量子技術未來5年的商業化前景

方陵生/編譯

量子技術未來5年的商業化前景

方陵生/編譯

谷歌的低溫恒溫器在10毫開爾文溫度下運行量子處理器

● 谷歌量子人工智能實驗室科學家馬蘇特·穆赫辛尼 （Masoud Mohseni）、哈特穆特·內文（Hartmut Neven）等人暢談量子計算機的商業投資機遇及未來5年的開發前景。

從量子糾纏到大分子化學反應，基于二進制邏輯的傳統計算機不能有效地描述世界許多特征。正如物理學家理查德·費曼在30年前就已經意識到的那樣，解決方案是使用可同時多態混合的量子處理器。然而，要開發出有實用價值的量子計算機，還要克服許多技術屏障，包括噪聲控制以及編碼信息量子態的運行保真態的提升。

量子計算機絕大部分研究的最終目的都是構建出一種量子機器，一種噪聲和錯誤都在可容許范圍內、原則上可用于解決任何問題的數字量子計算機。理論上，這種由許多量子比特（或量子位）組成的大型處理器的計算速度比傳統計算機更快，計算能力至少領先10年。糾錯需要冗余，量子位的數量需要快速提升。舉例來說，一天時間完成2 000比特數的因式分解對于傳統計算機來說是個難以完成的任務，但如果使用量子計算，即使每1萬次操作只有1次出錯，也需要1億個量子比特，但目前我們還沒有組裝數十個量子位量子處理器的能力。

保守的觀點認為，量子計算投資只能遠期受益。但我們認為，隨著未來5年里小型量子設備的出現，獲得短期回報的可能性還是有的，雖然這些機器的糾錯能力可能還不夠完善。

理論上雖然不能保證，但也并不排除成功的可能性。將量子技術與傳統計算機技術結合起來有可能支撐未來強大的應用前景。最近機器學習神經網絡的成功就是一個很好的例子。20世紀90年代還沒有能夠訓練深度神經網絡所需的計算能力，這一領域內流行的是有很強理論基礎的“convex”方法。今天這些方法并不適合于深度學習。神經網絡的基礎算法幾乎沒有什么改變，但在“摩爾定律”的作用下，新性能的開發取得了一個又一個令人震撼的里程碑式的成果。

同樣，今天雖然不能證明不完美量子計算機的計算速度可以快到足以解決一些實際問題，但可能會有一些變化。模擬和數字量子硬件的規模、準確度和可控性都在穩步提高。我們預計，在未來幾年內，得到較好控制的量子系統可用以執行某些任務，其速度將遠超基于CMOS（互補性的金屬氧化物半導體）技術的傳統計算機。

我們在此重點介紹3種可進行早期商業化推廣的量子計算設備：量子模擬、量子輔助優化和量子抽樣。從人工智能、財政金融到醫療衛生保健等領域，更快的計算速度將具有商業上的優勢。

量子技術的商業化，不僅需要跨學科合作，還需要科學家與企業家緊密配合。設備的可靠性和可控性要實現商業化推廣需要硬件水平的提升，還需要開發出適合目前硬件條件限制的、可解決實際問題的啟發式量子算法。一些研究人員正在研究“谷歌搜索”的量子計算，而我們的計劃是在云服務方面推廣量子處理器，以促進量子算法的開發，并在各個行業推廣應用，真正造福社會。

這些6毫米見方的小芯片控制著6個量子位

三大商業化應用前景

如果一些可行技術的研究取得進展，我們相信正在崛起的量子處理器將大有可能勝任以下各類計算任務，并在未來幾年時間內實現其商業化價值。

1)構建WBS：以整個工程項目為基礎，將工作自上而下逐層分解，直至將項目工作分解為一個個合適的相對易于管理的工作包.

量子模擬。模擬化學反應和材料、建立計算機模型是最值得期待的量子計算實際應用之一。不需要花費數年時間，也不需要數億美元的投入，研究人員可以通過計算機模擬，對數以百萬計的候選方案進行研究，開發出少量新材料并確定其性能。無論是飛機制造需要的更強的聚合物、用于汽車的更有效的催化轉換器、更高效的太陽能電池材料，還是療效更好的藥物或透氣性更好的織物，更快的開發速度都將帶來巨大的價值。

計算機材料的發現目前已是一個很大的產業。從定性描述到定量預測，量子計算機都將帶來根本性的變化。化學反應率對分子能量非常敏感，其跨度范圍遠遠超出傳統計算機的處理能力。開發出穩健的量子算法，就有可能在不需要大量量子糾錯的前提下，完成一些重要材料的模擬任務。已開發的一些算法有似乎不受量子位控制錯誤影響的“可變量子本征求解法”（Variational Quantum Eigensolver，VQE）。

各種商業模型可提供量子模擬器，實驗室可提供付費訪問，計算機公司可提供咨詢服務，一些企業可能會通過股權交換換取量子輔助突破導致的創新材料開發成果。

量子輔助優化。物理學、社會科學以及各個行業中所有涉及量化計算的核心與困難的計算任務是優化。傳統計算機難以解決這些問題是因為將所有數學解決方案測試一遍的計算速度太慢，因此好的解決方案很可能就隱藏在包括速度在內的一些技術屏障之后，統計計算中一般使用傳統算法（如熱能分布）來“越過”這些障礙。我們認為，這種類型的傳統抽樣可以量子現象的偶發性來達到強化效果，比如穿過障礙傳遞量子信息的隧道行為，發現罕見而高質量的解決方案。

例如，使用優化算法實施廣告的在線推薦和報價策略，以最有效的方式應對消費者的需求和市場變化。建立在量子計算和傳統計算機組合基礎上的解決方案更強大，可在許多行業中用于提高產品質量和服務質量。物流公司可以優化調度、規劃和產品分配。量子強化的算法還可用以提高病人醫療診斷的速度和準確性。如谷歌、微軟、亞馬遜和Facebook等大型信息技術公司的搜索質量或產品質量也可以得到增強。

量子抽樣。通過概率分布的抽樣方法廣泛用于統計和機器學習。理論上，與傳統電路相比，理想的量子電路可在同樣的時間內在更大的概率分布范圍內進行抽樣統計。我們的計算表明，即使是相對較小電路的高保真量子門，也可以7×7量子位、層次深度25層的電路進行傳統電路所難以企及的概率分布抽樣。

事實上，以淺量子電路進行概率分布抽樣子可能是“量子至上（或量子霸權）”最早的例子。“量子至上”這一術語是理論物理學家約翰·裴士基（John Preskill）提出的，用以描述量子處理器在短時間內完成某個明確定義數學任務的能力，即使是最大的傳統超級計算機（如中國的神威太湖一號）也無法在任何合理的時間框架內完成這類任務。我們預測，在未來幾年內將會出現量子霸權的實驗。

量子抽樣的應用前景包括機器學習中的推理和模式識別，為促進學術界和產業界的實驗研究，我們計劃通過云計算界面，為研究者開放和提供使用量子計算機硬件的機會。

需要克服的技術屏障

我們認為，超導量子比特是量子計算機最有前途的硬件平臺，以標準集成電路和超導技術為基礎的硬件相對容易構建和控制。很多設計可能適合于數字和模擬量子處理器的不同要求，10量子比特的高保真系統的演示已表明了這種工程概念的可行性。

新技術的不斷涌現有助于解決量子計算的擴展性問題，如超導撞擊禁錮——一個用于信息處理和控制電路的雙層架構。約1 000個量子位的量子退火設備原型已投入商業化應用。這些機器屬于模擬量子處理器，可為某些優化任務提供高質量的解決方案。

今天的量子設備在實用性上還未達到盡善盡美的程度，需要進行多項改進。例如，淺量子電路需要更高的量子門保真度和穩定性，以限制消相干性。量子退火硬件需要一個在連接性、控制精度和性相干時間等方面都有所改善的新的方案。

谷歌用射頻和微波電子產品制造可擴展控制硬件

商業機遇前景預測

一項新技術可以通過3種方式得到提升：增加利潤、降低成本、降低對基礎設施的投資。在數字時代，引入一項新技術可產生指數級的影響，即使產品質量得到1%的提升，都將導致用戶數量和利潤的顯著增長，這就是在競爭、透明度和有效市場上起重要作用的“明星效應”。

早期量子計算設備即使可以獲得計算速度的少量增加，最早的采納者仍然可收獲不菲的回報。作為競爭對手的一些公司如果想要獲得同等質量服務和產品的競爭能力，就將面臨更高的進入壁壘，這是因為早期能夠編寫量子算法的專門人才比較稀缺，企業需要時間來設計制定新的算法。最早接受這種變化的是那些需要處理大量信息和數字化程度最高的市場，包括金融服務、醫療保健、物流和數據分析等。

制定某個業務案例時，公司需要進行供需調查。需求可以做如下評估：首先，確定“最小可行產品”，早期只有擁有核心功能的量子創新才有機會進入市場。評估創新解決方案可包括某個現有的需求（產品與市場的契合度）、產品商業化所需要的時間（上市速度）和市場反應。

例如，通常在媒體上被描繪成數字量子計算機“殺手級應用”的加密破解，在市場契合度上得分不高，有一天會被不受量子攻擊影響的密碼系統所取代，大多數民營企業對破解加密系統也并不感興趣。相比之下，需要即時數據反饋的投資組合優化和風險管理，可通過量子強化模式受益，更加高效的量子化學計算將在藥物開發、催化轉換器、太陽能電池和肥料生產領域導致根本性的變革。

量子輔助優化和推斷技術可增強機器學習和人工智能系統的能力，從而提高可再生能源發電、遙感和預警系統的運行能力。這些技術還可用于在線商品定價和服務以及倉庫自動化和無人駕駛汽車動態管理。

在供應方面，一些公司將通過對各自技術和團隊的質量評估來為自己定位，在有開創精神的量子學者和企業家之間開展合作，但因學術界的激勵機制與企業和產業界的并不相一致，這也將會是一個很大的挑戰。

戰略合作伙伴關系可以幫助企業脫穎而出。為吸引風險投資家，勝出的量子產品應該要有一種不需要很多資產、低制造成本的商業模式，以幫助客戶顯著增加收益。公司可通過云計算并利用現有的數據中心以兩種方式受益：解決簡單問題用傳統解決方案，解決重要問題時則調用量子處理器。

量子計算領域將很快進入一個歷史性的里程碑——量子霸權。目前還不清楚的是，使用不久后將問世的處理器，一些涉及各種應用程序的算法是否能夠獲得運行速度的大幅增加。但當量子硬件變得足夠強大時，就可以進行測試并開發出新類型的算法。

在接下來的10年里，學術界、產業界和國家實驗室應該共同努力發展量子模擬和量子機器學習算法。我們的計劃是，通過云服務為缺乏必要資金、專業知識或基礎設施的人提供使用谷歌量子處理器的便利，以支持這方面的研究。

[資料來源：Nature][責任編輯：彥 隱]