Google 表示，旗下 Willow 量子晶片透過「魔態培育」技術製備一種特殊量子態，相較未經培育的量子態，錯誤率降低約 40 倍。這種特殊量子態是執行進階量子運算所需的資源，這項成果也緩解了未來量子電腦破解比特幣錢包所面臨的其中一項硬體瓶頸。
這項研究於 10 月 15 日發表在《Science》期刊。《CoinDesk》指出，這項研究觸及比特幣量子安全討論中很少被提及的問題：過去的討論多聚焦於攻擊者需要多大規模的量子電腦，卻低估了這台量子電腦有多少硬體必須專門用來持續製備運算所需的特殊量子態。
降低量子運算成本的關鍵：特殊量子態製備
量子電腦以量子位元（qubit）儲存資訊，但量子位元非常脆弱，容易受到熱、振動及雜散訊號干擾而產生錯誤，而且數量越多，出錯的機會也越多。為了解決這個問題，工程師會將多個實體量子位元組成群組，透過錯誤偵測與修正機制，建立更可靠的運算單位，稱為邏輯量子位元（logical qubit）。
這些邏輯量子位元要執行部分運算，還需要一種研究人員稱為「魔態」（magic states）的特殊量子態，作用就像燃料。魔態在使用時會被消耗，量子電腦必須在整個計算過程中持續製備。可以把它想像成一家餐廳的廚房：每一道料理都需要一批無法重複使用的新鮮醬料，因此必須安排部分員工持續製作醬料，其他員工才能負責烹調。在量子電腦中，專門用來製備魔態的硬體，就無法同時投入其他工作。
Google 指出，研究人員早在 2004 年就預見這項難題，部分估算甚至顯示，量子電腦最多可能需要投入 95% 的整體資源來製備魔態，幾乎沒有餘裕執行實際計算。
Google 採用的「魔態培育」（magic state cultivation）方法，會先製備品質較粗糙的量子態，再檢查其中是否有錯誤，並淘汰不合格的結果，目標是以比過去方法更少的硬體，產生更純淨的魔態。實驗中的保真度（fidelity）創下 99.99% 的紀錄，這項指標用來衡量實際製備結果與研究人員預期狀態的接近程度，但只適用於通過檢查的量子態。
在製備及測量過程中，Willow 經過檢查後約只保留 8% 的嘗試。下一步，研究團隊將以更大規模執行這項流程，並確保這些量子態投入更長時間的運算時依然可用；研究人員也指出，未來還需要改善即時運作能力，並將這些量子態整合進更強大的錯誤修正架構。
為什麼早期比特幣讓攻擊者有更多準備時間？
比特幣錢包使用私鑰授權交易，並透過對應的公鑰讓網路驗證交易簽章。公鑰通常會在使用者花費比特幣時曝光，部分交易格式則會在一開始就公開；最早期的部分比特幣，公鑰更是從挖礦時就已公開。若未來出現規模足夠大、能執行 Shor 演算法的量子電腦，理論上就能從公鑰反推出私鑰，進而冒充持有者簽署交易，且會被比特幣網路視為有效。這項演算法由數學家 Peter Shor 於 1994 年提出，但至今仍沒有人能實際展示這類破解。
由於攻擊者利用的是區塊鏈上已公開的資訊，即使使用者將助記詞鎖在實體抽屜中，也無法防範這類攻擊。較新的交易格式會透過雜湊值隱藏公鑰，攻擊者必須等到公鑰曝光，而且可能需要搶在交易完成前推算出私鑰。已遺失私鑰的比特幣則是另一個難題：即使比特幣網路未來導入更強的交易安全機制，持有者沒有原有私鑰，就無法將資產轉移至受保護的錢包，已公開的公鑰也將持續暴露在風險中。
隨著量子運算的討論升溫，近期也有部分長期未移動的比特幣重新轉移，例如 10 月 7 日一筆自 2010 年 7 月以來未曾移動的 100.02 枚比特幣，價值約 850 萬美元。不過，這類交易並不能證明持有者是因為擔憂量子攻擊才移動資產，也可能只是更換錢包、重新整理持有部位，或準備出售。
與先前研究相比，這項突破代表什麼？
Google 今年 3 月曾估計，在特定硬體假設下，未來使用不到 50 萬個實體量子位元的超導量子電腦，就可能破解比特幣與以太坊錢包所使用的加密機制。《CoinDesk》9 月也曾報導，研究人員降低了這類攻擊中一項核心計算的工作量，但該研究只涵蓋攻擊流程中的單一環節，並未納入完整攻擊過程，以及實際執行攻擊所需的硬體成本。
《CoinDesk》分析，這些研究減少的是攻擊者必須完成的運算量，魔態培育技術處理的，則是量子電腦在執行這些運算時的資源供應成本，兩者的成果不能直接相乘。由於 Google 3 月的估算本來就已假設量子電腦能有效率地製備魔態，此次實驗驗證的只是其中一部分工程方法，而不是讓比特幣的破解成本在原有估算上再降低 40 倍。
這份 3 月的研究也顯示了量子攻擊需要消耗多少魔態。以其中一種模擬情境為例，若攻擊者要在取得公鑰後約 9 分鐘內完成攻擊，量子電腦每秒就必須產生約 50 萬個足夠可靠的魔態。
【推薦閱讀】
◆ AI 投資熱潮暗藏風險：IMF 估若生產力落空，美股恐跌 20%、全球產出 2028 年少 1.1%
＊本文開放合作夥伴轉載，資料來源：《CoinDesk》、Google，圖片來源：Google。
