我国科学家破解量子数据读写难题
一句话看懂：浙江大学团队首次在真实超导量子芯片上成功运行了量子随机存取存储器（QRAM）原型，实现了4位和8位数据的并行读取，准确率分别达81%和60%。这标志着QRAM从理论概念走向工程验证，为量子计算机摆脱“算得快、读得慢”的瓶颈迈出了关键一步。
事件核心：发生了什么
5月22日，《自然·物理》发表了浙江大学软件学院与宁波国际科创中心、浙江大学物理学院联合团队的突破成果。团队在自主研发的超导量子芯片上，构建并运行了可调取4位和8位数据的QRAM原型——这是全球首次在真实量子处理器上验证QRAM的完整工作流程。
QRAM的理论架构早在2008年就已提出，但一直因电路深度过大、量子态易失效而无法实机运行。团队耗时近四年，通过三项创新解决了这一难题：一是重构路由逻辑，使量子电路深度缩减30%以上；二是利用量子比特本身作为“原位监视器”，在路由出错时自动标记并过滤无效查询；三是借助量子隐形传态技术，在远距离量子比特之间建立“逻辑隧道”，将树状QRAM结构“平铺”到二维芯片上。
实验数据显示，4位和8位数据查询的准确率分别达到81%和60%，相比未优化方案提升超过40%。更重要的是，团队首次验证了该架构具备局部抗噪能力，证明即便在现有非完美量子硬件上，也能构建出可用的QRAM。
为什么重要
当前量子计算的瓶颈，正从“算得够不够快”转向“数据喂不喂得进去”。传统计算中，数据从内存到处理器的搬运速度远跟不上量子处理器的运算速度。QRAM利用量子叠加特性，可在同一时刻并行指向并调取多组数据，是打破这一“量子数据读写瓶颈”的关键基础元件。
这次突破的行业意义在于两点：其一，将QRAM从论文里的理想模型推进到可工程验证的原型阶段，为后续规模化（从8位到更大位数）提供了明确的路线图；其二，验证了现有超导量子芯片无需等到“完美无噪声”就能承载QRAM，降低了产业化的硬件门槛。对正在竞争量子计算落地的各国团队而言，谁先建成高效的QRAM，谁就更有可能在量子算法实用化上取得先行优势。
对用户/开发者/创作者的影响
对AI和科学计算领域的开发者和研究人员而言，这是一则值得关注的基础设施信号。QRAM一旦规模化，将大幅缩短量子计算机处理大规模经典数据（如数据库查询、机器学习数据集、优化问题输入）的I/O耗时。这意味着，未来量子计算不仅能在因子分解和搜索上实现指数加速，还有望在需要大量数据喂入的AI训练场景中发挥实际作用。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
不过，目前8位的QRAM距离能处理企业级数据规模仍有距离。从工程角度看，团队还需要在更多物理量子比特上验证更大位数的路由和纠错能力。当前结果更像“打通了第一公里”，而非“修好了整条高速公路”。
值得关注的后续
一是QRAM能否在16位或更高位数上同样保持高准确率和抗噪能力，这是规模化验证的下一级阶梯。二是团队是否开源QRAM的控制代码或芯片设计，这将直接影响后续开发者的跟进速度和生态形成。三是国内其他量子计算团队（如中国科学技术大学、北京量子信息科学研究院）以及海外团队（如Google Quantum AI、IBM）是否会快速跟进或提出替代方案。目前公开信息显示，该成果暂未公布明确的商业化时间表和产品售价。
来源：Readhub · AI
