主要观点总结
微软宣布创造了创纪录的12个逻辑量子比特，实现了端到端量子+AI+云化学分子的模拟，标志着人类进入量子计算新时代。通过改进Quantinuum领先的量子计算机H2，微软展示了逻辑量子比特在量子计算中的优势。此外，他们还将所有12个逻辑量子比特纠缠在一个复杂状态中，实现了更深入的量子计算和更高的电路错误率。这项成果在Azure Quantum计算平台上完成，并利用离子阱硬件实现了逻辑量子比特的规模化计算。此外，微软还展示了首个端到端的化学模拟，将云HPC、AI和量子计算结合，以解决科学问题。
关键观点总结
关键观点1: 微软创造了创纪录的12个逻辑量子比特
微软通过改进Quantinuum领先的量子计算机H2，实现了数量最多、保真度最高的量子纠缠比特，仅用了不到三个月的时间便将可靠的逻辑量子比特数增加了三倍。
关键观点2: 逻辑量子比特与物理量子比特的电路错误率对比
当所有12个逻辑量子比特纠缠在一起时，它们的电路错误率相较于对应的物理量子比特提高了22倍。微软通过扩展微软纠错算法并对H2进行优化，实现了这一成果。
关键观点3: 首个端到端化学模拟的实现
微软通过结合云HPC、AI和量子计算技术，展示了端到端的化学模拟。他们使用AutoCAS和AutoRXN进行高性能计算（HPC）模拟，识别催化剂的活性空间和反应途径。然后利用逻辑量子比特模拟活性空间的量子行为，最终利用测量结果训练AI模型，了解分子的量子性质。
关键观点4: 微软在量子计算方面的目标
微软希望通过Azure Quantum计算平台提供可靠的量子计算服务，释放科学潜能以应对世界最紧迫的挑战。他们希望通过混合量子应用程序来解决实际问题，并在可持续能源方案、生命治疗方法等领域取得突破。
正文
【新智元导读】
微软宣布了创纪录的12个纠缠逻辑量子比特，首次实现了端到端量子+AI+云化学分子的模拟。这一创举，意味着人类已经进入量子计算新纪元。
刚刚，微软官宣创造了有史以来，记录中性能最佳的「逻辑量子比特」——12个。
这是通过改进Quantinuum领先的量子计算机H2（56物理量子比特），才取得如今这一突破性的进展。
仅用了不到3个月的时间，他们便将可靠的逻辑量子比特数，增加了3倍。
此外，将所有12个逻辑量子比特纠缠在一个复杂状态中，进行「更深层次」的量子计算时，相较于对应的物理量子比特，电路错误率提高了22倍。
这些结果，均在Azure Quantum计算平台上完成，并利用离子阱硬件实现了逻辑量子比特的规模化计算。
AI可以处理大规模数据，量子可以实现复杂计算和精度更高结果，直接研发过程从几年时间，压缩至短短几天。
未来，可扩展量子计算将为科学发现铺平道路，特别是在化学、物理和生命科学领域。
与此同时，微软还宣布与Atom计算联手打造世界上最强大的计算机，下一步实现1000+高性能的逻辑量子比特。
有网友称，如果有了充足的能源，从量子计算角度来看，计算成本将降至0（特别是对于训练AI模型）。到了那时，Scaling Law就真的终结了。
微软和Quantinuum创世之举的实现，离不开两个关键要素：
一个是Azure Quantum量子比特虚拟化平台，另一个是H2离子阱量子计算机。
3个月，数量增加3倍
今年4月，微软和Quantinuum曾联手将量子比特虚拟化系统，应用与H系列离子阱捕获量子比特。
没想到，他们在H2上从30个物理量子比特中，创建了4个逻辑量子比特，创下当时新纪录。
而且，其逻辑层面的错误率比物理错误率，要强800倍。
而现在，微软通过扩展微软纠错算法，并对H2进行优化。由此，改进后的H2量子计算机，实现了56个量子比特，双量子比特保真度为99.8%。
在此基础上，团队解锁了12个高度可靠的逻辑量子比特。
此前，在贝尔态（Bell state）准备中，他们将两个逻辑量子比特纠缠在一起。
而在这项研究中，所有的12个逻辑量子比特，以更复杂的排列纠缠，可以称为CAT态，或Greenberger-Horne-Zeilinger（GHZ）。
当这些逻辑量子比特纠缠在一起时，它们的电路错误率为0.0011。
这要比相应的物理量子比特的电路错误率（0.024），提升了22倍。
为了进一步验证，研究人员进行了几个使用改进的逻辑量子比特容错型计算。
此外，8个逻辑量子比特被用在纠错过程中，执行容错型计算，成功展现了逻辑纠缠操作与多轮量子纠错的结合。
它们的电路错误率为0.002，相较于相应的物理量子比特，提高了11倍。
这也是微软首次展示，计算和纠错结合的强大优势，并且逻辑量子比特能够可靠执行更加深入的量子计算，进而为容错量子计算铺平了道路。
对此，研究人员开展了端到端化学模拟，将云HPC、AI、高可靠性量子计算结合，创造了一个混合式工作流。
论文地址：https://arxiv.org/pdf/2409.05835
在量子计算中，2个逻辑量子比特（通过量子比特虚拟化系统和H1创建），用于构建一个重要催化中间体的活性空间基态，再进行测量
图1 首次通过AutoRXN预测的P-N-N-P铁催化剂反应途径，这些途径对反应产物功能具有显著影响
然后，再将测量结果交由AI，估算活性空间的基态能量。
这是首次将HPC、AI和量子计算硬件结合，来解决科学问题。
接下来，具体阐述微软如何通过这样一个混合工作流，完成在化学领域中的实际应用。
首先，研究团队在Azure Quantum Elements中，使用AutoCAS和AutoRXN进行高性能计算（HPC）模拟，分别识别催化剂的活性空间和反应途径。
然后，他们优化了用于自定义量子算法中的错误检测代码，以在两个逻辑量子比特上模拟活性空间的量子行为。
接着，使用了一种称为经典阴影的方法，测量逻辑量子比特，以生成经典数据。
这一方法利用测量结果，作为经典数据来训AI模型，进而了解分子的量子性质。
在然后，将这种「阴影数据」与AI模型结合，确定催化剂的化学性质，并估算达到化学精度的活性空间基态能量（图2）。
为了方便比较，研究人员对物理量子比特，也进行了类似的计算。
图2 使用物理量子比特和逻辑量子比特，估算活性空间基态能量时所达到准确性的比较图。逻辑量子比特计算产生更好的基态能量估算，可能性高达97%。化学精度限制在，以经典计算得出的真实基态能量1.6mHa以内
通过经典计算方法，得出催化剂活性空间的基态能量，最终评估基于混合量子和AI结果的准确性。
使用量子比特解决这个问题，并未展现出科学量子的优势，因为经典计算机也可得出。
然而，对于一些复杂化学问题，经典计算放大不太可能以高精度方法解决，因此量子计算机就是不二选择。
以上，便是整个化学模拟的全过程，这一概念得到验证，说明了两个问题：
- 首个使用量子计算、高性能计算（HPC）和AI来模拟和解决化学问题端到端工作流程演示。
- 量子力学问题以高度准确性得到解决。比起物理量子比特，逻辑量子比特基态能量估算更好。
这些成就展示了在科学量子优越性方面的持续进展，当量子-经典混合超级计算机能够解决，传统计算机无法单独解决的科学问题时，量子计算里程碑就实现了。
纳德拉曾公开表示，混合现实、人工智能和量子计算是未来数年「塑造」世界的三种开创性技术。
