據麥肯錫預測，到 2035 年或 2040 年，量子計算市場規模可能增長至約 800 億美元。目前，許多量子比特技術正競相成為首臺通用、無差錯量子計算機的基礎，但仍面臨諸多挑戰。

我們將探討量子計算的未來前景、潛力，以及它對個人和企業的影響。

走進量子計算

簡而言之，量子計算利用量子力學的力量，幫助我們克服當今計算領域所面臨的困難。然而，由于粒子的量子態是一種自然現象，這意味著它可以通過多種不同方式再現。

量子計算有潛力變革眾多行業，因為此類計算機解決問題的速度比傳統計算機快得多，且功耗更低。

因此，它將使企業能夠更好地優化投資策略、加密方式，或發現新產品。其最廣泛的應用領域包括密碼學、數據分析、預測、模式搜索、藥物研究等。

量子計算歷史上的一個關鍵轉折點是 “量子優越性” 概念的提出，它指的是量子計算機的性能超越最強大的經典超級計算機。這一成就表明，量子計算機處理復雜問題的速度比經典計算機快幾十上百倍。

事實上，2019 年，谷歌在這一領域實現了量子優越性，達到了一個轉折點，這表明將量子計算機用于實際有用的目的是可行的。

量子比特技術評估

目前尚未出現能夠評估和比較可制造出完美量子計算機的量子比特技術的方法。不過，我們發現了評估這些技術時的六個關鍵考量因素和挑戰：

1 .規模化保真度：這與量子計算的決定性限制密切相關，即在保持高質量水平的同時，增加量子比特的數量和復雜算法的計算能力。

2. 計算速度：單個量子比特只能在有限時間內保持其量子態（相干性），因此，為了彌補這一點，門操作的速度應足夠快，以便在量子比特失去相干性之前完成復雜計算。

3. 多量子比特網絡：能夠連接在一起的量子比特越多，量子計算算法就越容易實現，最終得到的計算機性能也就越強。

4. 規模化下對單個量子比特的控制：這種控制至關重要，但隨著量子計算系統中量子比特數量的增加，對單個量子比特的控制變得越來越復雜。

5. 冷卻和環境控制：所需冷卻設備在規模和功率方面的要求超出了現有設備的可行性范圍。

6. 制造：一些量子比特設計使用現有的生產技術，而另一些則需要新的制造技術。因此，此類生產將需要對組件進行規模化的自動化制造和測試。

核心量子比特技術

由于該行業和技術仍處于相對早期的發展階段，麥肯錫選擇了五種主要的量子比特技術：

1. 光子網絡：在這些網絡中，每個量子比特都編碼在單個光子中。首先制備初始的簇態，然后通過一系列光子測量來執行門操作。它們在大規模量子糾纏、速度以及在室溫下運行的能力方面具有巨大潛力。相比之下，主要的誤差來源是計算過程中光子的損失以及光子源的問題。

2.超導電路：其工作原理是將每個量子比特編碼在約瑟夫森結兩側的庫珀對的能級中。它們的優點包括相干性、處理速度和易于制造。此外，隨著技術的成熟和更多量子比特的添加，它們可以繼續使用。然而，規模化、校準、控制電子設備和冷卻方面存在挑戰。

3. 自旋量子比特：在自旋量子比特系統中，每個量子比特都編碼在半導體量子點的電子自旋中。在硅芯片上的糾纏電子之間建立雙量子比特門，并且量子比特由微波電子設備控制。它們的尺寸小且制造簡單是很大的優勢，但它們面臨著與超導體類似的許多挑戰，例如規模化保真度和控制電子設備。

4. 中性原子：在這項技術中，一個量子比特編碼在一個原子的兩個超精細基態能級中。它的優點涵蓋從可擴展性到相干性和冷卻等方面，但它面臨的挑戰主要集中在擴展到一百萬個量子比特、控制電子設備以及錯誤率方面，目前這些方面還不太明確是否可行。

5. 囚禁離子：在這里，每個量子比特都編碼在一個離子的兩個能級狀態中。雙量子比特門利用離子的激發電子態與離子鏈的振動模式之間的電子和聲子之間的耦合。對于小型雙量子比特門系統，在我們研究的這些技術中，這些囚禁離子的優點是錯誤率最低，并且與其他基于原子的技術相比，冷卻要求也較低。規模化保真度也不是太大的挑戰，因為量子比特可以被物理移動和操縱。然而，這些系統中量子比特數量的增加是最重要的障礙。

量子計算面臨的挑戰

盡管取得了顯著進展，量子計算目前仍面臨許多技術障礙，限制了其應用、可擴展性和可靠性。

由于量子比特的脆弱性、量子比特的互連性、退相干以及外部噪聲，量子系統容易出錯。因此，需要改進容錯量子結構、量子比特相干時間和糾錯方法。

另一方面，量子硬件（低溫冷卻系統、控制電路和量子比特制造）的制造仍然是一個技術挑戰，需要跨學科的合作和創新。

1. 退相干。與經典計算機相比，量子計算機極其容易受到噪聲的影響，因為量子比特的量子態非常脆弱，任何干擾，如輕微的振動或溫度變化，都可能對其產生不可控的影響，導致存儲的信息丟失。

退相干給量子計算帶來了挑戰，因為為了避免錯誤，計算必須在退相干發生之前完成。雖然延長量子比特的相干時間是一個重要的研究領域，但解決這一問題的一個常用方法是開發糾錯碼。

雖然糾錯碼不是一個新概念，但在量子環境中，它們比在經典環境中面臨更多的挑戰，可能表現為相移、比特移位或兩者的結合。此外，量子比特不能像經典比特那樣被復制，這需要復雜得多的糾錯碼。

在這個過程中，通過將存儲在邏輯量子比特中的量子信息編碼在多個物理量子比特中，可以保護其免受錯誤的影響。現在有許多廣泛使用的糾錯碼，每種碼都代表了一種不同的編碼量子信息的方式，例如肖爾碼、斯特恩碼或表面碼。

2. 可擴展性。可擴展性是指增加量子系統中量子比特數量的能力，以便能夠解決更復雜的問題。

這是一個非常復雜的過程，因為很難連接大量的量子比特來創建更大的系統。一種可能的解決方案是使用糾錯技術，該技術涉及在系統中創建冗余，以便進行錯誤檢測和糾正。

然而，要取得成功，這些技術需要使用額外的量子比特和復雜的算法，這可能會使擴展過程更加復雜。

3. 物理實現。構建量子計算機有不同的方法，例如超導電路、囚禁離子和拓撲量子比特。每種方法都有其自身的困難，目前尚不清楚哪種方法對于大規模量子計算來說是最可行的。

4. 成本與可及性。目前，量子計算機價格昂貴，并且需要非常專業的環境才能運行。因此，這項技術面臨的一大挑戰是使其能夠廣泛應用。

5. 人才與經驗。量子計算領域需要深入理解量子力學、計算機科學和工程學，而目前這些領域的專業人才已經短缺。

找到在這三個領域都有專業知識的專業人員非常困難，這可能會減緩量子計算技術的開發和應用。

量子計算與人工智能

正如我們之前所討論的，量子計算有潛力徹底改變許多領域，而量子計算與人工智能的結合尤其具有前景。

盡管我們仍處于理解如何用量子技術實現人工智能的早期階段，但這種協同作用可能會帶來許多潛在的好處和創新，包括人工智能能力的重大提升。

據美國國會技術大學（Capitol Technology University）稱，量子計算可以提升人工智能的一些領域包括：

1. 并行性與量子加速：量子計算機利用疊加和糾纏原理，使其能夠同時執行多個計算。這種并行性可能會顯著加速人工智能算法，特別是對于涉及處理大量數據集或解決復雜優化問題的任務。

2. 優化與機器學習：量子計算對于解決機器學習中普遍存在的優化問題非常有用。量子算法（如量子近似優化算法 QAOA）可用于改進訓練機器學習模型所涉及的優化任務，使過程更快、更高效。

3. 改進數據處理：由于其固有的并行性，量子計算機擅長處理和加工大量數據。這種能力可能會使需要大量數據處理的人工智能應用受益，例如自然語言處理（PLN）、圖像識別和推薦系統。

4. 增強加密與安全性：量子技術也對當前的加密方法構成潛在威脅，但也可用于增強人工智能應用中的安全性。一個例子是使用抗量子密碼技術來保護敏感數據，確保人工智能系統的隱私和安全。

5. 探索量子神經網絡：量子神經網絡是一個研究領域，旨在將量子計算原理與神經網絡架構相結合。這可能會提供對復雜數據進行建模和表示的新方法，從而產生更強大和更具表現力的人工智能模型。

6. 模擬量子系統：量子計算機擅長模擬量子系統，這可能對與量子化學、材料科學和藥物研發相關的人工智能應用有益。這種能力可能會推動對復雜分子相互作用的理解以及新材料的設計取得進展。

7. 能源效率：這種計算方式有可能以比經典計算機少得多的步驟解決問題，這可能會帶來更節能的人工智能算法，特別是對于目前需要大量計算資源的任務。

至于量子驅動的人工智能可能面臨的挑戰以及未來發展，這些與量子計算本身所面臨的挑戰相同，例如可擴展性、糾錯以及軟件和編程等方面。

量子計算的未來

盡管量子計算面臨諸多挑戰，但其未來前景依然廣闊。像國際商業機器公司（IBM）、谷歌和微軟等科技巨頭，以及其他研究公司，都在該領域投入了大量資金。

量子計算將成為科學研究的基礎工具，使解決以前無法解決的問題變得更加容易。

研究人員在延長量子比特的相干時間、降低錯誤率以及開發新的量子算法方面不斷取得進展。因此，各國政府也開始認識到量子計算的戰略重要性，增加了資金投入并加強了合作。

隨著技術的成熟，及時了解量子計算的發展動態至關重要。盡早確定這些應用場景，以及明確管理預期所涉及的挑戰，這一點非常重要。這些應用場景可以在小規模上被證明是可行的，并且隨著量子計算機量子比特數量的增加，相同的算法可以在更大的數據量上運行。量子計算能力的增長是呈指數級的，所以每增加一個量子比特，計算機的計算能力就會翻倍。

本文轉載自 雪獸軟件
更多精彩推薦請訪問 雪獸軟件官網