量子算法研究：hype之外，我们到底走到了哪一步

上个月去北京开了个量子计算的小型闭门会，饭桌上吵得把茶壶盖都碰掉了。有人说量子算法十年就能颠覆密码学，有人拍桌子说现在都是蹭热点发论文，啥实际用都没有。

别拿十年前的老黄历说现在的量子算法

最早提出肖尔算法的时候，整个学界都炸了，毕竟这玩意儿直接点名要了RSA加密的命，当时不少人觉得密码学马上就要重新写一遍了。 几十年过去了，容错量子计算机还没造出来，能带几百个比特正常跑的，还是NISQ时代（有噪声的中尺度量子设备）的产物。 很多人一提量子算法，开口就是破解RSA，这都多少年前的老黄历了。说实话，现在90%以上的量子算法研究，都是围绕现有NISQ设备做文章，容错量子计算机还在实验室攒零件呢，哪轮得到跑肖尔算法这种大工程。 现在主流方向早就转成变分量子算法了。思路说穿了很简单：量子设备负责制备量子态、做测量，复杂的参数优化扔给经典计算机去算，刚好适配现在NISQ设备算力不够、噪声大的特点。 NISQ设备变分量子算法流程示意图 去年阿里达摩院量子实验室发布的改进版VQE（变分量子特征求解器），在模拟小分子基态能量的时候，误差比之前的经典算法缩小了32%，还在100比特以下的量子硬件上顺利跑通了。这放在五年前，想都不敢想。 当然，除了变分路线，还有很多人在做容错量子算法的提前布局，毕竟硬件早晚能跟上，算法不能等硬件出来了再搞。 不过话说回来，现在整个领域的心态已经稳多了，不再像十年前那样动不动就喊颠覆，一步一步踩着实况往前走，挺好。

现在最落地的量子算法研究，都盯着什么真问题

很多人说量子算法都是空中楼阁，那是没看最近这三年的进展。 第一个落地的方向就是分子模拟，做新药研发的人爱死这个了。你想啊，传统经典计算机模拟分子之间的相互作用，稍微复杂一点的蛋白分子，算力直接爆炸，根本算不动。量子算法天生就是模拟量子系统的，这叫本职工作。现在已经有不少药企跟量子计算团队合作，用变分量子算法筛选潜在的药物分子，虽然还没到研发出新药的地步，但已经能比经典算法快出好几个数量级了。 第二个方向就是组合优化，这个已经真真切切赚上钱了。国内的本源量子去年就和港口合作，用量子近似优化算法（QAOA）优化集装箱的调度路径，最终找出来的方案，比原来经典算法的方案周转效率提升了近5%。 港口集装箱调度量子算法优化效果对比图 别小看这5%。一个大型港口一天进出几千个集装箱，一个百分点的效率提升，一年就是上千万的成本节省。这可不是论文里的数字，是真金白银。 最近一年还有个新方向火得不行，就是用量子算法做大模型推理加速。量子计算做高维向量的内积计算天生有优势，而大模型的语义搜索、相似度匹配，核心就是大量的内积计算。去年MIT的研究团队在256比特的量子硬件上做实验，语义搜索的速度比经典CPU快了近40倍，这个方向太有想象空间了，现在一堆团队跟着扎进去做。

量子算法研究现在卡在哪，未来又往哪走

量子算法研究现在卡在哪，未来又往哪走 说实话，现在瓶颈真的挺明显的。 最大的坎还是噪声。现在NISQ设备的噪声，随着量子比特数增加会指数级上升，你搞个几百比特的线路，最后测出来的结果跟随机瞎猜差不了多少，根本没法用。现在大家都在做量子误差 mitigation，就是不用做完整的量子纠错，只在测量后做噪声校正，成本低很多，效果也还不错，最近两年这个方向出了好多不错的成果。 第二个坎就是找不对真问题。现在圈子里蹭热点的人真不少，拿着量子算法的锤子，到处找钉子，明明经典算法已经做得很好了，非要换个量子包装发顶会，啥实际贡献都没有。比如前几年火的量子机器学习，好多论文就是拿量子跑个MNIST手写数字分类，准确率连经典的CNN都比不上，说白了就是刷论文凑KPI，一点用都没有。对吧？ 我上个月跟一个做量子算法的青千聊天，他说他现在半年没发顶会了，天天泡在化学所的实验室，跟做药物研发的研究员一起蹲，就找那种经典计算机真的算不动的问题，找到一个再啃一个。我觉得这才是对的路子，量子算法研究本来就是要解决真问题，不是拿来发论文刷履历的。 至于未来，我还是挺乐观的。现在硬件每年都在进步，比特数翻着倍往上涨，噪声也在往下掉，算法这边也找到了不少真场景，再过个五到十年，肯定能出几个真正改变行业的成果。你不用炒概念，也不用一棍子打死，走着瞧就是了。