednym kodowaniem.
Ta elastyczność przypomina heterogeniczne przetwarzanie klasyczne, w którym różne procesory obsługują różne obciążenia. Architektura odpornego na błędy komputera kwantowego mogłaby podobnie wykorzystywać obszary pamięci, pola hodowli, strefy routingu i obszary pomiarowe.
Każda granica zwiększa jednak ryzyko. Przenoszenie stanu logicznego między kodami wprowadza operacje, które muszą pozostać odporne na błędy. Komplikuje też harmonogramowanie i weryfikację.
Eksperyment Willow przeniósł wyhodowany stan z kodu kolorowego o odległości 3 do kodu powierzchniowego o odległości 5. To wciąż niewielkie odległości kodowe w porównaniu z przyszłymi systemami produkcyjnymi.
Większe kody chronią informacje przed większą liczbą usterek, ale wymagają też więcej fizycznych kubitów i dłuższych sekwencji pomiarowych. Wyniki w jednej skali nie gwarantują takiej samej wydajności w kolejnej.
Najważniejszym wskaźnikiem konkurencyjności nie jest zatem liczba kubitów. Jest nim koszt dostarczenia zweryfikowanej operacji logicznej w ramach kompletnego obliczenia.
Koszt ten łączy przestrzeń, czas, energię, sterowanie klasyczne, prawdopodobieństwo awarii i tempo uzyskiwania wyników. Firmy kwantowe obecnie raportują różne podzbiory tych miar, co utrudnia bezpośrednie porównanie.
Hodowla daje Google mocniejszą odpowiedź na problem nie-Cliffordowski. Nie rozstrzyga jednak szerszego wyścigu między układami nadprzewodzącymi, jonami uwięzionymi, neutralnymi atomami, systemami fotonicznymi i podejściami topologicznymi.
Nagłówek o 40-krotnym wyniku skrywa pytanie o 8% przepustowości
Sceptyczna interpretacja jest prosta: lepsze zaakceptowane stany nie gwarantują wydajnej podaży stanów do obliczeń.
Google opisuje wynik jako praktyczne rozwiązanie poważnego wąskiego gardła zasobowego. Takie sformułowanie jest uzasadnione na poziomie wykonalności eksperymentalnej.
Staje się przedwczesne, jeśli „praktyczne” ma oznaczać wdrożenie w użytecznym komputerze. Zespół wyraźnie zaznacza, że hodowla nadal wymaga demonstracji na większą skalę.
Wskaźnik retencji na poziomie 8% zasługuje na uwagę, ponieważ selekcja po pomiarze napędza protokół. Wykrywanie błędów poprawia jakość ocalałej populacji przez odrzucanie prób związanych z podejrzanymi syndromami.
Odrzucanie złych wyników jest wartościowe, gdy ponowne próby są tanie. Fabryka obsługująca duży algorytm nadal musi wytwarzać wystarczająco dużo zaakceptowanych stanów, aby nie zagłodzić obliczenia.
Załóżmy, że równolegle działa kilka jednostek hodowli. Ich łączna produkcja może zapewnić odpowiednią przepustowość mimo niskiego indywidualnego wskaźnika retencji.
Taki układ zużywa więcej powierzchni układu. Wymaga też szybkich resetów, zsynchronizowanego sterowania, dekodowania w czasie rzeczywistym oraz pamięci dla stanów oczekujących na użycie.
Wskaźnik retencji w eksperymencie obejmuje rygorystyczne kontrole używane do oceny wierności. Badacze Google wskazywali, że taka konfiguracja nie przekłada się bezpośrednio na uzysk przyszłej fabryki.
To zastrzeżenie działa w obie strony. Uzysk produkcyjny może wzrosnąć po usunięciu narzutu diagnostycznego. Może też napotkać nowe straty, gdy hodowla zostanie połączona z routingiem, przechowywaniem i bramkami logicznymi.
Odrębna analiza kosztów z 2026 roku bada tę lukę między korzystnymi szacunkami zasobów a niedestrukcyjną selekcją po pomiarze podczas obliczeń. Jej autorzy wskazują zakresy, w których praktyczne ograniczenia zwiększają błędy logiczne lub wymagają większych kodów.
Artykuł ten nie podważa hodowli. Pokazuje, że założenia dotyczące pomiarów i obsługa końcowego etapu mogą istotnie zmienić pozorną przewagę zasobową.
Rozróżnienie między pomiarem destrukcyjnym a niedestrukcyjnym ma kluczowe znaczenie. Badacze mogą zniszczyć stan eksperymentalny, by go scharakteryzować, ale komputer musi zachować każdy stan przeznaczony do późniejszego użycia.
Benchmark może zatem uzyskać informacje niedostępne podczas rzeczywistych obliczeń. Szacunki architektoniczne muszą uwzględniać słabsze informacje dostępne, gdy stan pozostaje operacyjny.
Google rozwiązało część tego problemu, opracowując odporną na błędy metodę pomiaru, która wyznacza dolną granicę wierności. Większe systemy nadal potrzebują niedestrukcyjnych reguł akceptacji, które zachowują zarówno jakość, jak i przepustowość.
Raportowana 40-krotna poprawa jest również warunkowa względem punktu odniesienia. Mierzy przygotowanie wyhodowanego stanu względem niewyhodowanej wersji w określonych warunkach.
Nie oznacza to, że całkowity logiczny wskaźnik błędów procesora spadł o ten sam współczynnik. Pamięć, bramki CNOT, pomiary, transfery stanów i klasyczne korekty zachowują własne profile błędów.
Użyteczny algorytm kumuluje błędy w wielu operacjach. Doskonały stan T nie może zrekompensować zawodnego routingu ani niewystarczającej pamięci logicznej.
Wartość 99,99% również brzmi bliżej doskonałości, niż wymaga tego wiele zastosowań. Duże programy odporne na błędy mogą wymagać prawdopodobieństw błędów logicznych znacznie niższych niż jeden na dziesięć tysięcy na operację.
Dokładny cel zależy od rozmiaru obwodu i budżetu błędów. Program zawierający miliony operacji musi utrzymywać łączne prawdopodobieństwo awarii w akceptowalnym zakresie.
Nadal mogą być konieczne dodatkowa korekcja błędów, większe odległości kodowe lub dalsze oczyszczanie. Każda z tych opcji zwiększa fizyczne zasoby stojące za operacją logiczną.
Skala tworzy kolejny nierozwiązany problem. Willow zawiera 105 fizycznych kubitów, podczas gdy użyteczne systemy z korekcją błędów będą wymagały znacznie większych, skoordynowanych tablic.
Hodowla konkuruje o te kubity z pamięcią, routingiem, obsługą dekodowania i docelowymi obliczeniami. Korzystna niewielka demonstracja musi przełożyć się na korzystny podział zasobów w całej maszynie.
Znaczenie będzie miała również spójność produkcyjna. Procedury kalibracyjne działające na jednym procesorze badawczym mogą stać się trudne do zastosowania w wielu połączonych układach lub modułach.
Google nie przedstawiło jeszcze kompleksowego algorytmu zużywającego strumień wyhodowanych stanów. Taki test ujawniłby konflikty harmonogramowania i pokazał trwałe tempo produkcji.
Firma nie wykazała też, że hodowla zmniejsza rozmiar całej maszyny 40-krotnie. Zmierzonej redukcji błędów nie należy przeliczać na równoważną redukcję sprzętu.
Właściwa interpretacja jest węższa, ale nadal znacząca. Google uzyskało wyjątkowo dokładne zaakceptowane stany magiczne poprzez hodowlę na procesorze nadprzewodzącym.
Wynik zmniejsza niepewność co do tego, czy protokół może przetrwać na fizycznym sprzęcie. Pozostawia otwarte pytanie, czy to przetrwanie przełoży się na najlepszy projekt fabryki.
Trzy sygnały pokażą, czy wynik Willow można skalować
Kolejne dowody muszą połączyć jakość stanów z przepustowością fabryki, większymi kodami i rzeczywistym obciążeniem logicznym.
Pierwszym sygnałem będzie eksperyment hodowli przy większej odległości kodowej. W tej demonstracji Google przeszło z kodu kolorowego o odległości 3 do kodu powierzchniowego o odległości 5.
Kolejne badanie powinno pokazać, że tłumienie błędów utrzymuje się wraz ze wzrostem chronionych struktur. Powinno raportować wskaźnik akceptacji obok wierności, zamiast podkreślać wyłącznie najczystsze wyniki.
Poprawa w przypadku większych kodów wzmocniłaby argument Google, że hodowla korzysta z lepszego sprzętu. Płaska lub pogarszająca się krzywa kosztów osłabiłaby twierdzenie, że technika skaluje się wydajnie.
Drugim sygnałem będzie niedestrukcyjny benchmark powtarzalnego dostarczania stanów. Użyteczna fabryka musi przygotowywać stany, akceptować je lub odrzucać, kierować ocalałe stany i ponownie uruchamiać nieudane próby bez zatrzymywania szerszej maszyny.
Ten benchmark powinien raportować liczbę zaakceptowanych stanów na jednostkę czasu i sprzętu. Powinien obejmować opóźnienia resetowania, wydajność dekodera, narzut sterowania oraz koszt przechowywania gotowych stanów.
Wyższy wskaźnik retencji pomógłby, ale nie jest jedyną drogą naprzód. Szybkie ponowne próby i równoległe przygotowanie mogą zapewnić dużą przepustowość nawet wtedy, gdy wiele prób kończy się niepowodzeniem.
Kluczowe jest przejrzyste rozliczanie. Badacze potrzebują wystarczających informacji, aby porównać hodowlę z destylacją przy tych samych celach dotyczących błędów fizycznych i logicznych.
Jeśli Google opublikuje trwałe tempo produkcji przewyższające zoptymalizowaną fabrykę destylacji, hodowla stanie się wyborem architektonicznym, a nie opcją eksperymentalną. Jeśli nie, może pozostać użytecznym etapem wstępnego przetwarzania.
Trzecim sygnałem będzie kompleksowy obwód logiczny zużywający wyhodowane stany T. Obwód powinien wykonywać zadanie, które rzeczywiście wymaga operacji nie-Cliffordowskich.
Test ten połączyłby przygotowanie stanu z wstrzykiwaniem, routingiem, bramkami logicznymi, korekcją błędów i końcowym pomiarem. Ujawniłby również, czy hodowla płynnie integruje się z resztą architektury Willow.
Sukces nie wymagałby wartości komercyjnej. Skromny algorytm logiczny mógłby mimo to zweryfikować cały proces i wskazać miejsca, w których kumulują się błędy.
Dodatkowego kontekstu dostarczą plany rozwoju konkurentów. IBM planuje wstrzykiwanie stanów magicznych w ramach modułowej architektury odpornej na błędy, podczas gdy zespoły pracujące nad neutralnymi atomami nadal testują alternatywne operacje logiczne.
Przekonujący wynik z innej platformy nie przekreśliłby osiągnięcia Google. Wyjaśniłby, czy hodowla rozwiązuje uniwersalne wąskie gardło, czy głównie pasuje do nadprzewodzących systemów z kodem powierzchniowym.
Deweloperzy i nabywcy korporacyjni powinni traktować to ogłoszenie jako badania infrastrukturalne, a nie sygnał do przenoszenia obciążeń na sprzęt kwantowy. Z tego artykułu nie wynika żadna nowa usługa ogólnego przeznaczenia.
Praktyczne znaczenie tkwi w krzywej zasobów. Jeśli hodowla znacząco zmniejszy sprzęt przeznaczony dla stanów T, użyteczne maszyny mogą wymagać mniej fizycznych kubitów, niż sugerują szacunki oparte głównie na destylacji.
Ta zmiana wpłynęłaby na plany rozwoju sprzętu, projektowanie kompilatorów, wybór algorytmów i oczekiwania dotyczące wdrażania odpornego na błędy przetwarzania. Nie stworzyłaby jednak natychmiast użytecznego komputera.
Google za pomocą „uprawy” stanów magicznych pomyślnie przeszedł ważny test eksperymentalny. Protokół zmniejszył błędy warunkowego przygotowywania stanów i przetrwał transfer między dwoma kodami kwantowymi.
Teraz ciężar przenosi się z zademonstrowania jednego stanu o wysokiej wierności na niezawodne dostarczanie ich w dużej liczbie. Warto obserwować większe odległości kodowe, utrzymywaną niedestrukcyjną przepustowość oraz obwód logiczny zużywający wynik.
Te trzy rezultaty pokażą, czy uprawa może zmniejszyć rozmiar fabryki wewnątrz komputera kwantowego. Do tego czasu Willow potwierdził działanie mechanizmu, lecz ekonomika na poziomie całego systemu pozostaje nierozstrzygnięta.
