

系列报告 | 量子计算应用需求场景探索

量子创投界

2021-11-18

导读：系列报告 | 量子计算应用需求场景探索

1. 量子模拟

量子理论的提出为人们对微观世界以及复杂随机系统的探索带来了全新的方式。费曼提出通过创造一个人工的符合量子规律的有效系统，且系统所满足的量子方程与所被模拟的对象完全一致，就能通过人工系统进行试验，得到无法通过计算得出的解，这一理论成为量子模拟的基础。由于量子模拟不仅能够实现对量子多体系统随时间所发生的变化的模拟，还能够实现强关联多体系统的模拟。随着量子模拟技术的发展，其在化学、生物、金融等众多领域都发挥着至关重要的作用。利用量子模拟技术对化学分子进行建模，能够极大地推动制药行业药品研发、药物审核以及材料行业新材料研发。生物领域的应用小到模拟分子的生物结构，大到模拟神经网络，甚至在未来可能模拟人工生命。由于金融市场复杂度较高，且和量子系统一样具有随机性，利用量子计算来模拟金融市场具有相当优势。

化学领域案例：2019年9月，华为公司发布量子化学应用云服务HiQ 2.0模拟器，作为国内首个一站式量子化学应用云服务，已成功模拟乙烯（C2H4）、氨气（NH3）、甲硅烷（SiH4）等分子基态能量。

生物领域案例：2020年7月，生物制药企业ProteinQure和阿斯利康宣布合作，利用量子算法+机器学习+化学分子模拟、组合优化的方法，研发基于蛋白质组合模型的多肽类药物并且构建应用于治疗的肽库。预计将克服传统计算难以覆盖多肽变异数量过多的难题，提炼和验证数百万种治疗候选药物，发挥多肽类药物对某些疾病靶标的独特效力。

金融领域案例：2021年5月，在量子模拟应用的随机性方面，中国工商银行在业内首次将量子随机数应用在客户登录、支付结算、资金交易等重要金融场景，并对客户信息进行标识和校验，更加有效地查验用户身份假冒行为，防范交易数据截获重放等网络攻击，确保客户意愿的真实性、交易过程的完整性、安全性，有力保障客户权益，防范金融风险。

可以预见，未来量子模拟的应用领域会非常广泛，尤其在随机性和复杂度较高的应用中。

2. 量子组合优化

通俗的讲，组合优化问题指的是利用数学方法找出离散事件中的最优解或进行最优的编排、分组，其是目前算法中最热门的问题之一，现有针对组合优化问题所开发的量子组合优化算法包括量子近似优化算法(QAOA)和量子退火算法(QAA)。

由于技术限制，量子计算机中的噪声干扰是很难攻克的一个技术难题，嘈杂中型量子( NISQ) 时代成为当下量子计算应用发展所默认的背景。QAOA 算法也是基于NISQ 设计的一种组合优化算法，它是在量子计算机中实现更高级机器学习算法和离散优化算法等其他应用算法的基础。许多企业已经将QAOA算法实现为软件开发包，并实现开源，由此利用QAOA 算法有望实现更多的量子计算应用。

量子退火是实现量子组合优化的另一种途径，利用随机扰动影响工作的量子，其计算结果能够接近局部最优解，多次进行量子退火能够使结果更加接近全局最优解。

航空领域案例：空客公司举办了全球量子计算挑战赛，通过采用量子计算这种新型计算能力，为飞机全生命周期的复杂优化和模型化提供解决方案。挑战问题包括：飞机爬升优化、翼盒设计优化、飞机装载优化等。

交通领域案例：福特汽车与微软进行合作，模拟多达5,000辆车在繁忙路段行驶的场景，当每个车辆可使用10种不同的路线选择时，所有车辆同时请求穿越大城市繁忙路段的最快路线推荐。在20秒内，统筹优化的路线建议被传递给每辆车，从而使整体拥堵减少73％。

可以预见，量子组合优化在未来智慧交通与航空领域，将会带来更高效率、更多收益、更加安全灵活的优化方案。

3. 人工智能

算法是计算领域技术发展的基石，人工智能领域的应用是推动算法发展的一大要素，量子计算科学家研究了很多可以基于量子计算机的算法，往往可以把原本计算复杂度为 NP或更高的问题转化为多项式复杂度，实现平方甚至指数级的加速，目前不少经典的机器学习问题，都有了量子算法的理论加速版本。当前在人工智能领域，量子计算被主要应用于机器学习提速、基于量子硬件的机器学习算法、加速优化算法和提高优化效果。

机器学习案例：2020年3月，谷歌宣布与滑铁卢大学、大众汽车公司联合推出 TensorFlow Quantum (以下简称 TFQ)，这是一个开源的量子机器学习库，可将量子计算与机器学习结合在一起，训练量子模型。谷歌表示，这种量子机器学习模型能够处理量子数据，并能够在量子计算机上执行。

可以预见，随着这两大新兴领域的相互促进，学术与工业界的不断投入和技术攻坚，量子计算+人工智能的结合在一些实际问题上大幅的提高了效率，有望在未来大放异彩。