谷歌量子 AI 團隊的研究方向之一是基于超導電子電路構建量子處理器，這是一種實現量子比特（qubits）的值得期待的候選方案。雖然超導電路可以容納數以十計的量子比特，在今年 3 月谷歌公布的 72 位量子比特處理器上已經展現了***的計算性能與可拓展性，但有一項突出的挑戰是如何穩定量子處理器的表現，實際上，處理器的性能會出現漲落，且無法預測。雖然我們已經在許多超導量子比特架構中觀察到了性能漲落，但研究人員們仍然尚未弄清它的來源，更不用說做出相應的改進來提升處理器性能的穩定性了。

這周的《物理評論通訊》期刊（Physical Review Letters）發表了谷歌量子 AI 團隊的論文《Fluctuations of Energy-Relaxation Times in Superconducting Qubits》，其中研究人員們把量子比特作為探測器，檢測它們所在的環境，最終發現性能漲落的支配因素是材料的缺陷。他們的試驗方法是探究量子比特的能量弛豫時間（energy relaxation times，T1），這是一種熱門的性能評價指標，它衡量的是一個量子比特從激發態回落到基態的能量弛豫過程經過的時間的長短。能量弛豫時間是操作頻率和時間的函數。

在 T1 的測量過程中，谷歌量子 AI 團隊發現某些量子比特的操作頻率要比其它量子比特顯著地差一些，形成了一些能量弛豫的危險區，如下圖。他們的研究表明，之所以會有這些危險區是由于材料的缺陷，這些缺陷自己形成了新的局部量子系統，當它們的頻率和量子比特的頻率有交疊（也就是形成共振）時，它們就會從量子比特中吸收能量。令人驚訝的是，他們還發現這些能量弛豫危險區不是固定的，在幾分鐘到幾小時的各種不同時間尺度中，危險區的分布也有所不同。根據這些觀測結果，谷歌量子 AI 團隊得出結論，正是材料缺陷在與量子比特之間產生、脫離共振的過程中的頻率動態特性對性能漲落造成了最為顯著的影響。

這些缺陷，一般被稱為二階系統，研究人員們普遍認為它們存在于超導電路的材料界面中。然而，即便經過了幾十年的研究，它們的顯微來源還是讓研究人員感到迷惑。在這項研究中，除了明確了量子比特性能漲落的原因之外，谷歌量子 AI 團隊采集到的數據也為揭示缺陷動態特性的物理原理帶來了曙光，這正是謎題的重要部分。有趣的是，根據熱力學定律，研究人員們即便知道這些缺陷的存在，本來也不認為它們會表現出任何動態特性。它們的能量要比量子處理器中使用的熱能高出一個數量級左右，所以在這時它們應當是被「凍住」的。現在發現它們其實并沒有被凍住，這說明它們表現出動態特性的原因可能是因為它們和其它缺陷之間產生了相互作用，這些作用的能量要低得的多，所以可以被量子處理器的熱能激活。

研究人員們以往認為這樣的材料缺陷是發生在原子尺度上的，要比量子比特小百萬倍。如今發現量子比特可以用于檢測單個這樣的材料缺陷，這也表明了量子比特是一種強有力的測量工具。顯然，對材料缺陷的研究可以幫助解決材料物理中的突出問題，可能同時還有些驚喜的是，它也會對提高如今的量子處理器的性能有直接的啟發。實際上，缺陷測量如今已經在谷歌量子 AI 團隊的處理器設計與制造中得到了實施，甚至用在了數學算法中，它會幫助處理器在運行過程中躲避缺陷。谷歌量子 AI 團隊希望這項研究可以啟發更多研究人員研究超導體電路中的材料缺陷問題。