量子芯片，准备好了

新南威尔士大学悉尼纳米技术初创公司 Diraq 已证明其量子芯片不仅仅是实验室完美的原型 - 它们还可以在实际生产中保持稳定，保持量子计算机可行所需的 99% 的准确度。

Diraq 和 imec 证明，硅量子芯片不仅在实验室中，在实际芯片制造中也能保持 99% 的准确率。这一里程碑为实现经济实惠、大规模、容错的量子计算机开辟了一条清晰的道路。图片来源：Shutterstock

作为硅基量子计算领域的先驱企业，Diraq长期聚焦硅材料在量子计算领域的应用突破。此前，该公司已在新南威尔士大学实验室环境中，实现单量子比特运算99.9%的超高保真度，且验证了双量子比特逻辑门（量子计算机的核心基础单元）的高性能。但量子计算领域长期存在一个关键瓶颈：实验室环境下的量子比特保真度难以在工业化制造场景中复现——半导体代工厂的生产流程、环境参数与实验室精密控制条件存在差异，可能导致量子芯片的量子态稳定性下降，进而影响运算准确性，而这正是制约量子计算机从“理论可行”走向“产业可用”的核心障碍。

为解决这一难题，Diraq与全球领先的半导体研发机构imec展开深度合作。imec在CMOS工艺（即互补金属氧化物半导体工艺，当前全球主流计算机芯片的制造技术）领域拥有数十年技术积累，其半导体生产线可模拟全球主流代工厂的标准化制造流程。此次合作中，Diraq提供硅量子芯片的核心设计方案，imec则基于成熟的CMOS工艺生产线完成芯片制造，整个过程严格遵循工业化量产的参数标准，未针对量子芯片进行特殊环境改造——这种“完全兼容现有产业体系”的研发模式，正是双方合作的核心创新点。

实验数据显示，通过imec生产线制造的硅量子芯片，在双量子比特运算中实现了超过99%的保真度，与Diraq在实验室环境下的测试结果基本一致。这一结果具有三重突破性意义：其一，首次证实硅量子比特的高性能可在工业化制造中稳定复现，打破“实验室原型无法量产”的技术认知；其二，99%的双量子比特保真度达到美国国防高级研究计划局（DARPA）主导的“量子基准测试计划”设定的关键指标——该计划集结了包括Diraq在内的18家全球顶尖量子技术企业，旨在定义量子计算机实用化的核心标准，而双量子比特运算保真度正是评估量子芯片能否支撑复杂计算任务的核心参数；其三，验证了CMOS工艺在量子芯片制造中的可行性，意味着未来可直接依托全球价值数万亿美元的微芯片产业体系，实现量子芯片的规模化生产，大幅降低制造成本。

“此前行业内始终存在一个疑问：实验室里的高保真量子处理器，能否在真实的制造环境中保持性能？现在我们给出了明确答案。”新南威尔士大学工程学教授、Diraq创始人兼首席执行官Andrew Dzurak表示，Diraq的硅量子芯片设计与现有半导体制造工艺完全兼容，这一特性让量子芯片的大规模量产具备了商业可行性。他进一步解释，实用级量子计算机需要同时操控数百万个量子比特以抵消量子态的脆弱性——量子比特的量子态极易受温度、电磁干扰等环境因素影响，一旦出现误差，若没有足够数量的量子比特进行纠错，整个计算任务将面临失败。而传统量子芯片制造多依赖特殊工艺，不仅成本高昂，且难以实现大规模集成，硅材料的优势正在于此：它既能像传统计算机芯片一样，通过成熟工艺将数百万个量子比特封装到单块芯片上，又能与现有微芯片产业链无缝衔接，复用数十年来半导体行业积累的制造经验与设备资源。

事实上，硅材料近年来已逐渐成为量子计算领域的“潜力股”。与超导量子比特、离子阱量子比特等其他技术路线相比，硅量子比特在集成度与成本控制上具备显著优势——超导量子比特需要在接近绝对零度（约-273℃）的环境下运行，制冷设备成本极高；离子阱量子比特则面临集成度低的问题，难以实现大规模扩展。而硅量子比特可在相对温和的低温环境（约-269℃）下工作，且依托CMOS工艺，能够实现更高密度的量子比特集成。此前Diraq已证实，其实验室制造的硅量子比特可实现单量子比特99.9%的运算准确率，但双量子比特运算的工业化验证仍是空白——此次与imec的合作，恰好填补了这一关键技术缺口。

对于量子计算产业而言，此次成果的意义远不止于技术突破。当前，全球量子计算研发正处于从“原型机”向“实用机”过渡的关键阶段，而“实用规模”的核心定义之一，便是量子计算机的商业价值能够覆盖其运营成本。Dzurak教授指出，实现这一目标的前提，是找到“大规模生产高保真量子比特的商业可行路径”。此次Diraq与imec的合作，证明了硅基量子芯片可依托成熟半导体产业链实现量产，这意味着未来量子计算机的制造成本将大幅降低，同时量子比特的集成度与稳定性将持续提升，为金融建模、药物研发、材料设计等需要海量算力的领域提供新的解决方案——例如，在药物研发中，量子计算机可快速模拟分子间的复杂相互作用，大幅缩短新药研发周期；在能源领域，可通过精准计算优化电池材料结构，提升能源存储效率。