等到能与传统计算机抗衡的那⼀天到来时，量⼦计算机将在哪些领域产⽣最⼤的影响？⼤多数研究⼈员从没⻅过量⼦计算机，⽽Winfried Hensinger却拥有五台。“它们都很糟糕，”他说，“做不了任何有⽤的事。”事实上，所有的量⼦计算机都可以⽤糟糕来形容。数⼗年的投⼊⾄今仍未产出任何⼀台能兑现计算⾰命承诺的机器。
Jeannette Garcia在美国加州的科技巨头IBM公司担任量⼦应⽤与软件⾼级研究经理，她表示，“我不是说接下来没有什么可做的了，⽽是说已经完成的⼯作让我们⾮常惊喜。”Hensinger是英国萨塞克斯⼤学的物理学家，他在2⽉发表了关于⼤型模块化量⼦计算机的原理证明[1]。
他在英国海沃兹希思的初创公司Universal Quantum正在与伦敦的⼯程公司罗尔斯·罗伊斯（Rolls-Royce）以及其他企业合作，携⼿踏上漫⻓⽽艰巨的构建征程。
如果你相信那些宣传词，利⽤原⼦世界怪异⾏为运⾏的计算机就能加速药物发现、破解加密密码、提升⾦融交易的决策速度、改进机器学习技术、开发⾰命性材料，甚⾄能缓解⽓候变化。更难想象的是，这些承诺现在离现实越来越近——有些说法甚⾄过于保守了。
计算数学家Steve Brierley认为，如果这⼀领域有⾜够的时间，⽆论量⼦的“甜蜜点”（sweet spot）到底是什么，最终结果可能会超出我们现在的全部想象。“虽然短期炒作有点⾔过其实，”英国剑桥的量⼦计算公司Riverlane创始⼈兼⾸席执⾏官Brierley说，“但⻓期炒作可以说是⼀点⼉也不夸张。”
⽬前为⽌，⼈们的怀疑不是没有道理的。研究⼈员只是在数学上证明了量⼦计算机在模拟量⼦物理和化学以及在破解⽤于保护敏感通信（如在线⾦融交易）的公钥密码系统⽅⾯将⽐当前的经典计算机强不少。美国得克萨斯⼤学奥斯汀分校的计算机科学家Scott Aaronson说：“⼤家讨论的其他应⽤要么更⼩众，要么完全基于推测，要么两者兼具。”量⼦专家们还未完成过⼀个经典计算机做不了的有⽤任务。
硬件本身的构建难度使问题更加复杂。量⼦计算机将数据存储在名为量⼦位或量⼦⽐特（qubit）的量⼦⼆进制数字中，量⼦⽐特可⽤超导环、光阱和光⼦在内的各种技术来产⽣。有些技术需要冷却到接近绝对零度，有些技术则可在室温下运⾏。Hensinger的畅想是建造⼀个⾜球场⼤⼩的计算机，当然也有计算机可以直接安装在汽⻋上。其实，研究⼈员在如何测量量⼦计算机的性能上都还没达成⼀致。
⽆论采⽤何种设计，当量⼦⽐特被⼩⼼翼翼地诱导出具有不确定性的“叠加”态时，奇妙的事就会发⽣，叠加态的本质是数字1和0的混合态⽽⾮绝对的1或0。在量⼦计算机上运⾏算法需要指导这些叠加态的演化。这⼀演化的量⼦规律会让量⼦⽐特相互作⽤，从⽽执⾏现实中经典计算机⽆法完成的计算。
不过，有⽤的计算必须使⽤拥有⼤量量⼦⽐特的计算机，⽽这种计算机甚⾄还没有被造出来。并且，量⼦⽐特及其相互作⽤必须要能抵抗因热振动、宇宙射线、电磁⼲扰和其他噪声源的影响⽽产⽣的错误。这些扰动会导致计算所需的⼀些信息从处理器中泄漏出来，这种情况称为退相⼲（decoherence）。这可能意味着这些量⼦⽐特的⼀⼤部分将被⽤于纠错程序，以保持计算的正常进⾏。⽽这也是对量⼦计算的怀疑来源。
就量⼦⽐特⽽⾔，世界上最⼤的量⼦计算机是IBM的“⻥鹰”（Osprey），它有433个量⼦⽐特。但美国华盛顿的微软量⼦（Microsoft Quantum）和瑞⼠苏黎世联邦理⼯学院的研究⼈员在2022年发表的⼀篇预印本论⽂[2]指出，即使有200万个量⼦⽐特，⼀些量⼦化学计算可能也要⽤上⼀个世纪。
美国加州⾕歌（Google）的科学家Craig Gidney和瑞典皇家理⼯学院的Martin Eker?在2021年发表的研究估计，在8⼩时内破解最先进的加密技术需要2000万个量⼦⽐特才够[3]。
然⽽，这类计算任务也能带来⼀些信⼼。虽然2000万个量⼦⽐特看起来遥不可及，但它⽐之前认为需要的10亿个量⼦⽐特已经少了很多[4]。这篇2022年预印本论⽂[2]的第⼀作者、微软量⼦的研究员Michael Beverland认为，量⼦化学计算⾯临的⼀些障碍可以通过硬件上的突破来克服。
例如，Riverlane应⽤与算法团队的负责⼈Nicole Holzmann和她的同事证明，计算⼤约50个轨道电⼦基态能量的量⼦算法可以从根本上提⾼效率5。先前对此类算法的运⾏时间估计在1000年以上。但Holzmann和她的同事发现，对例⾏程序进⾏调整，例如改变算法任务在各种量⼦逻辑⻔周围的分布，能将理论上的运⾏时间缩短到短短⼏天，速度⼤约提升五个量级。
“不同的选择会有不同的结果，”Holzmann说，“其中许多选择我们都还没有好好想过。”
量⼦跃迁
在IBM，Garcia已经在探索这些可能了。这在许多⽅⾯⾮常容易：量⼦的潜在优势不仅限于处理涉及各种分⼦的计算。⼀个经典计算机很难执⾏但量⼦计算机有能⼒执⾏的⼩型计算任务，是找到微⼩光活性分⼦的基态和激发态的能量。这有望改进半导体制造的光刻技术并⾰新药物设计。另⼀项应⽤是电池研究⼈员更感兴趣的——模拟单个氧分⼦的单线态和三线态。2⽉，Garcia的团队发表了硫鎓离⼦（H3S+）的量⼦模拟[6]。
该分⼦与三苯基硫鎓（C18H15S+）有关，三苯基硫鎓是⼀种⽤于光刻的光致产酸剂，可对特定波⻓的光产⽣反应，了解其分⼦和光化学特性便能提⾼⽣产效率。该团队开始这项⼯作时，计算任务看起来不可能完成，但过去三年⾥量⼦计算领域的进展使研究⼈员已经能⽤相对有限的资源进⾏模拟：H3S+的计算能在IBM的“猎鹰”（Falcon）处理器上运⾏，该处理器只有27个量⼦⽐特。
IBM团队的部分成功源于他们采⽤了降低量⼦计算机错误率的各种⽅法，其中⼀种⽅法叫错误抑制（error mitigation），是指使⽤类似降噪⽿机的算法来消除噪声；另⼀种⽅法叫纠缠锻造（entanglement forging），是指识别出可分离出来并在经典计算机上模拟、同时不会丢失量⼦信息的部分量⼦电路。纠缠锻造去年才刚发明出来7，能使可⽤的量⼦资源翻倍。
澳⼤利亚悉尼⼤学量⼦物理学家、悉尼初创公司Q-CTRL的⾸席执⾏官兼创始⼈Michael Biercuk表示，现在是时候探索这类操作上的调整了。Biercuk的⽬标是深⼊挖掘量⼦电路与⽤于控制量⼦电路的经典计算机之间的接⼝，同时了解量⼦计算机其他组件的更多细节。“还有很多可能，”他说，早期关于错误率和局限性的报告是浅显⽽简化的。“我们发现硬件表现还有进⼀步的提升空间，让它执⾏超乎我们想象的任务。”
⽆独有偶，Riverlane也在尝试简化⼀台有⽤量⼦计算机的那些令⼈⽣畏的需求。Brierley指出，根据⽬前的估算，药物发现和材料科学应⽤可能需要能执⾏⼀万亿次⽆退相⼲操作的量⼦计算机，但这其实是个好消息。“因为五年前，这个数字是100万万亿。”
⼀些公司⾮常乐观，甚⾄承诺在不久的将来推出有⽤的商业应⽤。例如赫尔⾟基的初创公司Algorithmiq就表示将在五年内展示量⼦计算在药物研发和发现⽅⾯的切实进展。“我们对此充满信⼼。”Algorithmiq的联合创始⼈兼⾸席执⾏官、赫尔⾟基⼤学的物理学家Sabrina Maniscalco说道。
漫⻓的竞赛Maniscalco和很多⼈都相信，量⼦计算的⾸批商业应⽤将⽤于加速或更好地控制分⼦反应。
荷兰国家数学与计算机科学研究中⼼（CWI）的⾼级研究员Ronald de Wolf说：“如果说未来五年内有什么能够投⼊应⽤，那⼀定是化学计算。”东京富⼠通研发中⼼（Fujitsu Research）量⼦实验室负责⼈Shintaro Sato补充道，这是因为它对资源的需求相对较低，“只要使⽤量⼦⽐特数量较少的量⼦计算机就有可能实现。
”Biercuk说，⻛险管理等⾦融应⽤以及材料科学和物流优化也最有可能在短期内从量⼦计算中受益。当然，⼤家也在想象⻓期、推测性的应⽤——包括量⼦版本的机器学习。
机器学习算法通过查找数据中的隐藏结构和模式来执⾏图像识别等任务，然后创建出能让算法在其他数据集中识别相同模式的数学模型。这⽅⾯的成功往往需要⼤量参数和海量的训练数据。但是对于量⼦版本的机器学习来说，量⼦粒⼦可以存在的各种不同状态意味着训练过程可能不需要这么多参数和训练数据。
美国杜伦⼤学的Jungsang Kim以及⻢⾥兰州IonQ公司的研究⼈员与韩国汽⻋制造商现代（Hyundai）合作开发了能在实验室测试中区分⼗个路标的量⼦机器学习算法（参⻅go.nature.com/42tt7nr）。这个基于量⼦的模型只需使⽤60个参数即可达到与使⽤5.9万个参数的经典神经⽹络相同的精度。
“训练迭代的次数也少了很多，”Kim说，“⼀个有5.9万个参数的模型⾄少需要10万个数据集来训练。⽽在量⼦版本中，参数数量很⼩，训练也变得⾮常⾼效。”Kim说，现在说量⼦机器学习已经超越经典算法还太早，但还有很多探索空间。
与此同时，Garcia表示，虽然这还是个量⼦处于劣势的时代，但它提供了⼀个机会，可以验证量⼦算法和计算机相较于经典计算机的表现差在哪⾥，这样研究⼈员就更清楚他们能在未来实现哪些⽬标。“当我们开始超越经典计算机的可能性时，这会给我们带来信⼼。”对于⼤多数应⽤⽽⾔，这⼀天还很遥远。
悉尼初创公司Silicon Quantum Computing主管、悉尼新南威尔⼠⼤学的物理学家Michelle Simmons说，他们⼀直在与⾦融和通信公司密切合作，但预计还要很多年才能看到回报。但这没关系，Simmons解释道，Silicon Quantum Computing的投资者都很有耐⼼。Brierley说Riverlane也不着急。“⼤家都明⽩，这是⼀场持久赛。
”Hensinger补充道，虽然吹得天花乱坠，但实际进展并不快。他说：“不是说我们的实验室突然出现⼀道彩虹，所有问题就迎刃⽽解了。”
恰恰相反，这是个⼀点⼀滴进步的过程，推动我们向前的是关于如何使⽤这些计算机的新颖洞⻅，以及编程⼈员开发的新算法。他说：“现阶段最重要的是打造⼀⽀懂量⼦的⼈才队伍。”