纠错难在哪里？我们还有多远？

This page is not translated yet. Showing the Chinese version as fallback content.

本章介绍把“纠错难在哪里”还原成一个个的工程细节，并介绍科学家目前走到了哪一步。

纠错难在哪里？

中性原子系统里要实现量子纠错，就像是指挥千军万马去参与一场战争。

每一个原子就是实验家的一个兵，每个兵在战场上都无法“存活”超过几秒，但好消息是，在目前的技术水平里，每一场具体的战斗，也就是实现一个量子门操作，只需要几百微秒，所以每个兵在他阵亡前的几秒里，可以辗转奔赴、参与数千上万场战斗。

一个好的实验设计里，源源不断的新鲜兵源应该能够做到及时的补充，每个时刻又能同时有成千上万场具体的战斗在真空腔里发生，于是一批批原子前赴后继，将脆弱的量子信息一轮轮保存下来，共同完成那个容错量子计算的宏大目标。

所以，当你评价一台中性原子量子计算机，你应该问它：你的兵战场存活时间如何（对应几秒的相干时间），每一场战斗减员率如何（对应单比特门、双比特门保真度），损失的兵员如何补充（原子的实时重载和逸散探测策略）；你作为将军如何从战争迷雾里及时获得前线战报（怎么做测量，测量效率如何），局部战场输掉了如何及时止损才不至于像多米诺骨牌一样累积失败、直到满盘皆输（使用什么纠错方案，能不能跨过阈值）。

中性原子量子计算目前还处于蓬勃发展阶段，所有技术路线还远远谈不上收敛。所以，如果你想更进一步，还可以关心：

士兵的兵种有什么（碱金属、碱土金属等），要不要做多兵种配合作战（混合几种原子来获得控制上的优势）？
战场的运输工作（光镊拖拽）怎么完成？如果用声光偏转器（Acousto-Optic Deflector, AOD），机械振动造成的减员率（原子热化、逃逸）高不高？怎么解决？
计划怎么在实现全局阵列的同时，又能精确地微操，把兵从一个战场搬运到另外一个战场？为此要不要成立多个指挥机构？（多种光镊阵列的产生方式）
后备的兵员如何准备，用什么方式持续补充？靠运兵车一个一个往前线运，还是铺铁路、造火车（更好的集中加载方案）？
前线战报获取效率如何（荧光测量的效率瓶颈怎么解决）？
使用什么纠错方案？**表面码（Surface Code）**技术清晰、解码简单，但是码率很低（耗费大量兵力才能保卫一个量子比特的信息）；其它的纠错码、更高的码率又可能带来解码复杂度的指数增长，如何权衡？
能不能考虑到每一种可能的局部战斗失败？——有的士兵已经阵亡了，但战报还没送到，指挥官无法知道某个连的建制是否完整；有的士兵看起来人在战场，却悄悄脱离战斗状态了（原子可能进入了未被编码的泄漏状态）；有的士兵机枪枪口偏了10度，根本没有对准敌人，如果累积偏18次就要调转枪口打自己人了（各种各样可能的量子错误，如果不及时处理可能超过阈值，导致容错计算失效）。
指挥官需要耗费多少资源来为失败的战斗止损？（实时、高效的解码算法）
……

以上所有的这些，都是我们的课程想要尽力讨论的内容。

精力所限，我们不可能把制造一台量子计算机的所有细节都讨论得面面俱到，但也尽量呈现里面最核心、最重要的内容。

以后的章节，就将以这个“战争”的比喻为蓝本展开。

量子纠错全景概览：我们还有多远？

虽然牵扯到的因素如此之多，但究其本质而言，量子纠错能否实现，主要还是看两个因素的竞争关系：（物理）量子比特数量，在这里就指能稳定精确操控的中性原子数量，和量子比特的错误率。

我们仍然拿经典计算机举例，如果使用三个经典比特同时存储一比特的信息，每个比特如果独立发生错误的概率是 $p$ ，那么三个结果不一致时通过投票决定，获得的“逻辑比特错误率”就是 $3p^2(1-p) + p^3 = O(p^2)$ ；如果用五个物理比特来编码一个逻辑比特，错误率则是 $O(p^3)$ 。纠错的码距（Code Distance），就决定了这里多项式的阶数，码距越高，对错误的压制能力越强。但相应的，“码率”，即物理比特转换成逻辑比特的效率，也就分别变成 $1/3$ 和 $1/5$ 。

总而言之，用更低的“码率”能换来更高的“码距”，带来更少的错误。

这里还存在一个刚性的限制，只有当错误率低于一个特定阈值（即纠错阈值，Fault-Tolerance Threshold）之后，用更多的物理比特来编码逻辑比特（更高的码距），才能真正获得更低的错误率。

纠错阈值的概念也很好理解，如果经典比特的错误率超过了 50%，再多的比特凑在一起也不可能投票出正确结果。纠错阈值也依赖于很多其它因素，比如：

如果经典比特并不是乖乖地独立发生错误，而是几个比特可能合谋欺骗你（线路间的串扰等），那纠错阈值也会相应变低（更难纠错）。
如果使用了更好的纠错码，也可能提升纠错阈值。比如 5G 信号里用到的著名的极化码（Polar Code），就可以让阈值逼近香农极限。

量子纠错也是一样——甚至更复杂。

前面我们已经看到了，量子比特有各种千奇百怪的错误，量子相干系统的纠错阈值，和系统里实际发生的错误类型、以及你使用什么样的纠错码去纠错，甚至和各种工程约束（比如你愿意花多长时间去跑解码算法、你的解码器优化得好不好），都有很大的关系。

所以我们这里为您展示的这张全景概览图，里面标注的大部分数据，只是在一个通常的错误类型统计口径下——只考虑去极化噪声（Depolarizing Noise），使用一个常见的纠错码——表面码（Surface Code），给出的并不是非常精确的估计。但至少，它能让您知道当前人类做到了哪一步，离目标还有多远。

把鼠标移到线、点或色块上看解释；在移动端点一下可以锁定详情卡。

在继续深入之前，请先点击并探索上方的交互图谱。

让我们把这张图视为这场“量子战争”的战略沙盘。纵轴代表单兵作战的失误率，也就是物理错误率（Physical Error Rate）；横轴代表我们能调动的兵力总数，即物理比特规模。

沙盘中那条横跨的虚线，就是决定生死的关键防线——纠错阈值（Fault-Tolerance Threshold）。这里我们将表面码的阈值近似标定为 $p_{\mathrm{thr}} \sim 1\%$ ，这是基于最通用的电路级去极化噪声（Circuit-level Depolarizing Noise） 模型得出的保守基准。跨过这条线（即物理错误率降至阈值以下），意味着增加兵力（扩大系统规模）能有效压制错误；反之，若物理错误率高居阈值线之上，投入的兵力不仅无法互补，还会因为引入更多噪声而引发系统性崩溃。然而，这条防线并非一成不变。如果我们的指挥系统能综合使用一系列技巧，系统容忍错误的上限就能被大幅提升[1]。

图中的红色曲线更揭示了这场战争的残酷代价：要在标准表面码框架下破解 RSA-2048 密码，物理错误率与所需兵力之间存在着极端的非线性博弈。当物理错误率在 $10^{-3}$ 附近徘徊时，我们需要集结近千万级别的物理比特（约 $2\times 10^7$ ）。误差每逼近阈值一分，所需兵力就会呈指数级暴涨。这提醒我们，如果固守传统的低码率战术，实现实用化量子计算将是一场漫长的消耗战[2]。

这也正是图中绿色区域——中性原子**量子低密度奇偶校验码（Quantum Low-Density Parity-Check Code, qLDPC）**提案如此引人瞩目的原因。借助光镊阵列的灵活重排能力，中性原子可以实现高阶的非局域连接，从而采用极高码率的先进纠错方案，有望将攻克 RSA-2048 所需的物理比特数量级向左侧大幅压缩[3]。

在沙盘的散点中，我们记录了这场战役的最新战报：超过 6000 个高相干原子的超大阵列、百量级量子比特上的复杂可编程计算、以及刚刚隐约触及阈值线的容错原型机。为了提供跨平台的视野，图中还加入了超导路线的 Google Willow 参照点[4]。这些里程碑告诉我们：这不仅仅是“把单兵素质再提高一点”的战术问题，而是系统规模、误差模型、解码方案与微观物理架构全面协同的战略大考。

参考文献

Y. Wu et al., “Erasure conversion for fault-tolerant quantum computing in alkaline earth Rydberg atom arrays,” Nature Communications 13, 4657 (2022). Link
C. Gidney and M. Ekerå, “How to factor 2048 bit RSA integers in 8 hours using 20 million noisy qubits,” Quantum 5, 433 (2021). Link
M. Cain et al., “A roadmap to 100,000 neutral atom qubits and beyond,” arXiv (2026). Link
Google Quantum AI and Collaborators, “Quantum error correction below the surface code threshold,” Nature (2024). Link

本章 takeaway 量子计算机要走出实验室、产生真正的现实价值，必须打赢量子纠错这场硬仗。“量子门还不够好，以后再谈纠错”的逃避阶段已经结束。现在，中性原子路线正面临着最硬核的挑战：如何将原子阵列的规模优势、独特的噪声模型与高效解码器完美咬合，真正越过纠错阈值这道天堑。