第217章 量子晶片（1/2）

量子实验室正式运营的第一百八十天，沈一鸣把第八版测试报告放在左城桌上。

报告第一页结论栏只有两个字。失败。

不是方案失败，是路线走不通。超导量子比特相干时间卡在八十微秒，反覆优化了六轮，最多推到九十三。纠错码开销率十六比一，意味著每保护一个逻辑量子比特需要消耗十六个物理量子比特。按这个比例，要做出七十二个逻辑量子比特的稳定运算，至少需要一千一百五十二个物理量子比特。

而全球最高水平的ib才刚突破一千个物理量子比特门槛。以402的產能，做到这个规模至少要三年。

左城看完报告，说：“拓扑路线呢。“

沈一鸣翻到后面几页。“更糟。马约拉纳零模的信號被热噪声完全淹没了。我们在零下两百七十二度的环境下做了七轮实验，最好的信噪比也只有两分贝，远低於可读取閾值。“

左城沉默了一会儿。然后他打开了系统面板。

文明感知在量子方向的光柱依然微弱，但六个月的研究积累了大量数据。他调用扫描功能，把全球所有量子计算方向的专利、论文、实验数据全部拉了出来。上百个实验室，数千篇论文，数万条实验记录，在他的意识中同时展开。

绝大多数都是死路。超导路线表面码纠错的极限差不多到了，ib花了三年把错误率从百分之一点二推到百分之零点九，再往下推需要全新的材料和工艺。

但有两条路不一样。

第一条是芬兰某大学实验室的论文，发在物理评论快报上，引用量很低。他们发现拓扑量子比特的弱信號可以通过人工智慧算法增强，在模擬中把信噪比从两分贝提升到七分贝。论文被审稿人评价为理论上有趣，但在实际噪声环境下实现几乎不可能。

第二条更隱蔽，藏在谷歌量子团队內部一篇技术备忘录里，从未公开发表。他们发现量子態的读取信號和通信系统中的多径衰落信道在数学建模上高度相似，用自適应均衡器可以显著改善读取错误率。但谷歌的ai团队和量子团队从未合作过，备忘录就此搁置。

左城把两条线索並在一起。然后他知道该怎么做了。

科技融合。

他在系统面板上启动了这个能力。三条叶片被选中。ai枝干的深度学习框架，通信工程枝干的智能自適应调製系统，万物互联枝干的梯度稀疏化压缩。三条来自不同枝干的叶片，在科技树的主干上开始融合。

积分消耗了五分，从六百二十二降到六百一十七。

融合结果在意识中成形。深度学习的自適应滤波器可以直接作用於拓扑量子比特的弱信號，调製的多径均衡算法可以重新表述为量子態读取的纠错算法。两条表面上完全不相干的线索，在融合的瞬间变成了同一件事。

自適应量子纠错算法。

左城从系统面板回过神，把所有技术细节写进文档。从算法框架到物理实现，从噪声建模到信號提取，每个环节都附了完整推导和验证方案。文档一共四十七页。

他把文档发给沈一鸣。標题一行字。

拓扑路线。信噪比从两分贝到十二分贝。

沈一鸣当天下午衝进了左城办公室。手里拿著那四十七页文档，但说话之前先在门口站了三秒钟。他的表情不是惊喜，是大脑被击中之后还没回过神的状態。

本章未完，点击下一页继续阅读。