量子模拟和优化：最具体的用例

在[量子计算0的所有应用中，两个集中了大部分经济回报的期望：量子系统的模拟和优化。值得仔细区分两者，因为第一个有更坚实的基础，而第二个则有很多夸张之处。

对于那些决定将注意力投入到哪里的人来说，这种区别很重要。将成熟的承诺与投机性的承诺混为一谈会导致错误的期望，更糟糕的是，会导致在错误的时间进行投资。

为什么模拟是最自然的情况

对于量子模拟有一个优雅的论据。分子、材料和化学反应本质上都是量子系统。在经典计算机上描述它们需要近似值，其成本随着系统的规模而呈爆炸性增长。

另一方面，量子计算机直接操纵量子态。理论上，它代表一个量子系统使用另一个量子系统，没有同样的瓶颈。优势不是一个模糊的赌注，而是问题本质的结果。

这就是为什么模拟被视为量子优势更早出现且更容易防御的领域。不是因为技术已经准备好了，而是因为问题和机器之间的对应关系是直接的。

这并不意味着我们已经有了有用的大规模模拟。当前的设备仍然嘈杂且有限。现有的是有希望的演示和清晰的概念路径，这超出了许多其他应用程序的范围。

模拟的具体用例集中在三个密切相关的领域。

在化学中，目标是预测分子的行为、反应如何发生以及它们涉及多少能量。催化是一个高价值的例子：在量子水平上了解催化剂可以改善当今消耗大量能源的工业流程，例如化肥生产。

在材料方面，人们希望在实验室合成之前设计出具有特定特性的物质。超导体、密度更大的电池、更轻、更强的材料。如今，这一发现的大部分内容都是通过昂贵的试验和错误来实现的。精确的模拟减少了搜索空间。

在制药领域，模拟有助于了解候选分子如何与生物靶标相互作用。药物发现周期长且昂贵。通过更准确的模拟加速初步筛选将产生相关的经济影响。

在这三种情况下，增益并不是要取代当前的方法，而是在物理实验之前缩小可能性。即使在某些问题上取得部分优势，也会引起能源、化工、制药和先进制造行业的兴趣。

优化是第二个大案例，这里需要更多的怀疑。

优化问题无处不在：路线交付、分配资源、平衡产品组合、调度生产。量子计算机有望比经典方法更快地找到好的解决方案。

真实的部分：针对某些优化问题对量子算法和专用设备进行了认真的研究，并取得了一些令人鼓舞的实验结果。

营销遗漏的部分：对于大多数实际的优化问题，经典方法非常好，并且每年都在改进。在现实世界和相关问题中，相对于最佳经典算法的持续量子优势尚未以令人信服且广泛的方式得到证明。这是研究人员之间诚实争论的主题。

这并不否定其潜力。这意味着优化需要更高标准的证明。当供应商承诺在当今的物流领域实现巨大收益时，正确的问题是：与哪种经典方法相比，在哪个问题上，具有多少可复制的利润？如果没有这些答案，它就只是一个承诺，而不是一个产品。

明智的方法是带着兴趣并把手放在口袋里跟随优化。这是最容易将演示与实际优势混淆的领域。

一个常见的误解是，利用这些应用程序需要购买一台量子计算机。它不需要它，而且可能也不应该。

今天的实际访问是通过云进行的。领先的提供商提供量子机器作为服务，以及在经典硬件上运行的模拟器。研究团队可以在不投资物理基础设施的情况下试验算法。

新兴的模式是混合的：受益于量子处理的部分问题在量子机器上运行，其余部分仍然在经典计算中，继续承担繁重的工作。这不是替换，而是任务的划分。

对于领导者来说，这改变了风险方程式。评估您所在行业的量子潜力并不意味着需要投入大量资金。这意味着一个受控飞行员和一个小团队，按需使用资源。学习成本低。在暴露的行业中，忽视和惊讶的成本更大。

操作问题不在于量子模拟是否有效。那是她处理自己的事情以及在其间要做的事情的时候。

如果您从事化学、材料、能源或制药行业，则模拟值得积极监控，并且可能在下一个周期进行探索性试点。这些领域的优势首先显现出来，但迟到的代价却很高。

如果您的核心问题是优化，请保持兴趣但需要证据。在进行任何量子投资之前，请确认您已经用尽了现代经典方法所提供的方法。通常，增益就在那里，不需要任何量子位。

对于其他部门，方法是扫盲和监测。知道如何区分模拟（可靠）和优化（推测）已经可以避免购买错误的承诺。

理解这些用例的好处在于校准期望。那些知道哪些优势是站得住脚、哪些是炒作的人会做出更好的决定，花更多的钱，并且不会被下一个标题冲昏头脑。

如果您的组织在高风险行业运营，具体步骤很简单：识别真实的模拟问题并通过云评估试点，并配备精干的团队和校准的期望。尽早学习，而不是大量下注，是最明智的举动。