2025年2月，亞馬遜量子計算團隊在《自然》雜志發表了一項里程碑式研究：他們首次將“貓量子比特” （cat qubit） 與外層重復碼結合，實現了硬件效率更高的量子糾錯方案。這項成果為解決量子計算中最棘手的噪聲問題提供了新思路，有望大幅降低量子計算機的硬件成本。

▲圖源：Nature

量子計算機的核心優勢源于量子疊加和糾纏，但脆弱的量子態極易受環境干擾，導致計算錯誤。目前，量子比特的物理錯誤率仍比實用化要求高出約9個數量級。為解決這一問題，量子糾錯（QEC）通過冗余編碼將邏輯比特分散到多個物理比特中，理論上可指數級抑制錯誤。然而，傳統糾錯方法（如表面碼）需要數千甚至數百萬個物理比特，硬件成本極高。

亞馬遜團隊另辟蹊徑，選擇“玻色子貓量子比特”作為突破口。貓量子比特將信息編碼在光子的“貓態”（如同時存在與不存在的疊加態），利用無限維希爾伯特空間天然抑制比特翻轉錯誤，同時通過外層重復碼糾正殘留的相位翻轉錯誤。這種“分層保護”策略有望顯著降低糾錯所需的物理比特數量。

盡管貓量子比特在理論上具有優勢，如何馴服“薛定諤的貓”卻面臨多重挑戰。

其一是如何把握“貓態穩定性”。貓態對光子數極其敏感，單光子損失或熱噪聲會導致相位翻轉。團隊通過“雙光子耗散穩定技術”，將貓態約束在特定流形內，實驗中比特翻轉時間隨光子數增加呈指數級延長（如光子數|α|2=2時，比特翻轉時間超1毫秒）。

其二如何設計高效“糾錯操作”。糾錯需測量“綜合征”（syndrome），即相鄰貓比特的奇偶性。團隊設計了“噪聲偏置CX門”，利用輔助transmon量子比特實現高保真度操作，同時通過χ匹配技術降低輔助比特衰減對貓比特的影響。

其三如何協同“多層編碼”。外層重復碼（d=5）需要在5個貓比特間同步糾錯。團隊通過微加工超導電路，實現了5個存儲模式與4個輔助transmon的精確耦合，并優化了糾錯周期（2.8微秒）以平衡效率與誤差積累。

亞馬遜團隊首次將貓量子比特的物理層錯誤抑制與外層編碼糾錯結合，實現了距離d=5的邏輯比特存儲，邏輯錯誤率低至1.65%，優于傳統表面碼的早期實驗結果。通過優化CX門設計和雙光子耗散，在糾錯過程中維持了超過25倍的噪聲偏置（比特翻轉錯誤率遠低于相位翻轉），即使增加編碼距離也未顯著惡化性能。通過平面微加工技術實現5量子比特電路，為規模化擴展奠定基礎。理論預測，未來采用優化的d=11重復碼，邏輯錯誤率可降至10??量級。

▲圖源：Amazon

亞馬遜團隊的“貓量子比特+重復碼”方案為量子計算的糾錯難題提供了新路徑。隨著硬件技術的迭代和編碼策略的優化，未來量子計算機有望在保持高可靠性的同時，大幅降低體積和成本。這一突破不僅是亞馬遜在量子領域的重要里程碑，也為全球量子計算競賽注入了新動能。

論文鏈接：