经过17年不懈努力，微软终于设计出一种自然界根本就不存在的物质，用来造出量子比特，有望在几年内在单芯片上集中上百万个量子比特，推出有实用价值的量子计算机。
这种特殊材料被称为拓扑导体，能够产生一种全新的物质状态——既不是固体、液体，也不是气体，而是一种拓扑态。
拓扑导体可以产生一种更稳定的量子比特，速度快、体积小，并且可以数字化控制，而无需像当前其他方案那样进行权衡取舍。周三发表在《自然》杂志上的一篇新论文，概述了微软研究人员不仅用拓扑导体创建出奇特的量子特性，而且能精确测量它们，这是实现实用计算的关键一步。
拓扑导体由砷化铟和铝制成，已经将八个拓扑量子比特集成到一个芯片上，有望最终能够扩展到一百万个量子比特。目前世界上所有计算机联合起来，也无法完成一台百万量子比特量子计算机所能做到的有些事情。
量子计算机的核心是量子比特（qubit），这是量子计算中的信息单位，类似于当今计算机使用的二进制比特。多年来，IBM、微软和谷歌等公司一直在努力使量子比特像二进制比特一样可靠，因为量子比特更加脆弱，对噪声非常敏感，可能导致错误或数据丢失。
微软已经设计出首款量子处理器Majorana1，尺寸与台式电脑和服务器中的CPU相差无几。这款新芯片并未使用电子进行计算，而是使用了理论物理学家埃托雷·马约拉纳（EttoreMajorana）在1937年提出的马约拉纳粒子。微软把这种理论上存在的粒子创造出来，实现了这一里程碑。
微软称Majorana1的世界首个拓扑内核，在设计上具有可靠性，通过在硬件层面融入抗错能力，使其更加稳定。Majorana1将需要在一百万个量子比特上执行数万亿次操作，微软团队的新测量方法使量子比特能够以数字方式控制，重新定义并极大地简化了量子计算的工作方式。当前依赖对每个量子比特进行精细模拟控制的方法，难以实现这一点。
微软坚持拓扑量子比特这一技术路线长达17年，中间遇到过挫折。微软的量子计算团队由研究人员、科学家和微软技术院士组成，多年来专注于拓扑量子比特构建可扩展的量子计算机。
这一成就，被微软CEO纳德拉称为“晶体管时刻”。微软称它相当于找到了量子时代的晶体管。微软技术院士切坦·纳亚克（ChetanNayak）表示：“我们退后一步，思考‘好吧，让我们为量子时代发明晶体管。它需要具备哪些特性？’正是这种思考让我们走到了今天——我们通过新材料的特殊组合、质量以及关键细节，实现了一种新型量子比特，并最终构建了整个架构。”
微软与谷歌，谁掌握量子霸权
微软量子硬件副总裁切坦·纳亚克（ChetanNayak）承诺，一台原型容错量子计算机将在“几年内，而非几十年内”问世。
美国国防高级研究计划局（DARPA）本月早些时候宣布了两家量子计算公司加入了它的一个项目，旨在研究是否有可能在2033年之前，利用该机构所称的“未充分探索的系统”构建一台实用的量子计算机——即其计算价值超过构建和运行成本。一家是微软，另一家公司PsiQuantum则采用完全不同的方法，使用基于硅的光子学技术，通过激光连接量子比特。
2033年，这一时间线与谷歌CEO桑达尔·皮查伊（SundarPichai）最近预测的5到10年相似，即届时人类将获得“实际有用”的量子计算。2024年底，谷歌展示了量子纠错（QEC）技术，在其Willow芯片（拥有105个物理量子比特，但只有49个逻辑量子比特）上，使用更多物理量子比特创建逻辑量子比特时，纠错效果会变得更好，而不是更差。
谷歌与微软的拓扑量子比特不同。微软利用拓扑空间在长时间内保护量子态中的信息免受外界干扰，谷歌则采用一系列更传统的超导量子比特。谷歌利用电子库珀对在约瑟夫森结中（即两块彼此靠近但中间隔有一层薄绝缘屏障的超导体）产生的振荡来构建量子比特。
谷歌的一部分量子比特用于存储计算数据，但由于超导量子比特极易出错，它们周围会被专门用于检测错误的其他量子比特所包围和分隔。谷歌的量子芯片大量时间用于运行复杂的量子纠错（QEC）技术，以维持数据量子比特中正确的量子状态。
谷歌采用的是一种已被广泛使用和研究的量子比特设计。这种设计性能强大——在2022年，与谷歌合作的研究人员甚至利用量子比特中的缺陷模拟了一个极为简单的拓扑缠绕示例——但其固有问题需要依靠谷歌在软件领域的专业知识来予以弥补。
微软花费了17年时间致力于拓扑量子比特的研发，这是一种理论上具有重大优势的方法，但风险更高，在项目初期这种方法完全未经验证。此外，这不仅需要与大学研究部门合作开展一些基础物理工作，还需要开发制造和测量技术来构建量子比特，并（像谷歌一样）建立实验室和设施来制造这些量子比特。
微软曾经捅过娄子。2018年，微软撤回过一篇论文，因为数据不完整，却又做出过于乐观的解读。此后微软在宣布其拓扑量子比特进展时一直极为谨慎，与外部研究人员和独立专家合作，反复核查其成果。目前，微软不仅已经成功构建了首批拓扑量子比特，还能提供测量数据，展示这些量子比特的表现，以及微软如何利用它们实现大规模量子计算。
这幅图用来说明如何通过测量量子点上微波的反射情况来“可靠地读取”量子比特（尤其是奇偶性）所处的状态。
测量方法（Easeofmeasurement）
图中可以看到，一个量子点与量子比特（纳米线）相连。通过向量子点发射微波并观察其反射特性，我们可以判断量子比特所处的状态。
量子比特的“状态”在这里指的是电子数的奇偶性（奇数或偶数）。
奇偶性对比（Oddstatevs.Evenstate）
如果量子比特中电子数是奇数（Odd），反射回来的微波信号会呈现与偶数（Even）状态不同的特征。
在图中，左下角的柱状分布展示了两种状态下的测量结果：当量子比特处于“Oddstate”时，测量值（信号强度）集中在一个区间；当量子比特处于“Evenstate”时，则集中在另一个区间。
这意味着通过一次测量就能分辨出量子比特到底是奇数态还是偶数态。
信号与噪声（Distinctresults）
图中“Distinctresults”部分强调的是，奇偶性两种结果在测量上有显著差异，并且噪声相对较低，因此能清晰区分这两种状态。
这就说明该测量方法具有较高的信噪比，可以准确地判断量子比特的状态。
总之
通过量子点和微波反射，我们可以在不破坏量子比特的前提下（或仅以最小破坏为代价）读取其奇偶性。
这种方法简单且测量结果清晰，是实现拓扑量子比特可测量、可操纵并能可靠读出的关键技术。（
逐个原子设计量子材料
微软的拓扑量子比特架构将铝制纳米线连接在一起，形成一个“H”形状。每个“H”中包含四个可控的Majorana粒子，从而构成一个量子比特。这些“H”结构还可以相互连接，就像瓷砖一样铺设在芯片上。
“这个过程之所以复杂，是因为我们必须先展示一种全新的物态才能实现这一目标，但在那之后，就相当简单了。它可以平铺排列。你得到了一种更简单的架构，这种架构承诺能更快地实现规模化，”微软技术研究员KrystaSvore说道。
量子芯片并不是单独运作的。它存在于一个生态系统中，包含控制逻辑、能够将量子比特维持在远低于外太空温度的稀释制冷机，以及可以与人工智能和传统计算机集成的软件堆栈中。她表示，这所有的组件完全在微软内部开发或改造而成。
需要明确的是，继续完善这些工艺流程，并让所有要素在加速扩展的条件下协同工作，还需要更多年的工程研发。不过，微软表示，许多艰难的科学和工程挑战如今已经得到了解决。
正确组合材料堆叠以产生拓扑物态是最难的部分之一。微软的拓扑导体不采用硅，而是由砷化铟制成，这是一种目前用于红外探测器等应用且具有特殊性质的材料。借助极低温度，这种半导体与超导性结合在一起，形成了一种混合体系。
“我们实际上就是逐个原子地喷涂。这些材料必须排列得完美无缺。如果材料堆叠中存在太多缺陷，就会彻底破坏你的量子比特，”Svore说道。
“这也正是我们需要量子计算机的原因——因为理解这些材料极其困难。有了大规模量子计算机，我们将能够预测出具有更优性能的材料，从而构建超越当前规模限制的下一代量子计算机，”她补充道。
英伟达CEO黄仁勋短期内并不看好量子计算，年初时他回答分析师表示，“量子计算不能解决所有问题。如果说15年后就会出现非常有用的量子计算机，那可能为时尚早。如果说30年，这个时间范围可能又太长。如果说是20年，我想我们大部分人都会相信。”
这张图展示了一个基于拓扑量子比特的器件架构从简单到复杂、从单比特到多比特、再到可进行量子纠错的完整演进路线。
（第一幅图展示的是一个单比特器件：tetron由两条平行的拓扑线（蓝色）构成，每条拓扑线两端分别有一个Majorana零模（橙色点），并通过一条垂直的平凡超导线（浅蓝色）相互连接。第二幅图展示了一个双比特器件，它支持基于测量的编织（braiding）操作。第三幅图展示的是一个4×2的tetron阵列，可在两个逻辑量子比特上进行量子错误检测的演示。这些演示为后续的量子纠错奠定基础，例如最右侧所示的27×13tetron阵列。
关于tetron:在拓扑量子计算领域，“tetron”是一种构建拓扑量子比特的设计方案。它通常包含两条平行的拓扑超导纳米线（各自两端都有Majorana零模，合计四个MZM），再通过一条平凡超导线相互连接，从而形成一个可用来编码单个量子比特的结构。由于每个tetron需要四个Majorana模式（英文中“四”对应“tetra-”前缀），因此得名“tetron”。通过操控和测量这些Majorana模式之间的奇偶性，可以实现量子信息的存储和逻辑操作。
“量子计算机教会AI大自然的语言”
纳德拉如此兴奋，他写了一篇长长的推文，称“这不仅仅是炒作科技，而是构建真正服务于世界的技术”。
实现了单个芯片上拥有一百万量子比特，就可以利用量子力学以极高的精度，从数学上模拟自然行为，如化学反应、分子相互作用和酶能量，这些对于当今的经典计算机来说是无法准确计算的。微软认为，量子计算可以解决现实中的一些问题：
例如，它们可以帮助解决一个艰难的化学问题——为什么材料会腐蚀或产生裂纹。这有望催生出自我修复的材料，能够修补桥梁或飞机零件上的裂痕、破碎的手机屏幕或划伤的车门。
由于塑料种类繁多，目前还无法找到一种通用催化剂来分解所有塑料——这对于清理微塑料和应对碳污染尤其重要。量子计算可以精确计算出这些催化剂的性质，从而分解污染物生成有价值的副产品，或者一开始就开发出无毒的替代品。
此外，借助量子计算对酶等生物催化剂行为的精准预测，这类催化剂在医疗和农业领域的应用可以更加高效。这可能带来突破性进展，帮助解决全球饥饿问题——无论是通过提升土壤肥力增加农作物产量，还是在恶劣气候下实现食品的可持续生长。
最关键的是，量子计算将使工程师、科学家和企业能够在第一次设计时就做到尽善尽美，这将彻底变革从医疗到产品开发的各个领域。结合人工智能工具的量子计算，可以让人们用简单的语言描述所希望创造的新材料或分子，并立即获得可行的方案——无需猜测或长时间试错。
“任何制造产品的公司都可以一次性设计出完美的方案，计算机会直接给出答案，”微软技术院士马蒂亚斯·特罗耶（MatthiasTroyer）认为。“量子计算机教会了人工智能大自然的语言，使得人工智能能够直接告诉你如何调配出你想要的产品。”
