耶鲁大学和谷歌量子人工智能的研究人员首次在多能级量子系统中实现了量子纠错，其性能超越了当前最佳的无纠错技术，成功突破了“盈亏平衡点”。该研究利用三元（qutrit）和四元（ququart）量子态，通过戈特斯曼-基塔耶夫-普雷斯基尔（GKP）玻色编码，将量子信息编码于超导微波腔中。实验结果显示，纠错后的量子态信息存储寿命显著延长，增益系数与现有最优纠错qubit性能相当甚至更优。此成果为更高效的量子信息处理开辟了新途径，并预示着未来量子计算机可能通过高维量子系统实现更高效的硬件架构和容错计算。

⚛️首次突破：耶鲁大学和谷歌的研究人员首次实现了对多能级量子系统的纠错，包括三元（qutrit）和四元（ququart）量子态，性能超越现有无纠错技术。

🔑核心技术：研究团队采用戈特斯曼-基塔耶夫-普雷斯基尔（GKP）玻色编码，将三元和四元逻辑量子态编码于超导微波腔的周期性位移相位空间中，从而在单物理系统中存储更多量子信息。

📈性能提升：实验显示，纠错后的 qutrit 和 ququart 信息存储寿命分别比未纠错态延长 82% 和 87%，增益系数达 1.82 和 1.87，与现有最优纠错 qubit 性能相当甚至更优。

🤖AI优化：研究团队引入强化学习算法，让 AI 代理自主调整实验中的 45 个参数，以最大化量子存储的保真度，无需复杂的物理建模。

💡未来优势：多能级量子纠错的优势在于硬件精简、算法效率提升，且GKP编码的qudit可与现有超导系统兼容，支持未来架构的无缝升级。

IT之家 5 月 25 日消息，美国耶鲁大学和谷歌量子人工智能的研究人员首次实现对多能级量子系统的纠错，且性能超过当前最佳的无纠正技术，成功突破了“盈亏平衡点”。

该成果为更高效的量子信息处理开辟了新途径，相关论文已于 5 月 15 日发表于《自然》杂志（IT之家附 DOI:10.1038/s41586-025-08899-y）。

量子计算机的核心挑战在于量子态的脆弱性 —— 环境干扰（噪声）极易导致信息丢失。为此，量子纠错（QEC）需将量子信息编码为“逻辑态”以抵抗干扰。此前，纠错技术仅在二元量子位（qubit）中实现过“盈亏平衡”（即纠错后信息保真度优于未纠错状态）。

现今大多数量子计算机都使用量子比特 —— 一种可以同时处于 0 和 1 状态的二能级量子系统，但量子比特还拥有通常不会被使用的额外能级。如果能够充分利用这些能级，量子计算机将能够获得更强的处理能力。

在此次实验中，科研人员首次实现了三元（qutrit）和四元（ququart）量子态的高效纠错，不仅超越传统二元量子位的性能，还突破了量子纠错的“盈亏平衡点”。这一里程碑标志着未来量子计算机可能通过高维量子系统实现更高效的硬件架构和容错计算。

据官方介绍，耶鲁团队采用戈特斯曼-基塔耶夫-普雷斯基尔（GKP）玻色编码，将三元和四元逻辑量子态编码于超导微波腔的周期性位移相位空间中，从而在单物理系统中存储更多量子信息。

实验显示，纠错后的 qutrit 和 ququart 信息存储寿命分别比未纠错态延长 82% 和 87%，增益系数达 1.82 和 1.87，与现有最优纠错 qubit 性能相当甚至更优。

实验装置由钽（transmon）超导量子比特与三维超导微波腔耦合构成。微波腔内的振荡模式存储逻辑态，钽超导量子比特则作为辅助量子位协助编码和纠错。

为优化纠错协议，研究团队引入强化学习算法，让 AI 代理自主调整实验中的 45 个参数，以最大化量子存储的保真度。这种无需物理建模的优化策略克服了传统校准方法的复杂性。结果显示，纠错性能在多轮循环中保持稳定。

研究人员指出，多能级量子纠错的优势在于：

硬件精简：单物理系统可承载更多逻辑态，减少计算所需的物理组件数量。

算法效率：高维结构有助于更高效地合成量子门、编译算法及模拟复杂量子系统。此外，GKP 编码的 qudit 可与现有超导系统兼容，支持未来架构的无缝升级。