量子技術未來5年的商業化前景

谷歌的低溫恒溫器在10毫開爾文溫度下運作量子處理器

● 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•内文（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。正如實體學家理查德•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态混合的量子處理器。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資訊量子态的運作保真态的提升。

量子計算機絕大部分研究的最終目的都是建構出一種量子機器，一種噪聲和錯誤都在可容許範圍内、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。糾錯需要備援，量子位的數量需要快速提升。舉例來說，一天時間完成2000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1萬次操作隻有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，量子計算投資隻能遠期受益。但我們認為，随着未來5年裡小型量子裝置的出現，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。将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，這一領域内流行的是有很強理論基礎的“convex”方法。今天這些方法并不适合于深度學習。神經網絡的基礎算法幾乎沒有什麼改變，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裡程碑式的成果。

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。模拟和數字量子硬體的規模、準确度和可控性都在穩步提高。我們預計，在未來幾年内，得到較好控制的量子系統可用以執行某些任務，其速度将遠超基于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裝置：量子模拟、量子輔助優化和量子抽樣。從人工智能、财政金融到醫療衛生保健等領域，更快的計算速度将具有商業上的優勢。

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。裝置的可靠性和可控性要實作商業化推廣需要硬體水準的提升，還需要開發出适合目前硬體條件限制的、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“谷歌搜尋”的量子計算，而我們的計劃是在雲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。

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将大有可能勝任以下各類計算任務，并在未來幾年時間内實作其商業化價值。

量子模拟。模拟化學反應和材料、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拟，對數以百萬計的候選方案進行研究，開發出少量新材料并确定其性能。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，更快的開發速度都将帶來巨大的價值。

計算機材料的發現目前已是一個很大的産業。從定性描述到定量預測，量子計算機都将帶來根本性的變化。化學反應率對分子能量非常敏感，其跨度範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拟任務。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拟器，實驗室可提供付費通路，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緻的創新材料開發成果。

量子輔助優化。實體學、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将所有數學解決方案測試一遍的計算速度太慢，是以好的解決方案很可能就隐藏在包括速度在内的一些技術屏障之後，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資訊的隧道行為，發現罕見而高品質的解決方案。

例如，使用優化算法實施廣告的線上推薦和報價政策，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産品品質和服務品質。物流公司可以優化排程、規劃和産品配置設定。量子強化的算法還可用以提高病人醫療診斷的速度和準确性。如谷歌、微軟、亞馬遜和Facebook等大型資訊技術公司的搜尋品質或産品品質也可以得到增強。

這些6毫米見方的小晶片控制着6個量子位

量子抽樣。通過機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内在更大的機率分布範圍内進行抽樣統計。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機率分布抽樣。

事實上，以淺量子電路進行機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”這一術語是理論實體學家約翰•裴士基（John Preskill）提出的，用以描述量子處理器在短時間内完成某個明确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号）也無法在任何合理的時間架構内完成這類任務。我們預測，在未來幾年内将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别，為促進學術界和産業界的實驗研究，我們計劃通過雲計算界面，為研究者開放和提供使用量子計算機硬體的機會。

需要克服的技術屏障

量子計算的商業化必須克服一些技術上的挑戰。如：量子硬體需要擴大規模，以與傳統硬體每10年呈指數級增長的速度相競争；就像傳統電路半導體需要增益一樣，量子比特也需要量子相幹性以形成量子糾纏；如何實作規模化和相幹性的結合也是量子系統工程的一個大挑戰。這從根本上來說是很困難的，因為量子資訊不能被複制，子系統互相糾纏，導緻總體設計需要從全局來進行權衡。

谷歌用射頻和微波電子産品制造可擴充控制硬體

我們認為，超導量子比特是量子計算機最有前途的硬體平台，以标準內建電路和超導技術為基礎的硬體相對容易建構和控制。很多設計可能适合于數字和模拟量子處理器的不同要求，10量子比特的高保真系統的示範已表明了這種工程概念的可行性。

新技術的不斷湧現有助于解決量子計算的擴充性問題，如超導撞擊禁锢——一個用于資訊處理和控制電路的雙層架構。約1 000個量子位的量子退火裝置原型已投入商業化應用。這些機器屬于模拟量子處理器，可為某些優化任務提供高品質的解決方案。

今天的量子裝置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，以限制消相幹性。量子退火硬體需要一個在連接配接性、控制精度和性相幹時間等方面都有所改善的新的方案。

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，引入一項新技術可産生指數級的影響，即使産品品質得到1%的提升，都将導緻使用者數量和利潤的顯著增長，這就是在競争、透明度和有效市場上起重要作用的“明星效應”。

早期量子計算裝置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。作為競争對手的一些公司如果想要獲得同等品質服務和産品的競争能力，就将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資訊和數字化程度最高的市場，包括金融服務、醫療保健、物流和資料分析等。

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，确定“最小可行産品”，早期隻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（産品與市場的契合度）、産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，需要即時資料回報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将在藥物開發、催化轉換器、太陽能電池和肥料生産領域導緻根本性的變革。

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，進而提高可再生能源發電、遙感和預警系統的運作能力。這些技術還可用于線上商品定價和服務以及倉庫自動化和無人駕駛汽車動态管理。

在供應方面，一些公司将通過對各自技術和團隊的品質評估來為自己定位，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産業界的并不相一緻，這也将會是一個很大的挑戰。

戰略合作夥伴關系可以幫助企業脫穎而出。為吸引風險投資家，勝出的量子産品應該要有一種不需要很多資産、低制造成本的商業模式，以幫助客戶顯著增加收益。公司可通過雲計算并利用現有的資料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。

量子計算領域将很快進入一個曆史性的裡程碑——量子霸權。目前還不清楚的是，使用不久後将問世的處理器，一些涉及各種應用程式的算法是否能夠獲得運作速度的大幅增加。但當量子硬體變得足夠強大時，就可以進行測試并開發出新類型的算法。

在接下來的10年裡，學術界、産業界和國家實驗室應該共同努力發展量子模拟和量子機器學習算法。我們的計劃是，通過雲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，以支援這方面的研究。

原文釋出時間為：2017.09.22

本文作者：科學之美

本文來源：

今日頭條

，如需轉載請聯系原作者。