要理解这项研究的利害关系，必须首先了解其试图预测的那台机器的本质。量子计算机不仅仅是目前我们使用的笔记本电脑的快速版本；它们是利用亚原子世界的奇特规则来解决那些普通机器需要花费数千年才能破解的问题的设备。在这些著名问题中，最引人注目的便是破解保护全球银行、政府机密和私人通信的加密技术。为了实现这一目标，量子计算机必须具备“容错性”，这意味着它在运行时能够纠正自身的错误。这些机器尚未建成，但各国政府和安全机构已经在为它们的到来做准备。它们需要知道量子计算机何时会强大到足以破解当前的密码，以便能及时切换到新的、不可破解的密码。这种规划依赖于对一台此类机器需要多少物理组件（即量子比特）的估算。多年来，这些估算一直被报告为一个单一且精确的数字，仿佛未来是一个固定的终点，而非一个充满可能性的图景。
一组研究人员现在对这种确定性提出了挑战。他们建立了一种看待这些估算的新方法，这种方法将硬件中的未知因素视为一个需要测量的可能性范围，而非可以忽略的固定值。他们不再问：“如果一切进展顺利，需要多少个量子比特？”而是问：“考虑到目前我们在实验室中实际测量到的情况，需要多少个量子比特？”研究人员提取了五块由主要公司制造的最大型量子芯片的实际错误率，并将这些现实世界的数字输入到他们的模型中。他们发现，当你使用当前硬件那种混乱、不完美的现实，而非理想化、乐观的假设时，情况会发生剧变。所需组件的数量不仅是小幅上升，而是呈爆炸式增长。可能结果的范围变得如此之宽，以至于单一的数字变得毫无意义。对于像破解标准 2048 位加密代码这样的任务，所需组件的数量可能比最常见的估算值高出或低出四十倍，而最可能的结果则比标准猜测值高出近五倍。
该研究还揭示了用于进行这些预测的工具之间存在着隐形的歧见。研究人员将同一组现实世界的数据运行在五种不同的计算方法上，其中包括两种行业内流行的软件工具。尽管这些工具由不同团队开发并使用不同的内部逻辑，但它们之间的共识仅在约百分之十的微小误差范围内。然而，当与所有五种方法的完整结果分布进行比较时，它们之间的分歧却达到了两倍之多。这意味着，即使你选择了最流行的工具，你也可能遗漏了一个巨大的不确定性层面，仅仅是因为该工具本身是基于一套可能并不符合现实的特定假设而构建的。研究人员表明，这种不确定性并非一个小细节，而是该领域的一个结构性特征，而单一数字的报告完全掩盖了这一点。
或许最令人震惊的发现是，行业中使用的标准工具往往根本无法处理来自真实硬件的数据。当研究人员将实验室中测得的实际错误率输入到这些流行软件工具中时，这些工具在绝大多数场景下都无法产生答案。对于破解加密任务，一种工具在超过 80% 的现实错误率情况下无法计算结果，而另一种工具在近 95% 的情况下都会失效。在一种极端情况下，破解特定类型加密所需的运算量如此巨大，以至于导致软件的计数器溢出，导致计算彻底崩溃。这表明，当前一代的规划工具是为并不存在的完美世界而校准的。它们是为乐观的假设而设计的，一旦面对当今机器的实际表现，就会直接崩溃。
研究人员不仅指出了这些问题，还建立了一个框架来衡量它们，并测试了他们自己的方法以确保其可靠性。他们使用了预注册计划，这意味着他们在开始分析数据之前就确定了具体的分析方式，从而防止了他们为了让结果看起来更好而进行“挑选数据”的行为。他们的分析证实，他们发现的广泛范围是真实的，而非仅仅是由于数学计算错误导致的。他们还根据历史硬件测量数据检查了他们的预测，发现他们的方法正确地捕捉到了不确定性的核心因素：即机器基础操作的错误率。研究结论指出，对于任何需要做出何时切换到新安全系统这类关键决策的人来说，依赖单一数字是危险的。诚实的答案不是图表上的一个点，而是一个承认“我们所期望的”与“我们实际构建出的”之间存在差距的宽广区间。在这些工具能够代表现实世界完整性能范围之前，功能强大的量子计算机到来的时间线，仍比那些乐观的头条新闻所暗示的要更加不确定。
技术摘要：基于证据的容错量子资源评估中的不确定性研究
问题陈述
目前的容错量子资源评估几乎普遍以单点值（例如，特定的物理比特数或运行时间）的形式进行报告。这些评估依赖于具有高度不确定性的硬件参数——其中最关键的是物理双比特门错误率——以及存在分歧的成本模型。社区的规划惯例通常将错误率固定在 10−3。然而，大型阵列超导器件（如 Google Willow、IBM Heron、USTC Zuchongzhi-3）已展示出中值错误率接近 4×10−3。
本文指出，单数值估计无法捕捉到两个关键现实：
- 参数不确定性（Parametric Uncertainty）： 乐观的规划惯例（10−3）与实测硬件性能（≈4×10−3）之间的差距并未被传播到最终的资源数量中。
- 结构不确定性（Structural Uncertainty）： 不同的成本模型（解析缩放、晶格手术、第三方工具）对于相同的输入会产生不同的结果，而点估计掩盖了这种差异。
因此，关于后量子密码迁移和量子优势主张的决策者，正依赖于既可能存在系统性偏差、又缺乏不确定性量化的评估结果。
方法论
作者开发了一个开放且与工具无关的框架，用于将基于证据的先验概率传播到多个资源评估器中。该方法由四个主要部分组成：
- 基于证据的先验库： 该框架并非假设固定值，而是从已发表的实验测量数据中构建先验分布。对于主导参数（物理双比特门错误率），通过对五个大型阵列超导器件和一个小规模通量量子比特（fluxonium）器件进行加权极大似然拟合，构建了一个对数正态分布。该先验的中值为 4.0×10−3，是传统规划值的四倍。其他参数（循环时间、工厂吞吐量、路由开销、解码器反应时间）也同样根据可用数据进行了拟合。
- 工具无关的不确定性传播： 该框架使用逆变换采样（蒙特卡洛、拉丁超立方采样、Sobol 序列）从先验分布中抽取参数向量。这些向量被输入到五个不同的表面码成本模型中：
- 三个透明的解析/瓷砖计数模型（基于 Fowler 等人、Litinski 以及 Fowler/Gidney 的构造）。
- 两个第三方评估器：Azure Quantum 资源评估器 (QRE) 和 Qualtran（实现了 Gidney/Fowler 的魔术态成本）。
- 框架会记录“截断”（censored）抽样，即工具无法计算估计值的场景（例如，由于代码距离上限或工厂错误预算限制）。
- 敏感性分析： 为了将输出方差归因于特定输入，作者采用了 Shapley 效应（处理相关输入）以及 Sobol 指数。这有助于识别哪些参数驱动了资源区间的宽度。
- 预注册评估： 本研究采用了一种在确认性运行前完成注册的三层协议：
- 第一层： 针对闭式基准测试（closed-form benchmarks）进行数值正确性传播验证。
- 第二层： 通过留一源验证（leave-one-source-out validation）进行先验预测覆盖度测试。
- 第三层： 回溯性后验检验（探索性），测试从早期数据拟合的先验是否包含了后期的测量值。
关键结果
将该框架应用于超导表面码架构下的典型工作负载（RSA-2048、ECC-256、AES-256 以及 Hubbard 模型模拟），得到了三个耦合的发现：
- 参数不确定性巨大： 当传播基于证据的错误率先验（median≈4×10−3）时，90% 的物理比特资源区间跨度约为 40 倍（95 分位数与 5 分位数的比值）。该分布的中值大约比基于 10−3 计算的传统点估计高出 4.6 倍。对于 RSA-2048，区间范围在 2.86×107 到 1.18×109 个物理比特之间。
- 结构性分歧是真实存在的： 在五个独立结构的成本模型中，对于匹配的输入，中值资源估计存在稳定的两倍差距。值得注意的是，两个第三方工具（Azure QRE 和 Qualtran）彼此之间的差异在 ~10% 以内，且两者都落在透明解析模型所设定的范围内。这证实了模型形式不确定性是一个结构性特征，而非单一工具的伪影。
- 标准评估器无法表示实测错误率： 大部分基于证据的参数空间位于标准工具的“可表示包络线”之外。
- 对于 RSA-2048，Azure 评估器截断了 81% 的抽样，Qualtran 截断了 95%。
- 对于 ECC-256，截断比例分别为 87% 和 99.7%。
- 对于 AES-256，两种工具均 100% 截断；其门计数（6×1043）也超过了 Azure 评估器的 64 位整数计数器。
- 这些工具失效的原因在于其默认配置（例如，Azure 的代码距离上限为 50，Qualtran 的固定工厂错误预算）是为 10−3 惯例而调优的，无法容纳实际演示的高错误率。
意义与主张
本文声称其主要贡献不在于提出新的统计方法（不确定性机制是标准的），而在于基于证据的应用这些方法于容错资源评估。
- 评估而非断言： 本研究提供了一个预注册、经过评估的框架，它生成的是区间而非点估计。作者证明了主导参数（错误率）在其估计量内是经过良好校准的（层级 2 的覆盖度在敏感性加权指标下达到 ~99%）。
- 标准工具的崩溃： 最具影响力的发现是，标准评估器“恰好在硬件运行的地方崩溃”。在实测错误率下，典型工作负载往往落在当前工具无法表示的区域，而这一事实被乐观的 10−3 惯例完全掩盖了。
- 对决策的影响： 对于正在评估向后量子密码迁移时机的利益相关者而言，“乐观惯例”具有误导性。真实的资源成本不仅更高（中值高出 4.6 倍），而且极具不确定性（40 倍区间）。此外，模型之间的两倍差距意味着任何单一工具的估计都携带了一个隐藏的结构性不确定性带。
作者总结道，资源估计应当以区间形式报告，并附带工具无法表示的参数空间比例，而非仅仅提供单点数值。该框架旨在作为一个“活的估计”，随着硬件证据库的增长和错误率的改善进行重新拟合。
每周获取最佳 quantum physics 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。