譯者 | 晶顏

審校 | 重樓

探索量子人工智能有望發(fā)揮作用的十個關(guān)鍵行業(yè)及相關(guān)進展和未來展望。

我們正處于兩大科技巨頭——量子計算與人工智能的交匯點。這一交匯點催生了量子人工智能（QAI）這一全新范式，它突破了傳統(tǒng)計算的限制，有望重新定義人類智能的本質(zhì)。

當(dāng)前，量子人工智能正從純粹的研究階段邁向?qū)嶋H應(yīng)用，為全球各行業(yè)帶來潛在變革。這種變革雖低調(diào)卻意義深遠，它將經(jīng)典人工智能的能力與量子力學(xué)獨特的處理能力相結(jié)合，從而能夠解決傳統(tǒng)計算方法難以應(yīng)對的問題。

量子人工智能想要發(fā)揮效用，需要量子計算領(lǐng)域取得重大突破，而這樣的突破正每日不斷涌現(xiàn)。本文對量子計算的未來前景持樂觀態(tài)度，認(rèn)為一旦解決錯誤校正、量子網(wǎng)絡(luò)及量子比特相干性等問題，量子計算將呈現(xiàn)全新面貌。同時，我們也意識到，最初的突破將出現(xiàn)在量子與經(jīng)典算法的結(jié)合技術(shù)領(lǐng)域。

本文探討了量子人工智能有望發(fā)揮作用的十個關(guān)鍵行業(yè)，重點介紹了相關(guān)新進展，并對量子與人工智能協(xié)同作用所驅(qū)動的未來進行了展望。

醫(yī)療保健與制藥業(yè)：從藥物研發(fā)到個人基因組學(xué)

藥物研發(fā)過程極為緩慢且成本高昂，原因在于傳統(tǒng)計算機難以精確模擬分子間的相互作用。量子人工智能具有潛在優(yōu)勢，它借助量子機器學(xué)習(xí)（QML）方法模擬分子系統(tǒng)及生物靶點間的相互作用。

這些相互作用涉及量子力學(xué)效應(yīng)，而量子系統(tǒng)在模擬此類效應(yīng)方面可能優(yōu)于傳統(tǒng)計算機。這有助于加快研究進程，使治療方案能根據(jù)個體基因特征實現(xiàn)更個性化的定制。

目前，在個性化癌癥治療和個人基因分析方面已出現(xiàn)成功案例。

現(xiàn)狀

目前，量子藥物研發(fā)主要采用變分量子本征值算法（VQE）計算分子的基態(tài)能量。QAOA（量子近似優(yōu)化算法）適用于分子優(yōu)化問題及催化劑設(shè)計。擁有50至1000個量子比特的近似量子系統(tǒng)（噪聲型中等規(guī)模量子）設(shè)備，正通過量子神經(jīng)網(wǎng)絡(luò)處理分子特征圖。

當(dāng)前的QML模型使用ZFeatureMap、ZZFeatureMap和PauliFeatureMap處理基因組數(shù)據(jù)，并借助量子支持向量分類器和變分量子分類器進行分析。

兩年預(yù)測

到2027年，擁有1000至5000個邏輯量子比特的容錯量子計算機將能夠?qū)崿F(xiàn)復(fù)雜的分子模擬。變分量子電路將能支持分類、優(yōu)化和預(yù)測，且計算效率更高。先進的量子神經(jīng)網(wǎng)絡(luò)將利用量子卷積神經(jīng)網(wǎng)絡(luò)處理更大的分子數(shù)據(jù)庫，以進行三維蛋白質(zhì)結(jié)構(gòu)分析。

量子增強型基因組分析能夠借助量子算法，通過復(fù)雜基因序列的模式識別實現(xiàn)實時的個性化治療優(yōu)化。

行業(yè)準(zhǔn)備策略

• 研究科學(xué)家應(yīng)精通Qiskit Nature和PennyLane等量子化學(xué)軟件；
• 數(shù)據(jù)科學(xué)家需具備量子特征工程技能及針對分子和基因組數(shù)據(jù)集的量子數(shù)據(jù)編碼技術(shù)；
• 計算生物學(xué)家必須熟悉變分量子算法和經(jīng)典-量子混合優(yōu)化方法；
• 信息技術(shù)基礎(chǔ)設(shè)施團隊?wèi)?yīng)規(guī)劃量子-經(jīng)典混合計算環(huán)境及基于云的量子訪問方案；
• 監(jiān)管事務(wù)專業(yè)人員必須了解量子增強型藥物開發(fā)和驗證協(xié)議的最新標(biāo)準(zhǔn)；
• 投資決策者應(yīng)評估量子計算合作項目，并考量量子應(yīng)用的回報周期。

金融：構(gòu)建更穩(wěn)固的市場體系

金融市場存在無數(shù)相互作用的變量，這使得采用傳統(tǒng)方法進行風(fēng)險建模和投資組合優(yōu)化在計算上頗具難度。量子人工智能有望能夠分析更為復(fù)雜的市場情況，在金融數(shù)據(jù)中發(fā)現(xiàn)細(xì)微規(guī)律，進而有望在風(fēng)險評估、欺詐檢測及自適應(yīng)交易策略方面帶來改進。

量子的優(yōu)勢在于能夠通過量子特征空間處理高維金融數(shù)據(jù)，而這種空間是經(jīng)典系統(tǒng)無法觸及的。目前，將大量數(shù)據(jù)輸入量子計算機面臨限制，這一難題可通過混合方法解決。

現(xiàn)狀

目前，量子金融應(yīng)用將量子自組織算法（QAOA）用于解決投資組合優(yōu)化和風(fēng)險分析等問題。當(dāng)前的實現(xiàn)方式采用變分量子算法，其中，經(jīng)典計算機負(fù)責(zé)優(yōu)化量子電路的參數(shù)。

量子神經(jīng)網(wǎng)絡(luò)借助帶有變分參數(shù)的參數(shù)化量子電路處理金融時間序列數(shù)據(jù)，這些變分參數(shù)以旋轉(zhuǎn)角度的形式實現(xiàn)編碼。當(dāng)前，量子位數(shù)在50至1000之間的NISQ設(shè)備（即量子計算機）被用于運行經(jīng)典-量子混合算法，以開展風(fēng)險評估的蒙特卡羅模擬。

兩年預(yù)測

到2027年，借助改進的量子糾錯技術(shù)以及擁有1000個以上邏輯量子位的系統(tǒng)，將能夠?qū)崿F(xiàn)對數(shù)千個資產(chǎn)的實時投資組合優(yōu)化。先進的量子神經(jīng)網(wǎng)絡(luò)可利用量子卷積神經(jīng)網(wǎng)絡(luò)處理高頻交易數(shù)據(jù)，從而識別市場波動模式。

量子增強型蒙特卡羅方法能為風(fēng)險計算帶來指數(shù)級的加速效果。量子機器學(xué)習(xí)模型可通過量子特征圖檢測欺詐行為，而此類特征圖是經(jīng)典系統(tǒng)無法高效獲取的。

行業(yè)準(zhǔn)備策略

• 量化分析師應(yīng)學(xué)習(xí)量子優(yōu)化算法（QAOA、VQE）以及量子機器學(xué)習(xí)，以應(yīng)用于金融建模；
• 風(fēng)險管理人員需掌握量子蒙特卡羅方法和量子增強的情景分析；
• 算法交易員應(yīng)探索用于投資組合優(yōu)化和實時市場分析的量子算法；
• 合規(guī)人員必須研究新興的量子密碼學(xué)標(biāo)準(zhǔn)和后量子安全協(xié)議；
• 信息技術(shù)安全團隊?wèi)?yīng)做好實施量子安全加密以及混合量子-經(jīng)典系統(tǒng)的準(zhǔn)備；
• 金融工程師需要具備變分量子電路和量子特征編碼方面的專業(yè)知識，以處理金融數(shù)據(jù)。

物流與供應(yīng)鏈：智能網(wǎng)絡(luò)優(yōu)化

全球供應(yīng)鏈涉及復(fù)雜的優(yōu)化問題，即便強大的超級計算機也難以輕易解決。量子人工智能有望比傳統(tǒng)方法更高效地解決這些物流問題，包括構(gòu)建能夠預(yù)測故障并自主調(diào)整的動態(tài)網(wǎng)絡(luò)。

量子優(yōu)勢源于其能夠解決那些在使用傳統(tǒng)方法時會呈指數(shù)級增長的組合優(yōu)化問題，例如D-Wave公司的QUBO算法。

現(xiàn)狀

目前的量子物流應(yīng)用主要將量子自應(yīng)變優(yōu)化算法用于解決路線規(guī)劃和供應(yīng)鏈管理等問題。變分量子算法通過量子電路解決旅行商問題和車輛路徑優(yōu)化問題，這些量子電路將物流約束條件以伊辛模型的形式進行編碼。

當(dāng)前的近似量子系統(tǒng)（NISQ）實現(xiàn)均需進行經(jīng)典預(yù)處理操作，以縮小問題規(guī)模，并采用量子與經(jīng)典相結(jié)合的優(yōu)化方法。受量子退相干（quantum decoherence）和門保真度（gate fidelity）的限制，目前的應(yīng)用僅局限于10到50個節(jié)點的小規(guī)模演示。

兩年預(yù)測

到2027年，規(guī)模更大的量子系統(tǒng)（擁有1000個以上的量子比特）將能夠?qū)崟r處理城市規(guī)模的物流優(yōu)化問題。量子神經(jīng)網(wǎng)絡(luò)可利用量子特征映射同時處理多個數(shù)據(jù)流（如交通數(shù)據(jù)、天氣數(shù)據(jù)、庫存數(shù)據(jù)），以實現(xiàn)多維優(yōu)化。絕熱型量子計算機能夠解決大規(guī)模組合問題，而變分量子電路會根據(jù)實時情況調(diào)整路由策略。

量子增強型機器學(xué)習(xí)可通過超越傳統(tǒng)能力的模式識別算法預(yù)測供應(yīng)鏈中斷情況。企業(yè)可通過采用量子與經(jīng)典相結(jié)合的技術(shù)實現(xiàn)全球范圍內(nèi)的高效運作，該技術(shù)能夠?qū)崟r監(jiān)測并進行優(yōu)化。

行業(yè)準(zhǔn)備策略

• 供應(yīng)鏈管理人員應(yīng)學(xué)習(xí)量子優(yōu)化原理，了解量子算法如何解決復(fù)雜的路徑規(guī)劃問題；
• 運營研究分析師需要掌握量子自應(yīng)優(yōu)化算法（QAOA）的實施方法以及量子與經(jīng)典混合優(yōu)化技術(shù)；
• 物流工程師應(yīng)研究量子計算在運輸和配送優(yōu)化方面的應(yīng)用；
• 數(shù)據(jù)分析團隊必須了解用于需求預(yù)測和突發(fā)事件預(yù)測的量子機器學(xué)習(xí)技術(shù)；
• IT基礎(chǔ)設(shè)施團隊?wèi)?yīng)做好將量子計算資源與現(xiàn)有物流管理系統(tǒng)進行整合的準(zhǔn)備；
• 戰(zhàn)略規(guī)劃人員需要評估與量子計算的合作關(guān)系，并考量量子增強優(yōu)化所帶來的競爭優(yōu)勢。

制造與材料科學(xué)：原子級設(shè)計

傳統(tǒng)的材料發(fā)現(xiàn)過程需要開展大量實驗以及采用反復(fù)嘗試的方法。量子人工智能有望使研究人員能夠通過模擬量子相互作用，在原子層面設(shè)計材料。這或許能讓人們在合成材料之前，就通過計算手段設(shè)計出具有特定所需特性的材料。

量子優(yōu)勢源于其能夠自然地模擬控制物質(zhì)特性的量子力學(xué)效應(yīng)。從某種意義而言，這可被視為量子力學(xué)最直接的應(yīng)用實例。

現(xiàn)狀

當(dāng)前，量子材料科學(xué)運用變分量子本征值算法（VQE）計算電子結(jié)構(gòu)與基態(tài)能量。QAOA可用于模擬超導(dǎo)材料特性，助力深入探究其電子結(jié)構(gòu)。量子算法以計算方式模擬量子多體物理問題，這些問題對于經(jīng)典計算機而言，解決難度極大。

目前的量子模擬器能夠處理小型分子系統(tǒng)（最多約20個原子），通過變分量子電路將物質(zhì)特性編碼到量子態(tài)中。

兩年預(yù)測

到2027年，具備容錯能力的量子系統(tǒng)將能夠模擬復(fù)雜的晶體結(jié)構(gòu)以及材料中的缺陷相互作用。量子神經(jīng)網(wǎng)絡(luò)可通過運用量子卷積神經(jīng)網(wǎng)絡(luò)處理三維晶體結(jié)構(gòu)，依據(jù)原子構(gòu)型預(yù)測材料特性。

先進的變分量子計算方法能夠通過直接求解多體薛定諤方程來優(yōu)化催化表面并設(shè)計新型半導(dǎo)體。量子機器學(xué)習(xí)可借助量子特征空間識別最優(yōu)的材料成分，相較于傳統(tǒng)經(jīng)典表示法，這種方式能更自然地反映原子間的相互作用。

行業(yè)準(zhǔn)備策略

• 材料科學(xué)家應(yīng)掌握量子模擬軟件（如Qiskit Nature、Cirq）以及變分量子特征解算器相關(guān)專業(yè)知識；
• 計算化學(xué)家需要學(xué)習(xí)用于電子結(jié)構(gòu)計算和多體量子系統(tǒng)的量子算法；
• 研發(fā)工程師應(yīng)了解用于材料優(yōu)化和設(shè)計流程的量子方法；
• 制造工程師必須研究量子增強的質(zhì)量控制和缺陷預(yù)測方法；
• 材料數(shù)據(jù)庫管理員應(yīng)為基于量子技術(shù)生成的材料數(shù)據(jù)和性能預(yù)測數(shù)據(jù)庫做好籌備工作；
• 行業(yè)戰(zhàn)略家需要評估量子計算投資以及與量子材料研究機構(gòu)的合作關(guān)系。

網(wǎng)絡(luò)安全：量子增強型防御

盡管量子計算機可能對當(dāng)前的加密方法構(gòu)成威脅，但量子增強型人工智能卻能夠同時強化網(wǎng)絡(luò)安全，包括偵測復(fù)雜威脅以及實施具備抗量子能力的安全措施。

量子人工智能可通過量子特征空間識別出傳統(tǒng)系統(tǒng)難以察覺的攻擊模式。量子計算兼具威脅與解決方案的雙重性質(zhì)，使得實施量子安全保障措施變得刻不容緩。

現(xiàn)狀

當(dāng)前，量子網(wǎng)絡(luò)安全研究主要聚焦于后量子密碼學(xué)的應(yīng)用，美國國家標(biāo)準(zhǔn)與技術(shù)研究院（NIST）將于2024年8月發(fā)布標(biāo)準(zhǔn)化算法。量子機器學(xué)習(xí)系統(tǒng)通過變分量子電路利用量子特征映射檢測網(wǎng)絡(luò)異常情況，該映射能夠?qū)α髁磕Ｊ竭M行編碼。

目前的量子小型可編程計算設(shè)備僅能處理有限的安全數(shù)據(jù)集，并借助量子神經(jīng)網(wǎng)絡(luò)識別網(wǎng)絡(luò)安全威脅中的模式。量子隨機數(shù)生成器為密碼學(xué)應(yīng)用提供了真正的隨機性，而量子密鑰分發(fā)協(xié)議則實現(xiàn)了理論上安全的短距離通信。

兩年預(yù)測

到2027年，更大規(guī)模的量子系統(tǒng)將能夠通過量子增強的機器學(xué)習(xí)算法對全球網(wǎng)絡(luò)流量進行實時分析。量子神經(jīng)網(wǎng)絡(luò)可通過在量子特征空間中處理高維安全數(shù)據(jù)，檢測出細(xì)微的攻擊模式。

先進的量子密碼技術(shù)將在關(guān)鍵基礎(chǔ)設(shè)施中全面推行基于格和基于哈希的后量子加密標(biāo)準(zhǔn)。量子增強型入侵檢測系統(tǒng)能夠通過量子模式識別零日漏洞，相較于傳統(tǒng)的異常檢測方法具有明顯優(yōu)勢。

行業(yè)準(zhǔn)備策略

• 網(wǎng)絡(luò)安全分析師應(yīng)當(dāng)學(xué)習(xí)后量子加密標(biāo)準(zhǔn)以及量子增強型威脅檢測方法；
• 安全架構(gòu)師需要設(shè)計適用于量子安全加密和量子抗攻擊安全協(xié)議的遷移策略；
• 網(wǎng)絡(luò)安全工程師必須了解量子密鑰分發(fā)和量子隨機數(shù)生成的實現(xiàn)方式；
• 事件響應(yīng)團隊?wèi)?yīng)當(dāng)培養(yǎng)在量子增強型取證和量子抗攻擊恢復(fù)程序方面的技能；
• 合規(guī)官員應(yīng)當(dāng)研究新興的量子安全標(biāo)準(zhǔn)以及后量子加密的監(jiān)管要求；
• 首席信息安全官/安全領(lǐng)導(dǎo)層應(yīng)當(dāng)規(guī)劃量子安全基礎(chǔ)設(shè)施的組織過渡時間表。這是當(dāng)前最為關(guān)鍵和緊迫的問題，因為一旦Y2Q（“量子威脅生效之年”，即量子計算機有能力破解現(xiàn)有加密技術(shù)的時間點）提前到來，整個世界都將毫無防備。量子計算技術(shù)不斷發(fā)展，結(jié)合人工智能和機器學(xué)習(xí)的混合攻擊方法取得突破，大幅降低了實現(xiàn)“Y2Q”所需的量子計算能力，而量子計算創(chuàng)新的步伐在量子比特數(shù)量和質(zhì)量提升的推動下迅速加快，Y2Q或許已近在咫尺，可能僅在1 - 3年內(nèi)就會來臨。

能源與公用事業(yè)：智能電網(wǎng)優(yōu)化

可再生能源的接入給電網(wǎng)管理帶來了復(fù)雜難題，因其具有波動性。量子人工智能有望通過更高效地處理來自多個來源的實時數(shù)據(jù)，實現(xiàn)對這些系統(tǒng)的優(yōu)化，且效果遠超傳統(tǒng)處理方式，包括在分布式可再生能源網(wǎng)絡(luò)中平衡供需關(guān)系。

量子優(yōu)勢體現(xiàn)在能夠同時解決具有多重約束條件和多個變量的復(fù)雜優(yōu)化問題。

現(xiàn)狀

目前，量子能量應(yīng)用將量子自組織算法（QAOA）用于電網(wǎng)優(yōu)化問題和能源交易算法。變分量子電路將復(fù)雜的能源分配網(wǎng)絡(luò)建模為優(yōu)化問題，其中量子態(tài)代表不同的電網(wǎng)配置。當(dāng)前的量子信息系統(tǒng)（NISQ）實現(xiàn)方式，能夠利用混合的經(jīng)典-量子算法對包含數(shù)十個節(jié)點的小型微電網(wǎng)進行優(yōu)化，以實現(xiàn)實時負(fù)載均衡。

量子機器學(xué)習(xí)通過參數(shù)化的量子電路處理天氣數(shù)據(jù)和能源消耗模式，不過目前的應(yīng)用仍處于研究演示階段。

兩年預(yù)測

到2027年，具備容錯能力的量子系統(tǒng)將能夠?qū)崟r優(yōu)化全國范圍內(nèi)的電力網(wǎng)絡(luò)，同時處理數(shù)千種可再生能源。量子神經(jīng)網(wǎng)絡(luò)能夠利用量子增強的天氣模型以及消費模式分析，預(yù)測能源需求和供應(yīng)的波動情況。

先進的變分量子算法能夠解決復(fù)雜的能源市場優(yōu)化問題。量子機器學(xué)習(xí)能夠在量子特征空間中通過多維優(yōu)化，確定最優(yōu)的能源存儲和分配策略。

行業(yè)準(zhǔn)備策略

• 電網(wǎng)運營商應(yīng)當(dāng)學(xué)習(xí)量子優(yōu)化算法，以實現(xiàn)電網(wǎng)的實時平衡和可再生能源的整合；
• 能源分析師需要掌握量子機器學(xué)習(xí)技能，用于需求預(yù)測和市場優(yōu)化；
• 可再生能源工程師應(yīng)當(dāng)了解量子增強的天氣模型和能源產(chǎn)量預(yù)測；
• 公用事業(yè)信息技術(shù)團隊必須為量子與經(jīng)典混合計算基礎(chǔ)設(shè)施以及實時優(yōu)化系統(tǒng)做好準(zhǔn)備；
• 能源交易專家應(yīng)當(dāng)研究量子算法，用于復(fù)雜的能源市場優(yōu)化和風(fēng)險管理；
• 可持續(xù)發(fā)展經(jīng)理需要評估量子計算應(yīng)用，以優(yōu)化碳足跡和推動綠色能源轉(zhuǎn)型。

農(nóng)業(yè)：精準(zhǔn)農(nóng)業(yè)技術(shù)

為滿足不斷增長的人口需求而開展的可持續(xù)農(nóng)業(yè)，需要對復(fù)雜的生物和環(huán)境系統(tǒng)進行優(yōu)化。量子人工智能有望通過更精確地分析衛(wèi)星圖像、傳感器數(shù)據(jù)以及生物過程，提升精準(zhǔn)農(nóng)業(yè)水平，包括優(yōu)化資源分配以及更準(zhǔn)確地預(yù)測農(nóng)作物產(chǎn)量。

量子技術(shù)的優(yōu)勢在于能夠處理多維農(nóng)業(yè)數(shù)據(jù)，這些數(shù)據(jù)可捕捉到細(xì)微的生物與環(huán)境之間的關(guān)系。在發(fā)生自然災(zāi)害時，資源可進行重新分配，風(fēng)險預(yù)測及資源需求也會根據(jù)新情況做出相應(yīng)調(diào)整。

現(xiàn)狀

目前的量子農(nóng)業(yè)應(yīng)用采用量子機器學(xué)習(xí)技術(shù)來預(yù)測作物產(chǎn)量和解決優(yōu)化問題?？鐚W(xué)科框架將量子生物學(xué)、高性能計算和機器學(xué)習(xí)相結(jié)合，以優(yōu)化真菌網(wǎng)絡(luò)中的營養(yǎng)物質(zhì)傳輸。

當(dāng)前的量子系統(tǒng)利用變分量子電路處理高光譜衛(wèi)星圖像和土壤傳感器數(shù)據(jù)，并將農(nóng)業(yè)變量編碼為量子特征圖。量子自組織優(yōu)化算法（QAOA）算法能夠優(yōu)化肥料施用模式和灌溉計劃安排，不過目前的實現(xiàn)方式僅適用于小型農(nóng)田。

兩年預(yù)測

到2027年，量子增強型精準(zhǔn)農(nóng)業(yè)將能夠利用量子卷積神經(jīng)網(wǎng)絡(luò)實時處理海量衛(wèi)星圖像數(shù)據(jù)。先進的量子算法能夠通過量子模擬分子間的相互作用，優(yōu)化諸如氮固定和光合作用等復(fù)雜的生物過程。

量子機器學(xué)習(xí)可以通過分析量子特征空間中的多維傳感器數(shù)據(jù)，預(yù)測作物病害和蟲害的發(fā)生情況。這些系統(tǒng)能夠通過土壤酸堿度、濕度、溫度和養(yǎng)分含量分析等方式，捕捉到傳統(tǒng)系統(tǒng)無法察覺的細(xì)微生物關(guān)系。

行業(yè)準(zhǔn)備策略

• 精準(zhǔn)農(nóng)業(yè)專家應(yīng)當(dāng)學(xué)習(xí)量子機器學(xué)習(xí)在作物監(jiān)測和產(chǎn)量優(yōu)化方面的應(yīng)用；
• 農(nóng)業(yè)數(shù)據(jù)科學(xué)家需要在多傳感器農(nóng)業(yè)數(shù)據(jù)集的量子特征編碼方面培養(yǎng)專業(yè)能力；
• 農(nóng)場管理軟件開發(fā)者應(yīng)當(dāng)研究用于資源優(yōu)化和決策支持系統(tǒng)的量子算法；
• 土壤科學(xué)家必須了解營養(yǎng)循環(huán)的量子模擬以及土壤化學(xué)優(yōu)化；
• 農(nóng)業(yè)工程師應(yīng)當(dāng)學(xué)習(xí)量子增強的傳感器融合和實時農(nóng)田優(yōu)化技術(shù)；
• 農(nóng)業(yè)企業(yè)分析師需要評估量子計算投資，以在精準(zhǔn)農(nóng)業(yè)市場中獲得競爭優(yōu)勢。

媒體與娛樂：高級內(nèi)容生成

當(dāng)前，生成式人工智能正改變著內(nèi)容創(chuàng)作模式，而量子增強方法有望開拓更為廣闊的創(chuàng)作空間，包括提供較傳統(tǒng)推薦系統(tǒng)更先進的個性化功能。

量子人工智能能夠?qū)崟r生成復(fù)雜的互動內(nèi)容，并提供個性化娛樂體驗。其優(yōu)勢在于可探索那些對經(jīng)典系統(tǒng)而言在計算上難以處理的廣闊創(chuàng)新解決方案空間。例如，在多人電腦游戲中，玩家可自主選擇冒險路線，游戲劇情也會隨之動態(tài)變化。

現(xiàn)狀

當(dāng)前的量子娛樂應(yīng)用借助變分量子電路實現(xiàn)內(nèi)容推薦與生成算法。量子神經(jīng)網(wǎng)絡(luò)通過帶有變分參數(shù)的參數(shù)化量子電路處理用戶行為模式和內(nèi)容特征，這些變分參數(shù)以旋轉(zhuǎn)角度的形式編碼。

目前的量子模擬器（NISQ）僅能生成簡單的程序性內(nèi)容，并為小規(guī)模用戶群體優(yōu)化推薦算法。這些系統(tǒng)利用量子特征圖將用戶偏好和內(nèi)容屬性編碼到高維量子空間中，不過該領(lǐng)域正處于快速發(fā)展階段。

兩年預(yù)測

到2027年，更大規(guī)模的量子系統(tǒng)將能夠利用量子生成對抗網(wǎng)絡(luò)（QGANs）實時生成復(fù)雜的交互式內(nèi)容。量子神經(jīng)網(wǎng)絡(luò)可通過量子卷積網(wǎng)絡(luò)處理海量用戶行為數(shù)據(jù)，為用戶打造個性化娛樂體驗。

先進的變分量子算法能夠生成動態(tài)故事情節(jié)以及可根據(jù)用戶選擇自動調(diào)整的游戲環(huán)境。這些系統(tǒng)可借助量子疊加特性同時探索多種敘事路徑，創(chuàng)造出傳統(tǒng)系統(tǒng)在計算上難以實現(xiàn)的體驗。

行業(yè)準(zhǔn)備策略

• 內(nèi)容創(chuàng)作者應(yīng)學(xué)習(xí)量子增強型創(chuàng)意工具，理解用于內(nèi)容開發(fā)的量子生成算法；
• 推薦系統(tǒng)工程師需要掌握量子機器學(xué)習(xí)技能，以實現(xiàn)個性化和用戶建模；
• 游戲開發(fā)者應(yīng)研究用于程序性內(nèi)容生成和動態(tài)世界創(chuàng)建的量子算法；
• 媒體分析團隊必須了解用于復(fù)雜用戶行為分析和內(nèi)容優(yōu)化的量子特征編碼；
• 娛樂技術(shù)官應(yīng)規(guī)劃在內(nèi)容創(chuàng)作和分發(fā)流程中引入量子計算；
• 創(chuàng)意總監(jiān)需要探索量子增強型協(xié)作創(chuàng)作工具和新穎的互動敘事形式。

電信：網(wǎng)絡(luò)優(yōu)化

現(xiàn)代電信網(wǎng)絡(luò)，尤其是隨著5G及未來6G部署而發(fā)展的網(wǎng)絡(luò)，面臨著復(fù)雜的優(yōu)化難題。量子人工智能在實時管理這些網(wǎng)絡(luò)方面，有望比傳統(tǒng)優(yōu)化方法更高效，包括動態(tài)頻譜分配、網(wǎng)絡(luò)流量管理及天線配置優(yōu)化。其優(yōu)勢在于能夠解決那些與網(wǎng)絡(luò)復(fù)雜度呈指數(shù)級增長的大型組合優(yōu)化問題。

現(xiàn)狀

目前的量子通信應(yīng)用中，量子自組織優(yōu)化算法（QAOA）被用于解決頻譜分配和網(wǎng)絡(luò)資源優(yōu)化等問題。變分量子算法通過量子電路解決網(wǎng)絡(luò)路由優(yōu)化問題，該電路將網(wǎng)絡(luò)約束以組合優(yōu)化問題的形式編碼。

當(dāng)前的量子小型機（NISQ）實現(xiàn)方式能夠利用混合量子-經(jīng)典算法，對包含數(shù)十個節(jié)點的小規(guī)模網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進行優(yōu)化，并實現(xiàn)實時帶寬分配。量子機器學(xué)習(xí)通過參數(shù)化電路處理網(wǎng)絡(luò)流量模式，不過目前的應(yīng)用受到量子退相干和門錯誤率的限制。

兩年預(yù)測

到2027年，具備容錯能力的量子系統(tǒng)將能夠?qū)崟r優(yōu)化國家的電信網(wǎng)絡(luò)，同時管理數(shù)千個5G/6G基站。量子神經(jīng)網(wǎng)絡(luò)能夠預(yù)測網(wǎng)絡(luò)擁堵情況，并通過量子增強的交通分析技術(shù)處理多維網(wǎng)絡(luò)數(shù)據(jù)，優(yōu)化信號傳輸路徑。

先進的變分量子電路能夠根據(jù)實時情況動態(tài)調(diào)整頻譜分配，優(yōu)化天線波束模式。量子機器學(xué)習(xí)能夠通過對網(wǎng)絡(luò)性能指標(biāo)的模式識別預(yù)測和預(yù)防網(wǎng)絡(luò)故障，其能力超越了傳統(tǒng)方法的范疇。

行業(yè)準(zhǔn)備策略

• 網(wǎng)絡(luò)工程師應(yīng)學(xué)習(xí)用于頻譜分配和網(wǎng)絡(luò)資源管理的量子優(yōu)化算法；
• 電信系統(tǒng)架構(gòu)師需要研究量子增強型的網(wǎng)絡(luò)設(shè)計和優(yōu)化方法；
• 5G/6G工程師應(yīng)當(dāng)深入了解用于大規(guī)模MIMO和波束成形優(yōu)化的量子算法；
• 網(wǎng)絡(luò)運營中心團隊必須為量子增強型網(wǎng)絡(luò)監(jiān)控和預(yù)測性維護系統(tǒng)做好準(zhǔn)備；
• 射頻工程師應(yīng)學(xué)習(xí)量子技術(shù)在干擾抑制和信號處理優(yōu)化方面的應(yīng)用方法；
• 電信戰(zhàn)略團隊需要評估與量子計算的合作關(guān)系，以及從量子增強型網(wǎng)絡(luò)管理中獲取的競爭優(yōu)勢。

航空航天與國防：高級模擬與分析

航空航天設(shè)計及國防應(yīng)用需要進行極為復(fù)雜的模擬與戰(zhàn)略分析。量子人工智能有望使復(fù)雜系統(tǒng)的模擬和分析達到比當(dāng)前傳統(tǒng)計算機更高的精細(xì)程度，包括空氣動力學(xué)建模、戰(zhàn)略情景分析及復(fù)雜系統(tǒng)優(yōu)化。其優(yōu)勢源于對物理量子效應(yīng)的模擬，以及對具有指數(shù)級龐大解空間的優(yōu)化問題的求解。

現(xiàn)狀

目前的量子航空航天應(yīng)用中，變分量子特征值求解器（VQE）被用于解決計算流體動力學(xué)問題，量子自組織算法（QAOA）則用于飛機設(shè)計優(yōu)化。量子算法能夠?qū)娇障到y(tǒng)進行建模，并通過變分量子電路優(yōu)化飛行軌跡，該電路會對航空系統(tǒng)的約束條件和性能參數(shù)進行編碼。

當(dāng)前的量子模擬器能夠模擬小型流體流動問題，并利用量子與經(jīng)典混合算法優(yōu)化有限的飛機部件。國防應(yīng)用領(lǐng)域借助量子機器學(xué)習(xí)技術(shù)識別監(jiān)控數(shù)據(jù)中的模式，并分析戰(zhàn)略場景。

兩年預(yù)測

到2027年，具備容錯能力的量子系統(tǒng)將能夠以分子級別精度對高超音速飛行器進行全尺寸空氣動力學(xué)模擬。量子神經(jīng)網(wǎng)絡(luò)可利用量子卷積網(wǎng)絡(luò)處理海量智能數(shù)據(jù)集，實現(xiàn)實時威脅分析和戰(zhàn)略規(guī)劃。

先進的變分量子電路能夠同時優(yōu)化復(fù)雜的航空航天系統(tǒng)設(shè)計（包括推進系統(tǒng)、航空電子設(shè)備、材料等方面）。量子增強型模擬能夠模擬極端飛行條件，并通過量子特征空間在物理測試前預(yù)測系統(tǒng)故障。

行業(yè)準(zhǔn)備策略

• 航空航天工程師應(yīng)學(xué)習(xí)用于流體動力學(xué)和結(jié)構(gòu)優(yōu)化問題的量子模擬工具；
• 國防分析師需要在情報分析和戰(zhàn)略規(guī)劃方面掌握量子機器學(xué)習(xí)的專業(yè)知識；
• 飛行測試工程師應(yīng)了解量子增強的預(yù)測建模和故障分析技術(shù)；
• 系統(tǒng)工程師必須研究用于復(fù)雜多系統(tǒng)航空航天飛行器設(shè)計的量子優(yōu)化方法；
• 國防承包商應(yīng)為量子計算在模擬和分析工作流程中的整合做好準(zhǔn)備；
• 航空航天研發(fā)負(fù)責(zé)人需要評估量子計算投資及與量子研究機構(gòu)的合作關(guān)系，以獲取競爭優(yōu)勢。

結(jié)語

量子計算與人工智能的融合，即“量子人工智能”（QAI），代表著計算能力領(lǐng)域一項重大的潛在突破。在多個行業(yè)中，量子人工智能研究正探索解決那些對傳統(tǒng)系統(tǒng)而言計算難度極大的難題的方案。盡管目前許多應(yīng)用仍處于初步研究階段，但未來幾年的發(fā)展將更清晰地展現(xiàn)量子技術(shù)的實際優(yōu)勢。

我們正從傳統(tǒng)計算時代向由量子增強型智能引領(lǐng)的新時代過渡，在這個新時代，量子增強型智能或許將為問題解決和優(yōu)化開辟新的可能性。當(dāng)下就為這種量子與人工智能的融合做好準(zhǔn)備的專業(yè)人士，將能夠引領(lǐng)其所在行業(yè)平穩(wěn)度過這一技術(shù)變革。

未來屬于那些既理解量子人工智能所蘊含的潛力，又清楚其實際局限性的人。更重要的是，最先掌握這項技能的人，將比稍后學(xué)會的人擁有顯著優(yōu)勢！未來，已在當(dāng)下！

原文標(biāo)題：The Rise of Quantum AI and Its World-Changing Impact，作者：Thomas Cherickal