UTS副教授克里斯·费里写道，通往量子未来的道路可能比一些人预期的更漫长、更曲折，但它所蕴含的潜力是深远的。

如果悉尼港大桥在今天重建，工程师们就会在虚拟世界中设计、建造和测试新桥，而不是在泥土的草皮被翻动之前。

数字仿真技术革新了科学技术，提高了效率，降低了成本，大大降低了风险。

(资料图)

它也可以在医学上发挥同样的作用。

今天，与其说是设计药物，不如说是“发现”药物，因为数字计算机无法模拟人体内的分子相互作用，因此无法提供推动新疗法和治愈方法发展的宝贵见解。

量子计算机的前景就在这里。

在未来，化学将在量子计算机上模拟，以设计和测试新的药物、材料和奇异的新形式的物质。

只有时间才能告诉我们，这将是一个乌托邦，一个技术末日的场景，还是仅仅是世俗的稳步进步。

量子算法是一组逐步改变量子信息的指令，就像传统算法是一组逐步改变数字信息(你的手机和其他电脑的比特和字节)的指令一样。

量子信息由能量和物质的精细细节编码，在上个世纪由量子物理学揭示，并在微观尺度上由精密工程控制。

与数字技术中的0和15不同，量子比特(或量子位)可以用一长串数字来表示。

在20世纪90年代，人们发现，如果用量子比特而不是比特来编码，一些问题可以用更少的步骤来解决。

这条捷径是如此诱人，一项国际科学努力开始制造机器，以一种快速可靠的方式完成这一任务。

这些机器被称为量子计算机，30年后，原理证明原型设备已经成功制造出来。

量子计算机科学研究人员编制了一份名为“量子算法动物园”(Quantum Algorithm Zoo)的清单，其中包含60多种量子算法，这些算法被认为比解决同样问题的最佳经典算法运行的步骤更少。

名单上的第一个也是最著名的——肖尔因子分解算法。因式分解是把一个大数(比如21)分解成几个更小的数，再通过乘法(21 = 7 × 3)产生它的过程。

对于非常大的数字，这对数字计算机来说是一个非常困难的问题，以至于绝大多数通信系统(如互联网)都使用它来保证安全。

然而，肖尔的算法需要更少的步骤来解决问题，这对隐私和安全来说是一个大问题。

许多问题可以被认为是在一大堆可能的解决方案中寻找最佳解决方案。

格罗弗搜索算法是另一种著名的量子算法，它比经典的搜索算法在解决特别困难的问题时需要更少的步骤来找到答案。

目前还不清楚哪些现实世界的问题会产生重大的实际优势，但这类难题在气候建模、金融投资组合优化和人工智能等关键领域比比皆是。

最近，研究人员提出并提供了训练量子设备通过示例学习的原理示例的证明，这可能会开创人工智能的新范式。

化学相互作用的精确模拟需要量子物理理论的计算。这些都是设计新药、肥料、电池和其他材料所必需的。

量子计算机在任何特定情况下的实用性细节还有待研究，但原则上，可编程量子计算机几乎可以在这个基本层面上模拟现实世界。

通常，一项技术真正的变革力量并不在于它的直接应用，而在于那些无法预见的应用。

回顾互联网的早期，很少有人能预测到网上购物、社交媒体或流媒体服务的出现。

同样，虽然预计量子技术将彻底改变密码学、药物发现和气候建模等领域，但其最终影响可能是无法想象的。

伴随着这些潜力而来的是大量的炒作。但这必须与现实相调和。

在过去的十年里，量子计算机已经慢慢地从大学物理系转移到大型跨国公司和初创公司的工程实验室。

研究已经从纯粹的科学发现转变为为特定的工程挑战服务。事实上，这些都是人类所面临的最大挑战。

量子计算机目前需要极低的温度或超高的真空才能运行。

编码量子信息的自由度是脆弱的——它们接触到的每一个游离粒子都可能造成无法弥补的错误。

目前编码数字信息的比特的寿命可能是数十亿年，而今天的量子比特的寿命只有千分之一秒。

尽管如此，在过去的几十年里，量子技术一直在稳步进步。

历史告诉我们，技术转型往往比最初的炒作预测要慢。向量子技术的过渡不会像拨动开关一样简单——它将继续是一个渐进的过程。

为了正确看待这一切，我们必须记住，恐惧往往来自未知。

量子技术的复杂性可能令人生畏，但这并不意味着它们是不可逾越的。

通往量子未来的道路可能比一些人预期的更漫长、更曲折，但它蕴含的潜力是深远的。因此，人类应该以现实而乐观的眼光看待这项新兴技术。

谁害怕量子技术?也许是那些害怕变化、未知或挑战的人，这些挑战不可避免地伴随着技术突破。

然而，拥抱量子技术可能不是为了克服恐惧，而是为了促进理解、鼓励耐心，并对这项技术有望带来的无限可能性保持开放的心态。

关键词：