，四年前，谷歌曾宣称实现了“量子霸权”，引发了人们对量子计算的关注。但是在现实应用中，量子计算始终存在“可靠性”难题。同一个计算重复多次，它很可能每次都会得出不同的答案。周三，“蓝巨人”IBM 声称，他们找到了一种解决量子计算可靠性的方法。
需要说明的是，传统计算机的基本二进制单位是 0 和 1，要么是 0，要么就是 1。但是在量子计算中，它的基本计量单位量子比特既可以是 0，也可以是 1，还可以既是 0 也是 1，这种现象被称之为量子的叠加态。量子计算机正是通过量子叠加实现同时存储大量信息的功能。因此，它们可以在处理复杂任务时，快速存储大量数据，探索多种可能并选择最有效的解决途径。
但是，由于保持量子比特的叠加态是件非常困难的事，最微小的环境变化 也可能导致叠加态的坍缩，造成计算错误。所以，目前世界上还没能造出一台没有误差、且用途广泛的量子计算机。
周三，IBM 研究人员宣布，他们已经设计出一种方法来管理量子计算的不可靠性，从而得出可靠、有用的答案。IBM 科学家已经把研究论文发表在了《自然》杂志上，题为《容错前的量子计算实用性证据》。容错量子计算指的是有量子纠错保护的量子计算。
2019 年，谷歌的研究人员曾声称他们已经实现了“量子霸权”，也就是量子计算拥有的计算能力超越所有经典计算机。但是，IBM 当时就抨击了谷歌，认为谷歌夸大了量子计算的性能，误导公众。周三，IBM 的研究人员表示，他们已经找到了一些新的、更有用的方法，尽管名字更低调。
“我们正在进入一个被我称之为‘实用性’的量子计算阶段，”IBM 量子业务副总裁杰伊?甘贝塔 说，“实用的时代。”
耶路撒冷希伯来大学计算机科学教授多里特?阿哈罗诺夫 没有参与这项研究，他对此表示:“IBM 在这里展示的东西，确实是朝着严肃量子算法设计取得进展的方向，迈出了重要一步，令人惊讶。”
如何降低误差？
在这项新研究中，IBM 的研究人员执行了一项不同的任务，该任务引起了物理学家的兴趣。他们使用一个拥有 127 个量子比特的量子处理器来模拟 127 个原子尺度的磁铁棒在磁场中的行为。这些磁铁棒小到足以被量子力学的奇特规则所控制。这是一个简单的系统，被称为伊辛模型 ，它经常被用来研究物质的铁磁性。
这个问题过于复杂，即使在最大最快的超级计算机上也无法计算出精确的答案。但是在量子计算机上，计算只需不到千分之一秒就能完成。不过，每次量子计算都是不可靠的，因为量子噪声 的波动不可避免地会对计算进行干扰并引起误差，但每次计算都很快，因此可以重复执行。
实际上，在许多计算中，研究人员故意添加了额外的噪声，使得答案更加不可靠。但通过改变噪声的数量，研究人员可以推断出噪声的具体特征以及它在每个计算步骤中的影响。
“我们可以非常精确地放大噪声，然后我们可以重新运行相同的电路，”IBM 量子能力和演示经理、《自然》论文的作者之一阿比纳夫?坎达拉 表示，“一旦我们得到了这些不同噪音水平的结果，我们就可以推断出在没有噪声情况下的结果。”
从本质上讲，研究人员能够从不可靠的量子计算中去除噪声的影响，这一过程被他们称之为“误差缓解”。“你必须通过发明非常巧妙的方法来减轻噪声的影响，从而绕过噪声，”阿哈罗诺夫博士说道，“这正是他们所做的。”
准确性如何？
为了得出 127 个磁铁棒产生的总体磁化强度的答案，IBM 的量子计算机总共进行了 60 万次计算。答案的准确度怎么样？
为了寻求帮助，IBM 团队找到了加州大学伯克利分校的物理学家。尽管具有 127 个磁铁棒的伊辛模型太大，有太多可能的配置，无法适用于传统的计算机，但经典计算机算法可以产生近似的答案。这种技术类似于 JPEG 图像压缩时丢弃不太重要的数据以减小文件大小，同时保留图像的大部分细节。
加州大学伯克利分校的物理学教授、《自然》杂志论文的作者之一迈克尔?扎勒特尔 说，当他开始与 IBM 合作时，他认为他的经典计算机算法会比量子算法做得更好。“结果和我预期的有点不同。”扎勒特尔博士说。
结果显示，量子计算机可以对伊辛模型的某些配置精确求解。在更简单的例子上，经典算法和量子算法的答案一致。对于更复杂但可解的实例，量子算法和经典算法产生了不同的答案，但量子算法给出的是正确答案。
加州大学伯克利分校的研究生萨扬特?阿南德 在经典近似研究上做了大量工作，他根据上述实验结果认为，对于量子计算和经典计算的结果不一致而且不知道精确解的其他情况，“有理由相信量子计算的结果更精确”。
“没有明显的迹象表明他们在这里实现了量子霸权。”扎勒特尔说。
临时解决方案
从长远来看，量子科学家预计另外一种不同的方法，即纠错，能够检测和纠正计算错误，这将为量子计算机的许多用途打开大门。
目前，纠错方法已经在传统计算机和数据传输中被用于修复错误。但对于量子计算机来说，纠错可能还需要几年的时间，需要更好的处理器来处理更多的量子比特。
IBM 的科学家们认为，误差缓解是一种临时解决方案，现在可以用于解决伊辛模型之外日益复杂的问题。
“这是现有最简单的自然科学问题之一，”甘贝塔博士说，“所以这是一个很好的开始。但现在的问题是，你如何推广它，去解决更有趣的自然科学问题？”这些问题可能包括弄清楚异域材料的性质，加速药物发现和模拟聚变反应。
