Hotdry.
systems-engineering

Willow 芯片中表面码可扩展逻辑量子比特网格工程

基于 Willow 量子芯片,探讨使用表面码从 3x3 到 7x7 阵列动态缩放逻辑量子比特的工程实践,提供容错参数、实时解码要点与监控清单。

在量子计算领域,实现容错计算的关键在于构建可扩展的逻辑量子比特架构。Willow 量子芯片作为 Google Quantum AI 的最新成果,采用表面码(surface code)纠错机制,成功演示了从 3x3 到 7x7 阵列的动态缩放。这种工程化方法不仅验证了低于阈值操作的可行性,还为故障容忍量子优势提供了坚实基础。通过优化物理量子比特的相干性和纠错协议,Willow 实现了逻辑量子比特寿命显著延长,标志着从 NISQ 时代向 FTQC(故障容忍量子计算)的过渡。

表面码是一种拓扑量子纠错码,将多个物理量子比特组织成二维网格,形成逻辑量子比特。每个逻辑量子比特由 2d² - 1 个物理量子比特组成,其中 d 为码距,表示错误检测的最小路径长度。在 Willow 芯片中,物理量子比特采用超导 transmon 设计,平均 T1 时间达 68 μs,T2,CPMG 时间为 89 μs,比前代 Sycamore 处理器提升约 5 倍。这种改进源于制造工艺优化、参与率工程和电路参数调整,减少了环境噪声和泄漏影响。芯片总计 105 个物理量子比特,支持 d=7 的表面码,使用 49 个数据量子比特和 48 个测量量子比特,外加泄漏移除量子比特。

实验证据显示,Willow 在低于表面码阈值(约 1%)下运行,逻辑错误率 ε_d 与码距 d 呈指数关系:ε_d ∝ (p /p_thr)^(d+1)/2,其中 p 为物理错误率,p_thr 为阈值。通过扩展网格,从 d=3(9 个数据量子比特)到 d=5(25 个),再到 d=7(49 个),每次码距增加 2,逻辑错误率减半以上,错误抑制因子 Λ > 2。具体而言,使用神经网络解码器,d=7 时 ε_7 = (1.43 ± 0.03) × 10^{-3};使用集成匹配合成解码器,Λ = 2.04 ± 0.02。逻辑量子比特寿命在 d=7 时达 291 ± 6 μs,是最佳物理量子比特(119 ± 13 μs)的 2.4 倍,实现了 “超越 breakeven” 的里程碑,即逻辑比特寿命超过物理比特。

这种动态缩放的工程实现依赖于实时纠错循环:每个周期 1.1 μs,包括 CZ 门、单量子比特门、测量和复位。数据量子比特闲置错误率 <0.2%,CZ 门保真度> 99.8%。为应对泄漏错误,引入数据量子比特泄漏移除(DQLR)协议,将泄漏激发交换到辅助量子比特,激活 DQLR 后 d=5 性能提升 35%,Λ 增加至 2.18。模拟显示,泄漏和杂散交互占错误预算 17%,强调需优化 CZ 门以减少相关 Z 错误。

在容错量子优势演示中,Willow 使用随机电路采样(RCS)基准,在 <5 分钟内完成一项计算,而最快超算需 10^{25} 年。这验证了表面码在实际任务中的可扩展性,但也暴露挑战:高距离重复码实验显示,每小时发生相关错误爆发,导致逻辑错误地板 10^{-10},源于未知噪声源如瞬态双能级系统(TLS)或耦合器激发。

为落地工程,提供以下可操作参数和清单:

关键参数:

  • 物理错误阈值:p < 0.8%(表面码阈值)。
  • 解码延迟:实时解码 < 63 μs,支持 10^6 周期实验(1.1 s)。
  • 相干时间:T1 ≥ 68 μs,T2 ≥ 89 μs;目标提升至 100 μs 以进一步降低 ε_d。
  • 周期时间:1.1 μs,包括 250 ns CZ 门和 100 ns 测量。
  • 错误预算分配:CZ 门 40%,测量 20%,闲置 15%,泄漏 17%,其他 8%。

工程清单:

  1. 初始化与校准:预优化量子比特频率,避免 TLS 耦合;每 4 小时重校准以补偿漂移。
  2. 泄漏管理:每个周期执行 DQLR,监控泄漏率 < 0.1%;使用多级复位移除测量量子比特泄漏。
  3. 实时解码:部署稀疏花算法(sparse blossom),并行处理时空块;融合贪婪边重加权以处理 Y 型错误相关性。
  4. 稳定性监控:运行 15 小时重复实验,追踪检测概率波动;阈值警报:若 p_det > 8.7%(d=7),触发回滚。
  5. 缩放策略:从小网格(d=3)测试开始,逐步扩展;模拟预测 d=27 时需 1457 物理量子比特达 10^{-6} 错误率。
  6. 回滚机制:若逻辑错误 > 10^{-2},暂停并重置;使用离线高精度解码(如神经网络)验证实时结果。

这些参数确保系统在小时级时标上稳定,适用于 Shor 算法等长时任务。未来,结合 qLDPC 码可降低开销,但当前表面码提供可靠起点。

资料来源:

  • Google Quantum AI. Quantum error correction below the surface code threshold. Nature 638, 920–926 (2025). https://doi.org/10.1038/s41586-024-08449-y
  • Google 量子 AI 博客:Willow 量子芯片介绍(2024)。

(正文字数:1028)

查看归档