量子計算不太可能取代當今的經(jīng)典計算——至少在最初不是——而是對特定應用的潛在補充。德勤2021年的一份報告列出了許多可以通過量子計算方法轉變的應用程序：蛋白質折疊、流體模擬、信用承保、金融風險分析、供應鏈優(yōu)化和預測、車輛路線、欺詐檢測、故障分析、天氣預報、半導體芯片設計、產(chǎn)品組合優(yōu)化、消費產(chǎn)品推薦——這只是列表的一半。

量子計算可以使以前難以處理的模擬、搜索和優(yōu)化計算變得相對容易和快速。對于某些類型的計算，量子計算機可能比強大的經(jīng)典計算機要快得多。雖然今天運行機器學習系統(tǒng)的經(jīng)典計算機可以做出令人難以置信的準確預測，但從理論上講，基于量子的系統(tǒng)在某些與預測相關的任務上可以遠遠超過它們的速度。

量子計算機背后的物理學、數(shù)學和計算機科學的融合令人著迷，但也很復雜。計算機科學家ScottAaronson是最好的科學傳播者之一，他最近為Quanta雜志寫了一篇文章，題為“為什么量子計算如此難以解釋?”

簡單地說，量子計算機是圍繞“量子位”構建的，量子位是亞原子級組件，通常保持在極低的溫度(想想：絕對零)，以最大限度地減少來自宇宙其他部分的干擾。這些組件可以進入一種稱為“疊加”的量子物理狀態(tài)，從某種意義上說，允許它們同時具有許多潛在值。盡管它們的價值不確定，但可以在這些量子位上進行可靠的計算和轉換，同時在被降低到更經(jīng)典的狀態(tài)之前處于疊加狀態(tài)，從而有效地并行化計算。量子計算機中的量子位也可以相互糾纏(愛因斯坦將這種現(xiàn)象稱為“遠距離幽靈般的動作”)，將它們作為一個團隊加以利用，以增加可以計算的邏輯計算的多樣性。對于某些類型的數(shù)學——例如，從無數(shù)選項中尋找最佳結果——與在經(jīng)典計算硬件上運行的算法相比，量子算法似乎幾乎是瞬時的。

量子計算挑戰(zhàn)

公開可用的量子計算已經(jīng)出現(xiàn)了幾十年，但對于能夠廣泛采用的產(chǎn)品何時發(fā)布，系統(tǒng)將采用何種形式，或者量子計算的影響將有多大和深度，仍然沒有可靠的預測。要使廣泛適用的量子計算機大規(guī)模發(fā)揮作用，存在許多技術挑戰(zhàn)。量子計算機正在與經(jīng)典計算機競爭，后者在功能、多功能性和易用性方面也得到了非常迅速的提升。

量子計算機的一個重要瓶頸是，正確讀取量子計算的結果很容易出現(xiàn)非常高的錯誤率——在正確的結果作為輸出呈現(xiàn)之前，微妙的疊加態(tài)可能會惡化。

亞倫森解釋說：

簡而言之，問題是退相干，這意味著量子計算機與其環(huán)境之間不需要的相互作用——附近的電場、溫暖的物體和其他可以記錄量子位信息的東西……這個問題唯一已知的解決方案是量子誤差更正……但研究人員現(xiàn)在才開始在現(xiàn)實世界中進行這種糾錯工作。當您閱讀有關50或60個物理量子位的最新實驗時，重要的是要了解量子位未經(jīng)過糾錯。在它們出現(xiàn)之前，我們不希望能夠擴展到數(shù)百個量子位。

一些理論家甚至認為，不可能建造實用的量子計算機，因為“系統(tǒng)中的噪聲”本來就很高。數(shù)學家GilKalai預測，根據(jù)基本計算定理，通過進行糾錯以將噪聲降低到可用水平，會限制計算機的數(shù)字運算能力低到不值得使用。

盡管如此，研究人員仍在繼續(xù)應對糾錯的挑戰(zhàn)，并通過關鍵的技術里程碑。例如，7月，谷歌研究人員在Nature上發(fā)表了一篇論文，解釋了他們如何找到一種有前途的減少錯誤的方法，該方法可以隨著更多量子位添加到系統(tǒng)中而擴展。

硬件、軟件和應用程序景觀

量子硬件有幾種不同的方法。Rigetti和Oxford QuantumCircuits使用超導量子電路，谷歌、微軟和IBM也青睞這種更廣泛的方法。IonQ(計劃通過SPAC交易上市)和霍尼韋爾(最近宣布將其量子計算單元與英國劍橋量子計算相結合)使用俘獲離子。D-Wave使用量子退火，ColdQuanta使用冷原子，Xanadu使用光子學。每種方法都有其優(yōu)點和缺點，每種硬件技術在達到可承受的規(guī)模方面都面臨著一系列不斷變化的瓶頸。材料層的工作也在繼續(xù)推進，例如，RaicolCrystals正在開發(fā)量子準相位匹配晶體，可用于量子計算、傳感、加密和通信等各種應用。并且不確定在解決糾錯和價格挑戰(zhàn)方面不會有另一種方法可以超越他們。

其他公司，例如Quantum Machines、Q-CTRL和Seeqc，正在構建可以在經(jīng)典硬件和量子硬件之間運行的控制硬件?？刂葡到y(tǒng)可以存在于高于絕對零但低于室溫的溫度下。其中一些系統(tǒng)涉及軟件和硬件，可以執(zhí)行諸如監(jiān)控量子處理器性能、執(zhí)行糾錯或充當連接經(jīng)典硬件和量子硬件的抽象層等任務。

還有一些公司正在開發(fā)量子計算應用層軟件，如ZapataComputing、Riverlane或QCWare。這可以包括應用程序框架、組件、算法甚至統(tǒng)包量子計算應用程序。Classiq有用于量子電路合成的軟件。在量子計算和人工智能之間的軟件交叉點上也發(fā)生了許多有趣的基礎研究——例如。Zapata最近發(fā)表了使用IonQ的離子阱量子系統(tǒng)訓練機器學習系統(tǒng)以生成低錯誤率的高質量手寫數(shù)字的工作。

數(shù)學家PeterShor于1994年提出的量子計算的第一個理論用途之一是破解當今廣泛用于保護數(shù)據(jù)的RSA加密。這一威脅催生了對后量子密碼學的研究，研究人員提出了多種新的加密方法，這些方法需要取代當今的算法以保護數(shù)據(jù)的隱私。ISARA(抗量子加密)和QuantumXchange(帶外對稱密鑰交付平臺)等公司的出現(xiàn)幫助政府和公司為現(xiàn)在基于量子的加密破解算法開始工作的世界做好準備打破今天的加密。

有幾種廣泛使用的軟件開發(fā)工具包(SDK)，可讓開發(fā)人員為量子計算機編寫軟件，而無需實際運行它。事實上，量子計算開發(fā)環(huán)境之間已經(jīng)爆發(fā)了一種格式戰(zhàn)爭。

一個廣泛使用的量子SDK是IBMQISKit，這是一種基于Python的開源開發(fā)工具包，用于在模擬器或IBMQuantumExperience(一種基于云的量子服務)上制作原型軟件和設備。?？松梨凇⒏呤?、波音、摩根大通、三星和PayPal只是IBMQuantum的幾個大客戶。另一個基于Python的開發(fā)工具包GoogleCirq將大眾汽車吹捧為用戶，大眾汽車也是谷歌TensorFlowQuantum的貢獻者，這是一個開源庫，可將谷歌的TensorFlow機器學習算法擴展到量子處理器以進行快速原型設計。微軟的量子開發(fā)工具包(QDK)基于微軟的Q#編程語言，為微軟Azure云服務帶來量子兼容性。AzureQuantum的早期客戶包括化學模擬的陶氏化學和豐田通商，豐田的貿(mào)易部門，開發(fā)交通燈優(yōu)化以減少城市交通擁堵。

在最近的一篇文章中，The Information指出，“亞馬遜希望在其亞馬遜網(wǎng)絡服務云業(yè)務中招聘100多名新的量子計算科學家、硬件開發(fā)人員和工程師”，因為大量資金流向該領域的初創(chuàng)公司，例如如量子運動、原子計算和PsiQuantum。亞馬遜還推出了AmazonBraket，這是一項完全托管的量子計算服務，讓客戶可以訪問來自IonQ、Rigetti和D-Wave等各種供應商的硬件。

也有可能最有價值的量子平臺根本不是多功能的水平平臺;相反，該空間可以演變?yōu)榘▽Ｓ脵C器或量子專用集成電路(ASIC)。與經(jīng)典計算不同的是，這可能意味著量子計算機將是高度專業(yè)化的集成硬件和軟件機器，專為特定應用程序量身定制，例如流體模擬或欺詐檢測。

早期用例可能涉及量子系統(tǒng)作為更大的經(jīng)典系統(tǒng)的一部分扮演特殊角色，類似于NVIDIA的圖形處理單元(GPU)，通常與高級CPU一起運行，可用于卸載GPU擅長的特定計算-適合。在這個模型中，量子組件是經(jīng)典系統(tǒng)的“加速器”，信用承銷商可能會使用量子處理器來處理對申請人進行評分所涉及的任務之一，并可能使用不同的專用量子處理器來執(zhí)行計算以優(yōu)化其借款人投資組合。

對于許多用例，計算的錯誤率仍然太高，開發(fā)人員只能在量子模擬平臺上磨練他們的編碼能力，等待量子計算機開始真正大規(guī)模地工作。量子模擬器，例如QMware，讓量子軟件算法和應用程序相信它們是在實際的量子硬件上運行，但它們實際上是在假裝是量子計算機的經(jīng)典計算機上運行。

與此同時，為了管理一些時間上的不確定性，量子相關的初創(chuàng)公司現(xiàn)在可以與政府、企業(yè)和大學買家一起尋求有利可圖的項目，作為資金和需求的來源。像一些生物技術初創(chuàng)公司一樣，他們可以在組建一支強大的團隊并尋找早期采用者客戶的同時，通過科學里程碑取得進展，同時關注未來的商業(yè)市場。

普遍可用的量子計算機的障礙與替代能源面臨的障礙非常相似：釋放潛力需要硬件設計的突破、降低制造成本以及推動大規(guī)模采用的驅動力。而且很多方法都行不通。

與任何技術一樣，當然，軟件開發(fā)人員可能會發(fā)現(xiàn)人們今天還沒有想到的量子處理器的有價值的應用程序——正如開發(fā)人員發(fā)現(xiàn)用于處理圖形處理的GPU在訓練高度并行化方面也表現(xiàn)出色機器學習模型。

也就是說，廣泛有用和有效的量子計算機的到來有可能與互聯(lián)網(wǎng)的創(chuàng)建或使用機器學習進行預測一樣具有破壞性的機會。