量子計算機商業化6大賽道：人工智慧、分子模擬、粒子物理等

新智元編譯

計算機並非存在於真空中。計算機用於解決問題，而它們能夠解決的問題類型受到硬體的影響。圖形處理器（GPU）專門用於渲染圖像；人工智慧處理器用於AI任務；那麼，量子計算機是為什麼設計的？

雖然量子計算機的能力令人驚嘆，但並不意味著它只是讓現有的軟體運行速度提升了十億倍。相反，量子計算機對某些特定類型的問題很擅長，但對另一些問題不擅長。以下是商用化量子計算機的一些主要應用。

人工智慧

量子計算的主要應用是人工智慧（AI）。AI基於從經驗中學習的原則，在得到反饋的情況下會變得更準確，直到計算機程序似乎能夠展現出「智慧」。

反饋基於對許多可能的選擇計算其概率，因此AI是量子計算機的理想應用。AI被認為將破壞從汽車到醫療的每個行業，AI之於21世紀類比電力之於20世紀。

例如，洛克希德馬丁公司（LockheedMartin）計劃使用它的 D-Wave 量子計算機來測試自動導航軟體，這對一般計算機來說太過複雜。谷歌正在使用量子計算機來設計可以區分汽車和地標的軟體。我們已經到達AI創造更多AI的時間點，所以它的重要性將迅速升級。

分子模擬

另一個例子是對分子相互作用的精確建模，即找到化學反應的最佳結構。這種「量子化學」十分複雜，當前的數字計算機能夠分析的只是最簡單的分子。

化學反應本質上是量子化的，因為它們形成高度糾纏的量子疊加狀態。但是，充分開發的量子計算機即使對最複雜的過程也不會有困難。

在這個領域的研究中，谷歌已經模擬過氫分子的能量。這意味著在各個行業將有更高效的產品，從太陽能電池到製藥，等等。特別是化肥生產，因為化肥佔全球能源使用量的2％，對能源和環境的影響是非常深刻的。

密碼學

目前網路安全性大多取決於對大數進行因數分解的難易程度。雖然可以使用數字計算機來搜索所有可能的因數來實現，但是所需的巨量時間使得「破解密碼」十分昂貴且不切實際。

量子計算機可以比數字計算機更有效地執行這樣的因數分解，這意味著這種安全方法很快就會過時。新的密碼學方法正在開發，但可能需要時間。

利用量子糾纏的單向性質也對開發量子加密方法有幫助。City-wide網路已經在幾個國家得到證實，中國科學家最近宣布，量子衛星成功地將處於糾纏態的光子發送到三個獨立的地面基站。

金融建模

現代市場是最複雜的系統。雖然我們已經開發出越來越多的科學和數學工具來解決這個問題，但它不同於其他科學領域的一個主要影響是：實驗中沒有可控設置。

為了解決這個問題，投資者和分析師已經轉向量子計算。量子計算機的一個直接優勢是其固有的隨機性與金融市場的隨機性相關。投資者經常在隨機產生的極大數量的情景下評估結果的分布情況。

量子可以提供的另一個優點是，套利交易之類的金融操作可能需要許多路徑相關的步驟，其可能性的數量大大超過了數字計算機所能處理的容量。

天氣預報

NOAA首席經濟學家Rodney F. Weiher聲稱，美國國內生產總值的近30％（6萬億美元）直接或間接受到天氣影響，例如影響食品生產，交通運輸和零售業等。更好地預測天氣的能力將對許多領域有很大的好處，更不用說能有更多的時間來應對災難。

雖然這長期以來一直是科學家的目標，但是控制這些過程的方程包含很多變數，使得經典的模擬十分耗時。量子研究員Seth Lloyd指出：「使用傳統計算機進行這種分析可能需要比實際天氣變化的時間更長！」麻省理工學院的Lloyd表示，控制天氣的方程具有隱藏的波動性，這是適合量子計算機的解決方案。

谷歌工程總監HartmutNeven還指出，量子計算機可以幫助構建更好的氣候模型，從而使我們更深入地了解人類如何影響環境。這些模型有助於預估全球變暖，並幫助我們確定現在需要採取哪些步驟來預防災難。

粒子物理學

量子計算機令人激動的最終應用可能是…研究新物理學。粒子物理學的模型通常是非常複雜的，需要大量的數值模擬計算時間。這使得它們成為量子計算的理想選擇，研究人員已經充分利用了這一點。

因斯布魯克大學和量子光學與量子信息研究所（IQOQI）的研究人員最近使用可編程量子系統進行了這種模擬。研究成果發布在 Nature，該團隊使用一個簡單版本的量子計算機，其中離子執行邏輯運算，這是任何計算機計算的基本步驟。與實際的物理實驗相比，該模擬顯示出很好的一致性。

理論物理學家PeterZoller說：「這兩種方法相輔相成。粒子對撞機完成的實驗我們無法替代，但是，通過開發量子模擬器，我們能夠更好地了解這些實驗。」

投資者現在正在爭取進入到量子計算生態系統中，不僅僅是計算機行業，銀行，航空航天業和網路安全公司都在利用這一計算革命。

與所有新技術一樣，隨著硬體的不斷發展和創造新的機遇，目前難以想像的應用將會被開發出來。

原文：http://searchbusinessanalytics.techtarget.com/feature/Machine-learning-platforms-comparison-Amazon-Azure-Google-IBM

點擊閱讀原文查看新智元招聘信息

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！