Nature | 走向实用化：谷歌量子计算的三大商业前景

来源：机器之心（ID:almosthuman2014），作者：Masoud Mohseni等人，选自Nature，参与：李泽南、黄小天、蒋思源

谷歌量子人工智能实验室的 Masoud Mohseni、Peter Read、Hartmut Neven 及其同事规划了通向终极量子机器的投资蓝图。

谷歌的低温恒温器在 10mK 温度下运行量子处理器

从量子纠缠到与大分子化学反应，无法使用传统二进制计算机有效描述的世界特征有很多。解决这一难题的办法，正如物理学家 Richard Feynman 在 30 年前意识到的，就是使用量子处理器，这种处理器同时混合了传统状态，恰如物质所做的那样。然而，这样的量子机器投入使用前需要克服很多技术障碍，其中包括误差控制以及根据编码信息的量子状态运行保真度的提升。

人类正在打造终极量子计算机：一个可以容忍误差和错误，解决一切问题的量子计算机。理论上讲，这样一台由很多量子比特组成的大型处理器为核心的机器要比普通计算机更快，计算能力至少领先 10 年。纠正错误需要冗余，量子比特的数量需要大幅度扩展。例如，1 天时间内对 2000 位数进行因式分解是经典计算机难以胜任的，而这也需要 1 亿个量子比特进行计算，而且这是在每 100,000 个操作中只有 1 个量子位出错的前提下。目前，我们还没有组装出具有数十个量子位的量子处理器的能力。

关于量子计算的保守观点使得投资者认为这项技术只能在远期获得回报。但我们认为，如果这个小装置在未来 5 年内出现，短期回报也不无可能，即使它们无法纠正全部错误。

理论保证的缺乏并不妨碍成功。结合了量子和经典方法的启发式混合方法可以支撑强大的未来应用。神经网络在机器学习方面的最近成功就是一个很好的例证。在上世纪 90 年代，训练深度神经网络的计算机还不存在，有着强大理论基础的 convex 方法（以带有清晰最小化解决方案的函数为基础）在这一领域甚是流行。今天，这些方法并不适用于深度学习。神经网路的基础算法很难改变，但是，多亏了摩尔定律，我们取得了一些令人称奇的里程碑式的新成果。

相似地，尽管今天没有证据表明非完美量子机器可以计算的足够快以解决实际问题，但情况也许在改变。模拟和数字量子硬件的规模、保真度和可控性正在稳步提升。我们预测在几年内，基于 CMOS（互补金属氧化物半导体，complementary metal oxide–semiconductor）技术的可控量子系统执行特定任务的速度就会超过传统计算机。

今天关于早期量子计算装置，我们提出了三个可行的商业化应用：量子模拟、量子辅助优化和量子采样。这些领域内的更快计算速度将在人工智能、金融和医疗方面形成商业化优势。

量子计算机的发展不仅需要多学科互动，而且需要学界和业界紧密配合。制造足够可靠、可控、商业化的装置需要硬件水平的提升。解决现今硬件限制的实际问题需要启发式量子算法。

三大商业前景

如果一些可行的技术进步成为现实，新兴的量子处理器将有可能胜任以下几类任务，并在未来几年内具有商业价值：

量子模拟。对化学反应和材料进行建模是量子计算最有可能的一个应用。研究者可以在计算机中研究数百万的候选而不用再花费数年，投入数亿的美元制造和定性少量材料。不管目标是用于飞机的更强的高分子材料，用于汽车的更有效的触媒转换器，用于太阳能电池的更好材料，更好的医学品还是更透气的纤维，更快的发现途径将会带来巨大价值。

计算材料发现已经是一个很大的产业。量子计算将为它带来根本的转变：从质量和描述到数量和预测。化学反应率对分子能量极其敏感，且横跨的范围已超出经典计算机的处理能力。如果稳健的算法成为现实，或许无需充分的量子错误纠正就可以完成材料模拟的任务。例如，已知的算法（例如量子力学变分计算的方法）有可能不需要量子位错误控制。

很多种商业模型可以提供量子模拟器。实验室可以允许付费访问。计算机公司可以充当顾问。一些企业也许会交换股权，以换取量子辅助的突破并带来创新材料的发展。

量子辅助（Quantum-assisted）优化。在物理、社会科学和各行业所有涉及量化计算的学科中，最核心也是最困难的计算任务就是优化。这些优化问题很难用常规计算机解决。因为算法只能缓慢地遍历所有数学上可能的解决方案，而优良的解决方案可能隐藏在难以克服的计算障碍之后。最常见经典的算法就是使用统计学方法（如热能分布/thermal energy distributions）来「越」过这些障碍。我们认为这种经典类型的采样（classical sampling）能通过引入量子现象的偶发性（如量子隧道，穿过障碍传递量子信息）达到加强的效果，从而找到也许很少见但十分高质量的解决方案。

这些芯片只有 6x6mm 的尺寸，控制 6 个量子比特

例如：推荐系统和广告竞价策略需要使用最优化的算法为消费者提供最及时有效的信息。基于量子计算和普通计算机的混合方式可以提高此类任务在很多领域中的服务质量。物流公司可以用新的方法每天优化他们的日程安排，计划和产品分配，医疗诊断也将变得越来越快捷准确。在新架构的帮助下，科技公司如谷歌、微软、亚马逊和 Facebook 提供的搜索或产品推荐质量都会得以提高。

量子采样。从概率分布中抽样的方法广泛应用与统计和机器学习领域。理论上，理想的量子电路可以比普通计算机更快地对更大概率分布范围进行采样。我们的计算表明，即使是相对小电路的高保真量子门（7 × 7 量子比特，深度 25）也可以对经典架构无法触及的概率分布进行取样。

事实上，从浅量子电路中对概率分布进行采样或许是「量子霸权」的一大例证——这一术语是由理论物理学家 John Preskill 创造的，用以描述量子处理器能在短时间内完成明确的数学任务的能力。此类任务即使是经典架构的超级计算机（如我国的神威·太湖之光）也无法在有限的时间内完成。我们相信在未来的几年里，证明量子霸权的实验就会出现。

量子采样的潜在应用是机器学习中的推理和模式识别。为了促进学界和业界的发展，谷歌计划开放云计算接口，向开发者们提供接触量子计算的机会。

技术障碍

量子计算目前距离商业化还有一段距离，一些技术挑战必须得以解决。量子计算机硬件需要扩大规模以与目前的计算机硬件竞争，而目前架构的计算机已经在摩尔定律之下发展了数十年。量子比特需要量子相干性以形成量子纠缠，这相当于经典计算机需要有增益的晶体管。如何实现大规模和相干性是量子计算机系统面临的最大挑战。这些问题即使在理论上也是难以解决的，因为量子信息无法被复制，而量子计算机中的子系统相互纠缠，这导致所有设计都要以全局的角度来思考。

我们认为超导量子比特是量子计算机最有前景的形式。基于标准集成电路和超导技术，这种架构相对而言容易被构建和掌控。这种架构已经存在多种不同的模拟量子处理器了，它们可以满足不同的任务需求。此前，10 量子比特的高保真系统已经研制成功，这也证明了超导方式的可行性。

同时，一些新的技术正在帮助超导量子计算解决扩展性的问题，如超导撞击禁锢（superconducting bump bonds），这是一种包含信息处理单元和和控制电路的双层架构。目前，1000 量子比特的「量子退火」原型机已经进入商用，这些机器是模拟量子处理器，可为找到某些任务的最优解决方案提供便利。

目前还不完美的量子计算机还需要获得更多改进。浅量子电路需要更高的栅极保真度和更多稳定性以限制去相干。量子退火机器则需要在连接性，控制精度和相干时间方面得到改进。此外，我们最终需要的仍是一个能够替代量子退火的方案。

谷歌使用射频和微波电子设备制造可扩展的控制硬件

商业机遇

一个新技术可以通过三种方式加入市场提升业务：即增加利润、降低引入新技术或降低基础生产设备的投资。在数字化时代，引入一种新技术可以造成指数级的影响：即使只会提升产品 1% 的质量，同样能帮助公司在用户量或利润上带来压倒性的增长。这就是「超新星效应」，它在市场的竞争、透明度和效率上起着重要的作用。

如果早期量子计算设备只要能给现行的计算速度或功率提升一点点，早期采用量子计算的公司将会获得很大的利润。其竞争对手也会面临着很高的进入壁垒才能提供相同质量的服务或产品，这也因为只有少数专家才能编写量子算法，企业也需要比较长的时间来设计新算法。对这种垄断（disruptions）最为开放的市场是多信息（information-rich）和数字化的市场，并且还涉及到依赖于许多变量的商业挑战。这种开放性市场就有如金融服务、健康医疗、物流和数据分析。

公司需要审视自己的需求和供给才能制定商业案例。需求分析可以用以下方法来评估：首先需要确定「最小可行性产品」，因为早期量子创新仅仅只是凭借着核心特征加入市场。然后评估该量子创新是不是解决市场现有的需求（拟合产品和市场）、产品商业化所需要的时间（上架速度）和市场的反响（业务跟踪）。

例如，破解加密（通常媒体宣称为数字化量子计算机的「杀手级应用」）就在市场契合度方面得分不高。也许该应用某一天会被免疫量子攻击的密码系统所淘汰。并且大多数私营企业对破解加密系统并不感兴趣。相比之下，证券投资组合优化和风险管理需要即时的数据反馈，而这些需求都能从量子强化模型（quantum-enhanced models）中受益。更加高效的量子化学（quantum-chemistry）计算将变革制药的发展、催化转化器（catalytic converters）、太阳能电池和肥料。

量子辅助（Quantum-assisted）优化和推断技术能增强新型机器学习和人工智能系统。这些系统不仅能加强对可再生能源发电机的管理，还能提升遥感卫星和早期预警系统的的工作效率。这些技术还有助于对在线商品和服务的动态定价、仓库自动化及自动驾驶汽车。

而在供给侧，公司还将通过评估他们团队和技术的质量来区分定位自己。量子计算的开拓学者与企业家需要一起工作。也许这一点很具挑战性，因为学术的激励通常和初创文化或工业界并不一致。

战略合作伙伴关系通常能帮助企业脱颖而出。为了吸引风险投资，优秀的量子产品应该是拥有少量资产的商业模式，其制造成本低廉并能很明显地帮助客户创造价值。通过云端，将经典求解器（solvers）应用到简单任务，并在需要的时候调用量子处理器，公司就能从使用现有的云数据中心获得收益。

下一步

量子计算机领域很快就会出现爆发性的技术突破。但新硬件技术需要的相应算法能否及时出现还有待探讨。但随着量子计算机变得实用化，对其进行专门优化的算法必将逐渐进入人们的视野。

在下一个十年里，学界、业界以及国家实验室会同心协力开发新的量子计算模拟方式和量子机器学习算法。谷歌计划在这一过程中通过提供基于云端的量子处理器服务，为缺乏必要资金、专业能力和设备的开发者提供帮助。

原文链接：http://www.nature.com/news/commercialize-early-quantum-technologies-1.21583