量子计算机助力AI提升复杂预测能力

AI模型在辅助预测方面已有相当长的应用历史

AI模型在辅助预测方面已有相当长的应用历史。医生、气象预报员和股票经纪人都在借助AI尝试洞察未来趋势。在德国莱布尼茨超算中心，研究人员正在尝试将AI模型与量子计算机结合使用，让量子计算机协助AI完成其独自难以应对的复杂预测任务。

来自伦敦大学学院（UCL）的研究团队于周五在《科学进展》期刊上发表了相关研究成果。研究人员表示，未来量子计算机有望帮助AI模型在多个行业快速、准确地完成预测任务——而这些预测若依赖普通计算机，可能需要数周时间才能完成。

"这篇论文证明，对于此类研究而言，即便是当今相对小型且不稳定的量子设备，也能够提升传统AI模型的预测能力。"UCL教授、该研究的共同作者彼得·科夫尼在接受CNET采访时表示。

量子计算机与普通计算机存在多方面的本质差异：它能够同时执行多个计算，而非逐步运算；同时使用量子比特（qubit）代替传统比特。普通计算机以比特为最小数据单位，每个比特只能表示0或1，而量子比特可以同时表示0和1（即叠加态）。此外，两个量子比特还可以相互关联（即纠缠态）。

叠加态与纠缠态使量子计算机能够以远超传统计算机的速度解决复杂问题。然而，量子计算机极为脆弱，必须在极低温度下运行，这使其在日常应用中缺乏实用性。

尽管当今的量子计算机仍处于实验阶段，且运行状态不够稳定，但它们或许能够帮助AI攻克那些过于复杂或耗时的难题。

量子优势

该研究中使用的AI模型部署在研究中心的超级计算机上，并与量子计算机相连。

研究团队利用这一配置，对某系统中气体和液体在较长时间内的运动与相互作用进行预测建模。气候科学、医疗和城市工程领域都会用到此类建模方法。

"我们的新方法似乎以一种实际可行的方式展示了'量子优势'——也就是说，量子计算机的表现超越了单纯依赖经典计算所能实现的极限。"UCL博士生、共同作者王迈达在一份声明中表示。

量子计算机对外界干扰极为敏感，环境中哪怕极微小的扰动都可能导致计算出错，因此该技术目前仍主要用于研究实验室。

由于量子计算能力仍然有限，研究人员将研究中的大部分任务交由超级计算机完成。AI模型负责数据处理，仅在其中一个步骤中调用量子计算机。

完成高难度计算后，量子计算机将控制权交还给AI模型，由其处理后续所有任务。

"即便是当今存在噪声和错误的量子设备，也能够提升在现代超级计算机数据上训练的传统机器学习算法的性能。"科夫尼说。

解决重大问题

将AI模型与量子计算机结合运行听起来似乎有些超前，但在医疗健康领域，已经有公司在实际应用这一思路。

2025年，谷歌宣布其量子回声算法能够计算分子结构，有望为未来药物研发开辟新路径。此外，去年多伦多大学与英矽智能合作，将AI与量子计算机结合，构建了能够靶向某种"不可成药"癌症的分子。

尽管在确保预测可靠性以及处理庞大数据集方面仍面临挑战，科夫尼表示量子计算机能够改善复杂预测的质量。

"我们已经在着手推进现实世界中的应用。"他说。

Q&A

Q1：量子计算机是如何帮助AI模型提升预测能力的？

A：量子计算机利用量子比特的叠加态和纠缠态特性，能够同时执行多个计算，从而大幅加快复杂问题的求解速度。在该研究中，AI模型负责主要的数据处理工作，仅在最复杂的计算步骤中调用量子计算机，完成后再将控制权交还给AI。这种协作方式使得原本需要普通计算机花费数周完成的预测任务，能够更快速、更准确地完成。

Q2：量子计算机目前为什么还没有普及使用？

A：量子计算机对外界环境极为敏感，必须在极低温度下运行，环境中极微小的扰动都可能导致计算出错。目前量子计算机仍主要用于研究实验室，还处于实验阶段，运行状态也不够稳定，因此在日常场景中缺乏实际可用性。尽管如此，研究人员认为即便是当前不完善的量子设备，也已能提升AI模型的预测性能。

Q3：量子计算机结合AI在哪些领域已有实际应用？

A：目前医疗健康领域已有相关应用案例。2025年谷歌利用量子回声算法计算分子结构，为药物研发提供了新思路；多伦多大学与英矽智能合作，借助AI与量子计算机构建了靶向特定癌症的分子。此外，气候科学、城市工程等领域也正在探索将这种量子与AI结合的建模方法应用于实际预测工作。