摘要：
不再遥远！“量子时代”已至，六大案例揭示未来科技风向——量子计算机的工作原理与传统计算机截然不同，它承载着解决一些在经典计算机看似无解的关键问题的巨大潜力。但问题在于，我们究... 
添加微信好友, 获取更多信息
复制微信号
不再遥远！“量子时代”已至，六大案例揭示未来科技风向——
量子计算机的工作原理与传统计算机截然不同，它承载着解决一些在经典计算机看似无解的关键问题的巨大潜力。但问题在于，我们究竟能在哪些实际场景中实现这种被誉为“量子优势”的跨越？
2023年，美国计算机协会（ACM）的一项研究分析提出了一个观点：如果不对算法做出根本性的革新，那么那些常被人们提及、期望通过量子计算得到加速的应用案例，可能并不会实现预期的量子优势。
虽然最新的研究成果对量子计算领域的热炒浇了一盆冷水，但也无需过早地否定这项技术的潜力。
2024年3月4日，谷歌和XPrize宣布，将向提出具有潜力的量子计算机应用案例的创新者提供500万美元的奖金。谷歌量子算法主管瑞安·巴布什（Ryan Babbush）对此表示，这并不意味着缺乏实际的应用场景。他指出：“我们确信，这些设备在某些领域将产生重大影响。”
微软量子公司副总裁兼Xprize竞赛顾问委员会成员马蒂亚斯·特罗伊（Matthias Troyer）阐释道：“量子计
量子计算机擅长解决的问题，源于其独特的历史根基。
1981年，物理学巨擘理查德·费曼（Richard Feynman）提出了量子计算机这一概念，旨在模拟量子世界的无穷复杂性。
自那以后，科学家们开发出了一系列巧妙的算法，使量子计算机能够在非量子领域，如搜索数据库和破解密码方面发挥作用。然而，对于数据库搜索，量子计算机在可预见的未来未必能够实现实质性的速度优势。同样，用于威胁互联网安全的新型机器也似乎是一个有争议的发展方向。
但最新的研究指出，量子计算机在模拟多个行业关注的量子现象方面的潜力，可能比其在其他应用领域取得的进展来得更早。
“量子系统问题解决的商业影响，主要体现在化学、材料科学和制药行业。”马蒂亚斯·特罗伊补充道。这些都是关键性的行业领域。“从石器时代、青铜时代、铁器时代、钢铁时代到硅时代，我们通过材料的革新来定义历史进程。”
在通向潜在的新量子时代的道路上，这里有几个重要示例，展示了量子计算研究人员预期在未来十年内这些设备将展现出实证的量子优势。
特罗伊希望，500万美元的悬赏奖金能够激发科学界寻找更多方法，将量子算法应用于实际问题。“这个奖项的目的是吸引更多的量子科学家，不仅仅关注于开发量子算法和理论，更要思考这样的问题：量子算法在哪些领域有用？我们如何利用量子计算机来解决世界面临的重大挑战？”
1）药物代谢研究的突破
在《美国科学院院刊》（PNAS）2022年的一篇论文中，药企勃林格殷格翰、哥伦比亚大学、谷歌量子人工智能和QSimulate联合探讨了细胞色素P450酶。
这种酶在人体药物代谢中扮演着关键角色，涉及约70%药物的代谢过程。研究发现，量子计算机可比传统方法
左图：CYP酶的电子轨道（红色和蓝色）示例。建立CYP系统模型需要60多个这样的轨道。右图：各种经典技术的实际运行时间（CPU）（蓝色）与量子算法的假设运行时间（QPU）（绿色）的比较。量子算法的斜率较低，表明其渐进缩放性优于经典方法。在大约20-30个轨道上，我们就可以看到量子算法比经典方法更高效的交叉点
研究人员在一篇博文中写道：“我们发现，要正确解析这个系统中的化学反应，就需要量子计算机提供更高的精度，因此量子计算机不仅会更好，而且是必要的。”
2）二氧化碳封存的新策略
在寻求降低大气二氧化碳含量的过程中，科学家正在探索将CO2转化为可长期储存化合物的方法。尽管现有技术存在成本和能效问题，但最新的几项研究显示量子计算机有望更精确模拟CO2与催化剂的反应，为寻找更高效封存方法提供希望。
如果这些成就和预期发展属实，科学家们就能更有效地估算各种封存候选物质的效率。
3）农业施肥的革新
传统的氨生产方法—哈伯-博施工艺，需要高温高压环境，而微软研究院与苏黎世联邦理工的研究团队正在探索一种更环保的替代方法。他们考虑利用固氮酶在常温常压下生产氨，这对全球粮食安全可能具有革命性影响。
研究人员发现，经典方法无法准确模拟这种反应，但经典计算机和量子计算机可以协同工作。参与这项研究的特罗伊说：“举例来说，如果你能在一个村庄的农场里找到小规模固氮的化学过程，这将对粮食安全产生巨大影响。”4）寻求替代电池阴极材料
由于钴开采存在环境和安全问题，科学家们正寻找替代品，如镍。一项由巴斯夫、谷歌量子人工智能、悉尼麦考瑞大学及QSimulate共同开展的研究致力于在量子计算机上模拟镍基阴极—锂镍氧化物，以探索生产稳定材料的可能性。
研究人员说，纯镍氧化锂在生产过程中并不稳定，人们对其基本结构也知之甚少。如果能更好地模拟这种材料的基态，就有可能找到制造稳定版本的方法。作者在一篇博文中写道：“充分模拟这一问题所需的量子计算要求超出了第一批纠错量子计算机的能力范围，但我们预计，随着未来算法的改进，这一数字会有所下降。”