在未来几年内，由于在硬件和运行于其上的算法方面的大量工作，量子计算机可能赶上甚至超越经典计算机。
量子计算机利用量子力学进行计算。它们的基本计算单元量子比特类似于标准比特（零或一），但它处于两个计算量子态之间的量子叠加态：它可以同时是零和一。这种性质，以及另一种独特的量子特性——被称为纠缠，可以使量子计算机比任何传统计算机更有效地解决某些类型的问题。
这项技术虽然令人兴奋，但也出了名的难以驾驭。例如，一种称为退相干的过程会扰乱其功能。研究人员已经确定，拥有数千个量子比特的严格控制的量子计算机可以通过一种称为量子纠错的技术来抵御退相干。但是，实验室迄今为止展示的最大量子计算机——最著名的例子来自 IBM、谷歌、Rigetti Computing 和 IonQ——仅包含几十个量子比特。加州理工学院的约翰·普雷斯基尔将这些版本命名为含噪声中等规模量子 (NISQ) 计算机，它们还不能进行纠错。然而，针对 NISQ 专门编写的算法的爆发式研究可能使这些设备能够比经典计算机更有效地执行某些计算。
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关塑造我们当今世界的发现和想法的具有影响力的故事的未来。
世界各地用户对 NISQ 机器的访问增加极大地促进了这一进展，使越来越多的学术研究人员能够为这些机器开发和测试小规模版本的程序。一个专注于量子软件不同方面的初创公司生态系统也在蓬勃发展。
研究人员特别看好两种用于 NISQ 的算法——用于模拟和机器学习的算法。1982 年，传奇理论物理学家理查德·费曼提出，量子计算机最强大的应用之一将是模拟自然本身：原子、分子和材料。包括我自己在内的许多研究人员已经开发出在 NISQ 设备（以及未来的完全纠错量子计算机）上模拟分子和材料的算法。这些算法可以改进新材料的设计，以用于从能源到健康科学等领域。
开发者还在评估量子计算机是否在机器学习任务中更胜一筹，在机器学习任务中，计算机从大型数据集或经验中学习。对一组快速增长的 NISQ 设备算法的测试表明，量子计算机确实可以促进诸如按类别对信息进行分类、将相似的项目或特征聚类在一起以及从现有样本中生成新的统计样本等机器学习任务——例如，预测可能显示所需属性组合的分子结构。至少有三个研究小组独立报告了在开发一种称为生成对抗网络 (GAN) 的机器学习方法的量子版本方面取得的进展，这种方法在过去几年中席卷了机器学习领域。
尽管许多算法似乎在现有的 NISQ 机器上运行良好，但还没有人能正式证明它们比传统计算机上可以执行的算法更强大。这些证明非常困难，可能需要数年才能完成。
在未来几年，研究人员很可能会开发出更大、更可控的 NISQ 设备，随后是具有数千个物理量子比特的完全纠错机器。我们这些从事算法工作的人员乐观地认为，用于 NISQ 的算法将足够有效，以实现优于最先进的传统计算机的优势，尽管我们可能必须等到完全纠错的机器可用为止。