量子计算机商业化6大赛道：人工智能、分子模拟、粒子物理等

【新智元导读】人工智能、分子模拟、密码学、金融建模、天气预报、粒子物理学，本文介绍了量子计算机在6大领域的应用。

计算机并非存在于真空中。计算机用于解决问题，而它们能够解决的问题类型受到硬件的影响。图形处理器（GPU）专门用于渲染图像；人工智能处理器用于AI任务；那么，量子计算机是为什么设计的？

虽然量子计算机的能力令人惊叹，但并不意味着它只是让现有的软件运行速度提升了十亿倍。相反，量子计算机对某些特定类型的问题很擅长，但对另一些问题不擅长。以下是商用化量子计算机的一些主要应用。

人工智能

量子计算的主要应用是人工智能（AI）。AI基于从经验中学习的原则，在得到反馈的情况下会变得更准确，直到计算机程序似乎能够展现出“智慧”。

反馈基于对许多可能的选择计算其概率，因此AI是量子计算机的理想应用。AI被认为将破坏从汽车到医疗的每个行业，AI之于21世纪类比电力之于20世纪。

例如，洛克希德马丁公司（LockheedMartin）计划使用它的 D-Wave 量子计算机来测试自动导航软件，这对一般计算机来说太过复杂。谷歌正在使用量子计算机来设计可以区分汽车和地标的软件。我们已经到达AI创造更多AI的时间点，所以它的重要性将迅速升级。

分子模拟

另一个例子是对分子相互作用的精确建模，即找到化学反应的最佳结构。这种“量子化学”十分复杂，当前的数字计算机能够分析的只是最简单的分子。

化学反应本质上是量子化的，因为它们形成高度纠缠的量子叠加状态。但是，充分开发的量子计算机即使对最复杂的过程也不会有困难。

在这个领域的研究中，谷歌已经模拟过氢分子的能量。这意味着在各个行业将有更高效的产品，从太阳能电池到制药，等等。特别是化肥生产，因为化肥占全球能源使用量的2％，对能源和环境的影响是非常深刻的。

密码学

目前网络安全性大多取决于对大数进行因数分解的难易程度。虽然可以使用数字计算机来搜索所有可能的因数来实现，但是所需的巨量时间使得“破解密码”十分昂贵且不切实际。

量子计算机可以比数字计算机更有效地执行这样的因数分解，这意味着这种安全方法很快就会过时。新的密码学方法正在开发，但可能需要时间。

利用量子纠缠的单向性质也对开发量子加密方法有帮助。City-wide网络已经在几个国家得到证实，中国科学家最近宣布，量子卫星成功地将处于纠缠态的光子发送到三个独立的地面基站。

金融建模

现代市场是最复杂的系统。虽然我们已经开发出越来越多的科学和数学工具来解决这个问题，但它不同于其他科学领域的一个主要影响是：实验中没有可控设置。

为了解决这个问题，投资者和分析师已经转向量子计算。量子计算机的一个直接优势是其固有的随机性与金融市场的随机性相关。投资者经常在随机产生的极大数量的情景下评估结果的分布情况。

量子可以提供的另一个优点是，套利交易之类的金融操作可能需要许多路径相关的步骤，其可能性的数量大大超过了数字计算机所能处理的容量。

天气预报

NOAA首席经济学家Rodney F. Weiher声称，美国国内生产总值的近30％（6万亿美元）直接或间接受到天气影响，例如影响食品生产，交通运输和零售业等。更好地预测天气的能力将对许多领域有很大的好处，更不用说能有更多的时间来应对灾难。

虽然这长期以来一直是科学家的目标，但是控制这些过程的方程包含很多变量，使得经典的模拟十分耗时。量子研究员Seth Lloyd指出：“使用传统计算机进行这种分析可能需要比实际天气变化的时间更长！”麻省理工学院的Lloyd表示，控制天气的方程具有隐藏的波动性，这是适合量子计算机的解决方案。

谷歌工程总监HartmutNeven还指出，量子计算机可以帮助构建更好的气候模型，从而使我们更深入地了解人类如何影响环境。这些模型有助于预估全球变暖，并帮助我们确定现在需要采取哪些步骤来预防灾难。

粒子物理学

量子计算机令人激动的最终应用可能是…研究新物理学。粒子物理学的模型通常是非常复杂的，需要大量的数值模拟计算时间。这使得它们成为量子计算的理想选择，研究人员已经充分利用了这一点。

因斯布鲁克大学和量子光学与量子信息研究所（IQOQI）的研究人员最近使用可编程量子系统进行了这种模拟。研究成果发布在 Nature，该团队使用一个简单版本的量子计算机，其中离子执行逻辑运算，这是任何计算机计算的基本步骤。与实际的物理实验相比，该模拟显示出很好的一致性。

理论物理学家PeterZoller说：“这两种方法相辅相成。粒子对撞机完成的实验我们无法替代，但是，通过开发量子模拟器，我们能够更好地了解这些实验。”

投资者现在正在争取进入到量子计算生态系统中，不仅仅是计算机行业，银行，航空航天业和网络安全公司都在利用这一计算革命。

与所有新技术一样，随着硬件的不断发展和创造新的机遇，目前难以想象的应用将会被开发出来。

原文：http://searchbusinessanalytics.techtarget.com/feature/Machine-learning-platforms-comparison-Amazon-Azure-Google-IBM