隨著技術(shù)以閃電般的速度發(fā)展,，科學家和工程師現(xiàn)在需要比以往更快的處理速度和功能。電池建模,、分子中單個原子的行為建模以及確定蛋白質(zhì)的行為等復雜問題和研究課題都是此類問題的示例，即使對于超級計算機而言,，這些任務(wù)也是困難的任務(wù),。超級計算機是使用傳統(tǒng) CPU 和 GPU 以位的形式處理數(shù)據(jù)的大型計算機。
盡管功能強大,，但當遇到成千上萬復雜變量以復雜方式相互作用的問題時,，這些超級計算機就會遇到困難,。以模擬分子內(nèi)單個原子的行為為例;這個原子將與數(shù)以千計的其他電子和原子相互作用，在得出理想的解決方案之前必須分析所有這些可能性,。另一個現(xiàn)實生活中的例子是為全球航運網(wǎng)絡(luò)中的數(shù)百艘油輪尋找理想路線,。這些只是量子計算機超越經(jīng)典超級計算機的眾多領(lǐng)域中的一小部分。
傳統(tǒng)計算遵循布爾代數(shù)的原理,，所有復雜的數(shù)據(jù)都以二進制狀態(tài)(即 1 和 0 )進行分解和處理,。這些 1 和 0 只不過是數(shù)百萬個晶體管和電容器的狀態(tài)，它們一次只存在于一種狀態(tài),。因此,，這些物理半導體在其開關(guān)速度方面具有局限性。
隨著行業(yè)需要更快,、更緊湊的設(shè)備,，研究人員已經(jīng)達到了經(jīng)典物理定律無法應(yīng)用的閾值。另一方面,，量子計算不是在物理層面上運行,，而是在原子層面上運行，其中單個原子可以被極化以表示 1 和 0,。每個粒子被稱為一個量子位,，或量子比特。因為它們在量子水平上運行,，所以這些計算機利用了量子物理學的獨特行為,，例如疊加、糾纏和量子干涉,。
疊加是粒子同時存在于兩種二元狀態(tài)的能力,，即它所處的狀態(tài)是 0 和 1 以及存在于它們之間的所有狀態(tài)的疊加。糾纏是量子位在糾纏并形成單個系統(tǒng)時影響其他量子位的能力,，而量子干涉是量子位的固有行為,，由于其疊加，會影響其以某種方式坍縮的概率,。量子糾纏允許這些量子比特以無限的速度相互作用,，即使它們相距很遠。疊加和糾纏使量子計算能夠?qū)崿F(xiàn)真正意義上的并行處理,。雖然經(jīng)典計算中的 2 位寄存器可以存儲四種可能的二進制配置之一,，
用途和應(yīng)用領(lǐng)域
目前，量子計算技術(shù)處于非常早期的階段,。采用目前技術(shù)的量子計算機無法比超級計算機更快地執(zhí)行所有任務(wù),，但在某些領(lǐng)域可以看到由于它們而產(chǎn)生的重大影響。
量子模擬
研究人員和科學家使用傳統(tǒng)的計算技術(shù)來計算材料的特性,，以確定滿足特定要求的新材料,。盡管取得了成功，但這些方法占用大量處理能力且效率低下,。當研究這些粒子之間的相互作用時,，這些經(jīng)典系統(tǒng)達到了極限。量子模擬器通過使用量子現(xiàn)象來模擬模型來解決這些問題,，這很容易耗盡經(jīng)典模擬器,。量子模擬器在凝聚態(tài)物理、高能物理,、原子物理,、量子化學和宇宙學等領(lǐng)域的許多問題研究中都有應(yīng)用?？梢栽谛枰^少控制且更易于構(gòu)建的簡單模擬設(shè)備上執(zhí)行量子模擬,。許多量子系統(tǒng)，如中性原子,、離子,、光子，已被標記為量子模擬器,。
密碼學
密碼術(shù)是一種將純文本轉(zhuǎn)換為編碼文本以確保其安全的加密過程,。量子密碼學是使用量子力學作為一種更安全地加密數(shù)據(jù)的方法。廣泛使用的密碼學加密技術(shù),，如 Rivest–Shamir–Adleman (RSA) 算法,，基于復雜的因式分解和離散對數(shù)，它們占用了經(jīng)典計算機的大量處理能力,，因此是一個昂貴的過程,。量子密碼學被證明是一種更有效的加密解決方案。量子密碼術(shù)使用一系列光子通過光纖電纜傳輸數(shù)據(jù),，并在端點檢測和測量其強度,。
優(yōu)化
全球所有行業(yè)都需要流程優(yōu)化。優(yōu)化是在給定約束和預期輸出的情況下找到問題的最佳解決方案的過程,。制造業(yè)需要高效的流程以最低的價格制造高質(zhì)量的產(chǎn)品,。航運業(yè)需要為他們的船只找出最快和最經(jīng)濟的路線，而能源生產(chǎn)行業(yè)需要每分鐘優(yōu)化其流程,，以最低的成本利用最大的能源,。通過使用量子計算，可以找到復雜問題的最佳解決方案,，這可能會使現(xiàn)有的經(jīng)典計算基礎(chǔ)設(shè)施不堪重負,。
量子機器學習
機器學習徹底改變了科學和商業(yè)領(lǐng)域，幾乎每家公司都依賴 ML 算法來充分利用可用資源,。盡管該領(lǐng)域取得了很大進步,，但由于經(jīng)典計算機的計算能力,，其發(fā)展一直受到阻礙。這些機器學習模型的訓練需要很高的計算能力,，因此給經(jīng)典計算機帶來了很大壓力,。盡管目前存在硬件和軟件方面的挑戰(zhàn)，但量子機器學習肯定可以在不久的將來取代經(jīng)典的 ML 算法,。
目前的挑戰(zhàn)
盡管量子計算承諾了各種好處,，但仍然需要修復不同的坑洼。下面列出了當前必須解決的一些挑戰(zhàn)：
·
對與環(huán)境相互作用的敏感性
·
量子計算機對其所在的環(huán)境非常敏感,，因為與周圍環(huán)境的任何相互作用都會導致退相干,。退相干是由于與環(huán)境的不良相互作用導致的狀態(tài)函數(shù)的崩潰。將量子系統(tǒng)與其周圍環(huán)境隔離開來是極其困難的,，而且隨著系統(tǒng)中量子位數(shù)量的增加,，這種隔離難度也會增加。盡管在強磁場中使用量子比特已經(jīng)取得了一些成功,，但使用離子還有很長的路要走,。
·
錯誤及其更正
·
計算，無論是經(jīng)典計算還是量子計算,，都涉及錯誤,。在經(jīng)典計算機的情況下，計算本質(zhì)上是非線性的,，這使得錯誤識別和傳統(tǒng)糾錯方法更容易,。由于量子計算遵循線性計算，一個小的錯誤就可能使完整的計算結(jié)果失效,。量子比特不是數(shù)字比特,，不能使用傳統(tǒng)的糾錯方法。然而,，IBM 最近開發(fā)了一種糾錯算法,，該算法共有 5 個量子位(1 個計算位和 4 個校正位)用于可靠計算。
·
狀態(tài)準備約束
·
狀態(tài)準備是開始任何量子計算之前的第一步,。在這個階段的大多數(shù)方案中,，量子位需要處于疊加狀態(tài)才能使計算正確進行。因此狀態(tài)準備是困難的并且受計算機對環(huán)境的敏感性的影響,。
·
輸出遵守
·
在產(chǎn)生量子計算后檢索數(shù)據(jù)是一項危險的任務(wù),，因為數(shù)據(jù)存在損壞的風險。最近取得了一些進展,，例如數(shù)據(jù)庫搜索算法依賴于量子計算機中概率曲線的特殊“波浪”形狀,。這確保一旦完成所有計算，測量行為將看到量子態(tài)退相干為正確答案,。
量子計算機可能需要幾年的時間才能實現(xiàn)不斷增加的工業(yè)受益用例,。但研究人員和IBM等科技巨頭的最新發(fā)展表明,，量子計算機在不久的將來肯定會超過經(jīng)典計算機。
更多信息可以來這里獲取==>>電子技術(shù)應(yīng)用-AET<<
