诺贝尔物理学奖得主：改变一切的量子跃迁——John Martinis
摘要
Martinis 与诺贝尔奖相关的实验之所以有价值，不只是因为它完成了证明，更因为它奠定了超导量子计算这一领域的基础。 他在1985/86年完成的电路实验显示，一个包含数十亿电子的宏观电气对象也能呈现离散的量子行为；Google后来沿着这一路线扩展，在2019年完成了53量子比特的“量子霸权”演示。他判断真正突破的标准是，它是否能带来“其他实验、其他论文和其他发明”。
商业化鸿沟残酷地体现在数字上：今天可控的超导系统大约有50-100个量子比特，而通用机器可能需要约100万个。 量子比特在噪声抹去记忆前，或许只能完成100次、1,000次或几千次操作，因此必须持续进行量子纠错。Martinis 说：“一百万是个好用的整数”；实用机器既要大得多，也要干净得多。
Martinis 的公司目标是在大约8-10年内做出有实际意义的成果，同时也承认，行业已经“预测10年”有一阵子了。 现有机器能够运行真实算法并产出可发表的实验，但仅仅声称计算任务很难，并不能让它们具备经济价值。他直言“炒作多于现实”，因此这个预测仍取决于制造和噪声瓶颈能否被解决。
扩展路线的核心是工业化制造，而不是实验室里又一个量子比特里程碑。 Martinis 的公司正与 Applied Materials、Synopsys、Hewlett Packard Enterprise 及理论初创公司合作，转向现代300 mm半导体工艺，目标是实现类似GPU的成本和质量。如果这次制造跃迁成功，他相信“我们可以非常快地扩展规模”。
Martinis 认为中国团队在技术上已接近同一水平，并担心中国当局可能会限制论文发表，直到西方出现可比结果。 他说，复现Google量子霸权实验的中国团队“知道自己在做什么”；Google发布明显改进的结果后，中国很快就释放出性能相近的信号。他提出的制造业优势，是获得中国尚无的先进制造设备和工艺，包括某些300 mm设备。
AI 可能帮助量子计算，但 Martinis 不接受它可以替代高质量硬件和清晰控制这一说法。 他认为AI可以用于建模、量子纠错解码以及量子-AI混合算法，但仍然“有点老派”：制造出来的硬件噪声过大，软件再强也无法把它挽救成出色性能。近期重点是工艺工程、材料、控制和纠错，而不是假定AI存在捷径。
精读
1. 从车库动手造东西，到把 Leggett 的问题变成实验
Martinis 将自己的实验直觉追溯到San Pedro：他的消防员父亲没有读完高中，却是“一个非常聪明的人”，总是在车库里做各种项目。物理学之所以让他着迷，是因为他看到动手实践的世界背后有数学规律；在UC Berkeley，导师John Clarke让他接触到电气器件中的量子行为。
Anthony Leggett 提出的关键问题是：“宏观物体是否遵循量子力学？”候选对象是一条包含数十亿电子和原子的电路，其集体电流和电压可以检验：量子规律是否也适用于那些理论最初针对的微观构成之外的宏观对象。
Friedberg 将微观物体描述为概率分布，而不是沿着预定轨迹运动的点。Martinis 进一步用原子把这个想法讲清楚：按照经典力学，吸引力会把电子和原子核拉到一起，但电子是“模糊的”，是一个延展的波；它允许存在的驻波频率，决定了原子的大小和特征光谱。
Leggett 关于“薛定谔的猫”悖论的核心是经验性的：把猫视为可能同时处于生和死的状态，前提是宏观物体能够占据量子叠加态，但当时没有实验证明这一点。Martinis 看到的是一个异常深刻的博士论文题目：与其在哲学层面争论悖论，不如直接在电路中检验这个假设。
2. Josephson 电路让宏观量子行为变得可测
量子隧穿是最初提出的测试方案。粒子的波大多会被势垒反射，但有一小部分可能出现在势垒另一侧——“就像穿墙一样”。这一效应已经应用于存储电路：电子会穿过只有10-20个原子厚的绝缘体；磁存储器也依赖隧道结。
人体实际上永远不可能穿过墙，因为必须同时有太多原子处在恰当的位置和动量上。电路改变了概率：在接近5 GHz的频率下，它可以“每秒尝试50亿次”跃迁，让一个原本极其罕见的宏观事件获得足够多次机会，最终变得可观测。
Martinis 解释说，在超导体中，“所有电子都凝聚到同一个状态”，集体运动而不会发生随机散射。Friedberg 儿时用液氮冷却超导圆盘、让磁铁悬浮的演示，让这种持续性变得直观；MRI磁体同样能让超导电流和磁场维持很长时间。
Josephson 结在两块超导体之间放置绝缘势垒，让Cooper pairs成对无损隧穿。与电容结合后，其非线性动能电感构成LC谐振器。决定性观察是离散的能量频率，类似钠灯特定的黄色谱线——这直接证明了宏观电路遵循量子力学。
3. 一个反常结果，变成了一套计算架构
这项工作大约发表于1985或1986年的Physical Review Letters，并引起广泛关注，包括Scientific American的一篇报道。但Martinisin回头看并不浪漫：证明宏观量子力学成立当然值得关注，但人们仍然会追问：“它有什么用？你接下来要做什么？”
在UC Santa Barbara的一次会议上，Richard Feynman在闭幕演讲中提出用量子力学进行计算。Martinis 承认自己没有听懂全部内容，但人群围住Feynman的场面让他确信，这是“最有意思的基础问题”。Peter Shor在1990年代初提出的因式分解算法，后来给出了一个具体问题。
Martinis 继续在法国Michel Devoret的团队中研究器件物理；在NIST工作时，David Wineland的团队就在走廊另一头。他还开展了电子计数和计量学实验。到了1990年代末，随着理论日渐成熟、美国政府资金开始出现，他决定“全押上去”。在UCSB，他的实验室从基础器件一路推进到五量子比特和九量子比特计算机。
Google提供了资金和团队连续性，这是学术界很难维持的复杂机器项目。2019年，Martinis 的团队发表了53量子比特的量子霸权实验，其数学输出更难由经典计算机模拟。他强调，这“并不实用”，但证明了量子计算机的能力，也证明它已经能在有意义的规模上运行。
4. 今天的机器已经能计算，但距离实用仍差着几个数量级
超导量子比特在概念上仍接近最初的实验：Josephson 结电感、电容，以及一个接近5 GHz的振荡器。微波脉冲改变其状态，读出电路进行测量，电容耦合则把多个这样的元件连接成阵列。
当前超导系统大约有50-100个完全受控的量子比特，已经能够运行真正复杂的算法。中性原子是“这个领域的新来者”，大规模阵列已经得到演示，但Martinis 说，它们的门操作仍需要更好的控制。
瓶颈在噪声。根据质量不同，量子比特在丢失记忆前可能完成大约100次、1,000次或几千次操作。Martinis 将其比作必须不断刷新的动态随机存取存储器，但这里的刷新依靠量子纠错，这会把通用系统推向约100万个量子比特。
被问及实用计算的时间表时，Martinis 说他的公司和许多其他团队都希望在未来8-10年内做出成果，同时立刻保留不确定性：人们已经预测10年“有一阵子了”。当前系统足以支持科学论文和实验，但“还没有大到真正有用的程度”。
5. Martinis 选择的扩展杠杆是制造，而不是AI
当被问到AI是否会像加速聚变或材料科学那样加速量子工程时，Martinis 的回答刻意克制：“可能会有”有用的建模应用、纠错解码和量子-AI混合算法。但硬件制造质量差、控制不清晰，无论软件多么复杂，都无法带来出色性能。
他的公司判断，关键技术瓶颈就在现有制造方法中。工艺一代代推进：从1985年的简单器件，到2000年前后的更复杂工作，再到2019年的量子霸权芯片；下一次跃迁，是采用现代300 mm半导体设备、标准工艺和新的工艺配方，目标是实现类似GPU的成本和质量。
中国让这件事更加紧迫。Martinis 说，复现Google量子霸权实验的研究人员理解背后的理论，也做出了“很好的结果”；Google发布另一个明显改进的结果后，中国团队很快就释放出接近同等性能的信号。Friedberg 说，他听到过同样的担忧：中国当局可能会阻止论文发表，直到西方媒体披露可比结果。
Martinis 认为，获得先进制造能力可能构成一种防御性优势，因为他们计划使用的300 mm设备，据他说在中国无法获得。他的联盟包括Applied Materials、Synopsys设计工具、Hewlett Packard Enterprise和理论初创公司。这个赌注是，工业工程能够带来“巨大跃升”，同时帮助守住他们的领先地位。
6. 影响力，而非新奇性，让80年代的结果成为诺奖故事
Martinis 通过后续影响衡量这项实验的重要性：如今有1,000名、或许几千名研究人员在开发超导量子计算机，也有公司在销售机器或机器使用时间。这个领域还推动了材料、制造、控制系统和测量等方向的进步——他称之为美丽的“工程与物理”。
Martinis 说，他和Michel Devoret等同事曾参加诺贝尔研讨会，组织者会评估这个领域的活力，以及潜在获奖者能否做一场有分量的代表性演讲。他明白自己正在被考虑，但强调，仅仅收到邀请本身就已经是极大的荣誉。
早些年的诺奖公布日，他曾短暂失望；后来他开始不喜欢这种心态，因为仅仅进入考察范围就已经非同寻常。今年他忘了公布日期，妻子接到了凌晨3:00的电话，但让他一直睡到5:30，免得6:00到场的记者来时他心情不好。
离开公司后，Martinis 仍然被仪器制造者吸引。他特别提到Ben Mazin为系外行星搜索开发的超导探测器，这与Martinis在1990年代帮助奠定的工作有关。从车库项目到量子处理器，这种吸引力始终如一：“我喜欢制造仪器”，尤其是在更好的设备能够打开新的观测领域时。