多年來，科技公司已向量子計(jì)算機(jī)投入了數(shù)十億美元，希望量子計(jì)算機(jī)能改變金融、藥物研發(fā)和物流等各個領(lǐng)域的格局。

從理論上講，量子計(jì)算機(jī)可以比傳統(tǒng)機(jī)器具有巨大的優(yōu)勢。

然而，量子計(jì)算機(jī)的另一個挑戰(zhàn)者人工智能正在一些最有前景的用例中取得進(jìn)展。人工智能現(xiàn)在被應(yīng)用于基礎(chǔ)物理、化學(xué)和材料科學(xué)。

瑞士聯(lián)邦理工學(xué)院計(jì)算物理學(xué)教授Giuseppe Carleo表示，使用人工智能模擬的量子系統(tǒng)規(guī)模和復(fù)雜性正在迅速提高。上個月，他在《科學(xué)》雜志上發(fā)表了一篇論文，表明基于神經(jīng)網(wǎng)絡(luò)的方法正迅速成為建模具有強(qiáng)量子特性材料的領(lǐng)先技術(shù)。Meta最近還推出了一個人工智能模型，該模型在大量新材料數(shù)據(jù)集上進(jìn)行了訓(xùn)練，該模型已躍居材料發(fā)現(xiàn)機(jī)器學(xué)習(xí)方法排行榜榜首。

鑒于近期進(jìn)展的速度，越來越多的研究人員正在詢問，在大規(guī)模量子計(jì)算機(jī)成為現(xiàn)實(shí)之前，人工智能是否可以解決化學(xué)和材料科學(xué)中的大量問題。

量子計(jì)算機(jī)的潛力在于，它們能夠比傳統(tǒng)計(jì)算機(jī)更快執(zhí)行某些計(jì)算。要實(shí)現(xiàn)這一潛力，需要比我們今天擁有的更大的量子處理器。最大的設(shè)備剛剛突破了千量子比特大關(guān)，但要獲得對傳統(tǒng)計(jì)算機(jī)的不可否認(rèn)的優(yōu)勢，可能需要數(shù)萬甚至數(shù)百萬個量子處理器。然而，一旦有了這樣的硬件，一些量子算法，如破解加密的肖爾算法，就有可能以比傳統(tǒng)算法快得多的速度解決問題。

但對于許多具有更明顯商業(yè)應(yīng)用的量子算法，如搜索數(shù)據(jù)庫、解決優(yōu)化問題或?yàn)槿斯ぶ悄芴峁﹦恿?，速度?yōu)勢就不那么明顯了。去年，微軟量子計(jì)算主管 Matthias Troyer與他人合著的一篇論文表明，如果考慮到量子硬件的運(yùn)行速度比現(xiàn)代計(jì)算機(jī)芯片慢幾個數(shù)量級，這些理論上的優(yōu)勢就會消失。將大量經(jīng)典數(shù)據(jù)輸入和輸出量子計(jì)算機(jī)的難度也是一個主要障礙。

卡內(nèi)基梅隆大學(xué)化學(xué)教授Olexandr Isayev表示，與大多數(shù)AI應(yīng)用一樣，最大的瓶頸是數(shù)據(jù)。Meta最近發(fā)布的材料數(shù)據(jù)集由1.18億個分子的DFT計(jì)算組成?；诖藬?shù)據(jù)訓(xùn)練的模型實(shí)現(xiàn)了最先進(jìn)的性能，但創(chuàng)建訓(xùn)練材料需要大量的計(jì)算資源，遠(yuǎn)遠(yuǎn)超出了大多數(shù)研究團(tuán)隊(duì)所能獲得的資源。這意味著要充分發(fā)揮這種方法的潛力，需要大量投資。

當(dāng)模擬強(qiáng)關(guān)聯(lián)量子系統(tǒng)（粒子相互作用頻繁的系統(tǒng)）時，DFT等方法很快就會失效。雖然這些系統(tǒng)更加奇特，但它們包含具有潛在變革能力的材料，例如高溫超導(dǎo)或超精密傳感。但即使發(fā)展如此，人工智能也取得了重大進(jìn)展。