15 października 2026 r. Google Quantum AI ogłosiło, że na 105-kubitowym nadprzewodzącym procesorze Willow zademonstrowało hodowanie stanów magicznych. Google podało, że metoda zmniejszyła błędy około 40 razy względem stanów niehodowanych. Szczegółowe pomiary opublikowano w preprincie z 15 grudnia 2025 r.: w pobliżu θ = π/4 prawdopodobieństwo błędu logicznego wynosiło 4,4(2) × 10⁻³ przy samej iniekcji oraz 1 × 10⁻⁴–2 × 10⁻⁴ w pełnym obwodzie z hodowaniem. Zachowano przy tym około 8% prób. Komunikat Google Quantum AI i preprint z wynikami opisują różne poziomy szczegółowości tego eksperymentu.
Jak działa hodowanie stanów magicznych?
Stan T to zasób kwantowy wykorzystywany do realizacji bramek nie-Cliffordowskich, potrzebnych w uniwersalnych obliczeniach odpornych na błędy. Hodowanie zaczyna się od wstrzyknięcia zaszumionego stanu. Następnie badacze wykonują odporne na błędy pomiary logiczne i stosują postselekcję: zachowują próby z pożądanym wynikiem, a odrzucają te z wykrytymi błędami lub niewłaściwym wynikiem. W eksperymencie Google zastosowało do tego kod kolorowy o odległości 3. Opis metody w pracy wyjaśnia też, że pomiary użyte w hodowaniu pozwoliły oszacować wierność stanu.
Google Quantum AI opublikowało anglojęzyczny film poświęcony hodowaniu stanów magicznych na Willow.
Mniejszy błąd, ale niewiele zachowanych prób
Dane z pracy dotyczą kąta θ = π/4. Pokazują prawdopodobieństwo błędu logicznego dla iniekcji bez hodowania oraz dla pełnego obwodu z hodowaniem; nie są to dwa pomiary tego samego obwodu w identycznym wariancie.
| Warunek eksperymentu | Prawdopodobieństwo błędu logicznego | Zakres pomiaru |
| Sama iniekcja, bez hodowania | 4,4(2) × 10⁻³ | W pobliżu θ = π/4 |
| Pełny obwód z hodowaniem | 1 × 10⁻⁴–2 × 10⁻⁴ | W pobliżu θ = π/4 |
Praca podaje również wierność stanu T równą 0,9999(1). To odrębna miara od prawdopodobieństwa błędu logicznego. Wysoka wierność dotyczy zachowanych wyników: przy θ = π/4 procedura zatrzymała około 8% prób, a pozostałe odrzuciła. W praktyce oznacza to, że poprawa jakości stanu wiąże się z koniecznością wykonania wielu prób, które nie przechodzą selekcji.
Od kodu kolorowego do powierzchniowego
Badacze opisali także zszycie kodów: hodowany stan przeniesiono z kodu kolorowego o odległości 3 do kodowania kodem powierzchniowym o odległości 5. Odległość kodu jest parametrem kodu korekcji błędów, a nie liczbą kubitów procesora. To demonstracja przejścia między dwoma kodami, a nie gotowa architektura obliczeń na dużą skalę.
Do dalszych prac autorzy zaliczają implementację bramek T w czasie rzeczywistym i wykorzystanie większych odległości kodu. Google wskazuje także na potrzebę demonstracji hodowania w większej skali oraz dalszych prac inżynieryjnych. Komunikat Google Quantum AI opisuje te kroki jako potrzebne do skalowania metody.
