來源：Stephanie Arnett/MIT Technology Review | Getty

科技公司多年來向量子計(jì)算機(jī)投入了數(shù)十億美元，希望它們能在金融、藥物研發(fā)和物流等多元化領(lǐng)域帶來顛覆性變革。

在物理和化學(xué)領(lǐng)域，這種期望尤為強(qiáng)烈，因?yàn)榱孔恿W(xué)的奇異效應(yīng)在其中起著關(guān)鍵作用。從理論上講，這是量子計(jì)算機(jī)相較傳統(tǒng)計(jì)算機(jī)擁有巨大優(yōu)勢(shì)的領(lǐng)域。

然而，當(dāng)量子硬件面臨復(fù)雜技術(shù)難題而步履維艱時(shí)，另一個(gè)挑戰(zhàn)者正在這些最具潛力的應(yīng)用領(lǐng)域取得突破。人工智能（AI）如今被應(yīng)用于基礎(chǔ)物理、化學(xué)和材料科學(xué)，這種趨勢(shì)表明量子計(jì)算被認(rèn)為的“主場(chǎng)優(yōu)勢(shì)”或許并不牢固。

瑞士聯(lián)邦理工學(xué)院（EPFL）計(jì)算物理學(xué)教授 Giuseppe Carleo 表示，AI 模擬量子系統(tǒng)的規(guī)模和復(fù)雜性正在迅速提高。上個(gè)月，他與人合作在 Science 上發(fā)表了一篇論文，指出基于神經(jīng)網(wǎng)絡(luò)的方法正迅速成為模擬具有強(qiáng)量子屬性材料的領(lǐng)先技術(shù)。Meta 公司最近也發(fā)布了一個(gè) AI 模型，該模型基于一個(gè)大規(guī)模材料新數(shù)據(jù)集進(jìn)行訓(xùn)練，在材料發(fā)現(xiàn)的機(jī)器學(xué)習(xí)排行榜中躍居榜首。

鑒于近年來的快速進(jìn)展，越來越多的研究人員開始思考：在大規(guī)模量子計(jì)算機(jī)真正問世之前，AI 是否已經(jīng)能夠解決化學(xué)和材料科學(xué)中大部分最有趣的問題。

“這些機(jī)器學(xué)習(xí)新技術(shù)的出現(xiàn)對(duì)量子計(jì)算機(jī)潛在應(yīng)用構(gòu)成了嚴(yán)重打擊，”Carleo 說，“在我看來，這些公司遲早會(huì)發(fā)現(xiàn)，他們的投資并不合理?！?/span>

量子計(jì)算機(jī)的潛力在于其能夠比傳統(tǒng)計(jì)算機(jī)更快地完成某些計(jì)算。然而，要實(shí)現(xiàn)這一潛力，需要比現(xiàn)有規(guī)模更大的量子處理器。目前最先進(jìn)的設(shè)備剛剛突破 1000 量子比特，但要達(dá)到對(duì)經(jīng)典計(jì)算機(jī)的壓倒性優(yōu)勢(shì)，可能需要數(shù)萬甚至數(shù)百萬量子比特。一旦這種硬件得以實(shí)現(xiàn)，一些量子算法，例如破解加密的 Shor 算法，將能夠以指數(shù)級(jí)的速度解決問題，這遠(yuǎn)非經(jīng)典算法可以企及。

然而，在許多具有明顯商業(yè)應(yīng)用的量子算法中，例如數(shù)據(jù)庫搜索、優(yōu)化問題求解或驅(qū)動(dòng)人工智能，其速度優(yōu)勢(shì)相對(duì)較小。去年，微軟量子計(jì)算負(fù)責(zé)人 Matthias Troyer 聯(lián)合發(fā)表的一篇論文表明，當(dāng)考慮到量子硬件運(yùn)行速度比現(xiàn)代計(jì)算機(jī)芯片慢幾個(gè)數(shù)量級(jí)時(shí)，這些理論上的速度優(yōu)勢(shì)可能會(huì)消失。此外，將大量經(jīng)典數(shù)據(jù)輸入和輸出量子計(jì)算機(jī)的難度也是一個(gè)主要障礙。

因此，Troyer 及其同事得出結(jié)論，量子計(jì)算機(jī)應(yīng)更多地關(guān)注化學(xué)和材料科學(xué)中的問題，這些問題需要對(duì)量子效應(yīng)占主導(dǎo)地位的系統(tǒng)進(jìn)行模擬。從理論上講，基于這些系統(tǒng)的量子原理運(yùn)行的計(jì)算機(jī)在這里應(yīng)該具有天然優(yōu)勢(shì)。事實(shí)上，自著名物理學(xué)家理查德·費(fèi)曼首次提出這一概念以來，這一直是量子計(jì)算的核心推動(dòng)力之一。

量子力學(xué)規(guī)則主導(dǎo)著許多具有巨大實(shí)際和商業(yè)價(jià)值的事物，例如蛋白質(zhì)、藥物和材料。它們的性質(zhì)由其組成粒子之間的相互作用決定，尤其是電子之間的相互作用。在計(jì)算機(jī)中模擬這些相互作用，應(yīng)該能夠預(yù)測(cè)分子會(huì)表現(xiàn)出何種特性。例如，這對(duì)發(fā)現(xiàn)新藥物或開發(fā)更高效的電池化學(xué)具有巨大的價(jià)值。

然而，量子力學(xué)那些令人費(fèi)解的規(guī)則——特別是使遙遠(yuǎn)粒子的量子態(tài)可以本質(zhì)上相互關(guān)聯(lián)的糾纏現(xiàn)象——會(huì)使這些相互作用變得極其復(fù)雜。精確追蹤這些相互作用需要極其復(fù)雜的數(shù)學(xué)運(yùn)算，而當(dāng)粒子數(shù)量增加時(shí)，運(yùn)算的難度會(huì)呈指數(shù)級(jí)增長(zhǎng)。這使得在經(jīng)典計(jì)算機(jī)上模擬大型量子系統(tǒng)幾乎變得不可行。

這正是量子計(jì)算機(jī)大展拳腳的地方。由于量子計(jì)算機(jī)同樣基于量子原理運(yùn)行，它們能夠比經(jīng)典計(jì)算機(jī)更高效地表示量子態(tài)，同時(shí)可以利用量子效應(yīng)加速計(jì)算。

然而，并非所有量子系統(tǒng)都是相同的。其復(fù)雜性取決于粒子之間的相互作用或關(guān)聯(lián)程度。在相互作用強(qiáng)的系統(tǒng)中，追蹤所有這些關(guān)系所需的計(jì)算量可能會(huì)迅速增加。而對(duì)于化學(xué)家和材料科學(xué)家感興趣的大多數(shù)系統(tǒng)，關(guān)聯(lián)通常較弱。Giuseppe Carleo 指出，這意味著這些系統(tǒng)中的粒子對(duì)彼此行為的影響不顯著，從而使得這些系統(tǒng)更容易被建模。

Carleo 總結(jié)道，對(duì)于化學(xué)和材料科學(xué)中的大多數(shù)問題，量子計(jì)算機(jī)可能不會(huì)提供任何優(yōu)勢(shì)。經(jīng)典工具已經(jīng)能夠精確建模弱關(guān)聯(lián)系統(tǒng)，其中最為顯著的是密度泛函理論（DFT）。DFT 的核心思想是，只需了解系統(tǒng)的電子密度（即電子在空間中的分布），就可以理解其關(guān)鍵特性。這種方法大大簡(jiǎn)化了計(jì)算，同時(shí)仍能為弱關(guān)聯(lián)系統(tǒng)提供準(zhǔn)確結(jié)果。

使用這些方法模擬大型系統(tǒng)需要相當(dāng)大的計(jì)算能力。然而，近年來，基于 DFT 的研究激增，生成了大量化學(xué)、生物分子和材料數(shù)據(jù)，這些數(shù)據(jù)可用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)。AI 模型通過學(xué)習(xí)這些數(shù)據(jù)中的模式，可以預(yù)測(cè)特定化學(xué)結(jié)構(gòu)可能具有的特性，而其運(yùn)行成本比傳統(tǒng)的 DFT 計(jì)算低幾個(gè)數(shù)量級(jí)。

這種方法大幅擴(kuò)展了可模擬系統(tǒng)的規(guī)?！淮慰梢阅M多達(dá) 10 萬個(gè)原子——以及模擬運(yùn)行的時(shí)間范圍。盧森堡大學(xué)物理學(xué)教授 Alexandre Tkatchenko 表示：“這簡(jiǎn)直太棒了。你幾乎可以完成大多數(shù)化學(xué)問題?！?/span>

卡內(nèi)基梅隆大學(xué)化學(xué)教授 Olexandr Isayev 也表示，這些技術(shù)已經(jīng)被廣泛應(yīng)用于化學(xué)和生命科學(xué)領(lǐng)域的公司。而對(duì)于研究人員而言，此前無法觸及的問題，例如優(yōu)化化學(xué)反應(yīng)、開發(fā)新型電池材料和理解蛋白質(zhì)結(jié)合等，如今都變得可行。

“與大多數(shù) AI 應(yīng)用一樣，數(shù)據(jù)是最大的瓶頸?！盜sayev 指出。Meta 最近發(fā)布的材料數(shù)據(jù)集包含對(duì) 1.18 億種分子的 DFT 計(jì)算結(jié)果。用這些數(shù)據(jù)訓(xùn)練的模型實(shí)現(xiàn)了最先進(jìn)的性能，但生成這些訓(xùn)練材料耗費(fèi)了龐大的計(jì)算資源，遠(yuǎn)超大多數(shù)研究團(tuán)隊(duì)的能力。這意味著要完全實(shí)現(xiàn)這一方法的潛力，需要巨額投資。

然而，用 DFT 模擬弱關(guān)聯(lián)系統(tǒng)并不是一個(gè)指數(shù)級(jí)增長(zhǎng)的問題。這表明，只要擁有更多數(shù)據(jù)和計(jì)算資源，基于 AI 的經(jīng)典方法甚至可以模擬這些系統(tǒng)中最大的部分。Tkatchenko 補(bǔ)充道，考慮到能與之競(jìng)爭(zhēng)的量子計(jì)算機(jī)可能仍需數(shù)十年時(shí)間，AI 當(dāng)前的發(fā)展軌跡表明，它或許能更早實(shí)現(xiàn)一些重要的里程碑，例如精確模擬藥物與蛋白質(zhì)的結(jié)合過程。

強(qiáng)關(guān)聯(lián)系統(tǒng)

在模擬強(qiáng)關(guān)聯(lián)量子系統(tǒng)時(shí)（即粒子之間相互作用較強(qiáng)的系統(tǒng)），像 DFT 這樣的傳統(tǒng)方法很快就會(huì)失去效用。這類系統(tǒng)雖然更加復(fù)雜，但包括了一些具有潛在變革能力的材料，例如高溫超導(dǎo)體或超精密傳感器。然而，即便在這一領(lǐng)域，人工智能也正在取得顯著進(jìn)展。

2017 年，瑞士聯(lián)邦理工學(xué)院(EPFL)的 Giuseppe Carleo 與微軟的 Matthias Troyer在 Science 上發(fā)表了一篇開創(chuàng)性論文，展示了神經(jīng)網(wǎng)絡(luò)可以用于模擬強(qiáng)關(guān)聯(lián)量子系統(tǒng)。這種方法并不像傳統(tǒng)意義上的機(jī)器學(xué)習(xí)那樣從數(shù)據(jù)中學(xué)習(xí)。相反，Carleo 解釋，這種方法與 DeepMind 的 AlphaZero 模型類似。AlphaZero 通過掌握圍棋、國(guó)際象棋和將棋的規(guī)則并進(jìn)行自我對(duì)弈實(shí)現(xiàn)了卓越的表現(xiàn)。

在量子系統(tǒng)的模擬中，“游戲規(guī)則”由薛定諤方程提供，它可以精確描述系統(tǒng)的量子態(tài)或波函數(shù)。模型通過將粒子排列成某種配置，并測(cè)量系統(tǒng)的能量水平來進(jìn)行“對(duì)弈”。目標(biāo)是找到最低能量配置（即基態(tài)），這是系統(tǒng)性質(zhì)的決定因素。模型不斷重復(fù)這一過程，直到能量水平不再下降，表明已經(jīng)接近或達(dá)到基態(tài)。

這些模型的強(qiáng)大之處在于它們能夠壓縮信息。Carleo 表示：“波函數(shù)是一個(gè)非常復(fù)雜的數(shù)學(xué)對(duì)象?，F(xiàn)在，多個(gè)研究已經(jīng)表明，神經(jīng)網(wǎng)絡(luò)可以以經(jīng)典計(jì)算機(jī)能夠處理的方式捕捉這一對(duì)象的復(fù)雜性。”

自 2017 年那篇論文以來，這種方法已經(jīng)擴(kuò)展到更廣泛的強(qiáng)關(guān)聯(lián)系統(tǒng)。Carleo 指出，結(jié)果令人印象深刻。他與同事上個(gè)月在 Science 上發(fā)表的論文中，將這一方法應(yīng)用于多種復(fù)雜的量子模擬問題，并對(duì)當(dāng)前領(lǐng)先的經(jīng)典模擬技術(shù)進(jìn)行了測(cè)試，旨在為經(jīng)典方法和量子方法的進(jìn)展提供基準(zhǔn)。

這些研究表明，神經(jīng)網(wǎng)絡(luò)不僅能夠有效模擬強(qiáng)關(guān)聯(lián)系統(tǒng)，還在處理這些復(fù)雜問題方面樹立了新的技術(shù)標(biāo)準(zhǔn)。這種能力讓 AI 在模擬最棘手的量子系統(tǒng)方面展現(xiàn)出極大的潛力。

Carleo 表示，基于神經(jīng)網(wǎng)絡(luò)的技術(shù)現(xiàn)已成為模擬他們測(cè)試的許多最復(fù)雜量子系統(tǒng)的最佳方法?！皺C(jī)器學(xué)習(xí)在這些問題中確實(shí)占據(jù)了領(lǐng)先地位，”他說。

這些技術(shù)吸引了科技行業(yè)一些大玩家的注意。今年 8 月，DeepMind 的研究人員在 Science 上發(fā)表論文，展示了他們能夠精確模擬量子系統(tǒng)中的激發(fā)態(tài)，這一能力未來可能用于預(yù)測(cè)太陽能電池、傳感器和激光器的行為。微軟研究團(tuán)隊(duì)也開發(fā)了一套開源軟件套件，幫助更多研究人員利用神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬。

法國(guó) école Polytechnique 的人工智能與凝聚態(tài)物理學(xué)教授 Filippo Vicentini（也是 Science 基準(zhǔn)測(cè)試論文的合著者）表示，這種方法的一個(gè)主要優(yōu)勢(shì)在于，它可以利用人工智能軟件和硬件領(lǐng)域的巨大投資?！澳軌蚶眠@些技術(shù)進(jìn)步為我們提供了巨大的優(yōu)勢(shì)，”他說。

需要注意的是，由于基態(tài)是通過試錯(cuò)而非明確計(jì)算獲得的，這些方法提供的只是近似解。然而，正因如此，這一方法在看似無法解決的問題上取得了進(jìn)展。ETH Zurich 研究員 Juan Carrasquilla（也是 Science 基準(zhǔn)測(cè)試論文的合著者）指出，如果目標(biāo)是準(zhǔn)確追蹤強(qiáng)關(guān)聯(lián)系統(tǒng)中的所有相互作用，隨著系統(tǒng)規(guī)模的擴(kuò)大，所需的計(jì)算量將呈指數(shù)級(jí)增長(zhǎng)。但如果僅需要一個(gè)“足夠好”的答案，那么利用一些捷徑就有很大余地。

“或許要精確模擬它是不可能的，”Carrasquilla 說，“但我們可以捕捉足夠多的信息，涵蓋物理學(xué)家關(guān)心的所有方面。如果我們做到了這一點(diǎn)，它實(shí)際上與真實(shí)解幾乎沒有區(qū)別?！?/span>

盡管大多數(shù)強(qiáng)關(guān)聯(lián)系統(tǒng)對(duì)經(jīng)典方法來說過于復(fù)雜，但某些系統(tǒng)卻不在此列。例如，根據(jù) 2023 年發(fā)表在 Nature Communications 上的一篇論文，有些系統(tǒng)對(duì)于高溫超導(dǎo)體的建模是相關(guān)的，而經(jīng)典方法可以勝任。

微軟研究團(tuán)隊(duì)的負(fù)責(zé)人 Frank Noe 指出，“由于指數(shù)復(fù)雜性，你總會(huì)找到一些問題，無法找到捷徑?！钡a(bǔ)充道，“我認(rèn)為，無法找到良好捷徑的系統(tǒng)數(shù)量將變得越來越少?！?/span>

沒有萬能的解決方案

渥太華大學(xué)物理學(xué)助理教授 Stefanie Czischek 表示，目前尚難預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)究竟可以解決哪些問題。在某些復(fù)雜系統(tǒng)中，神經(jīng)網(wǎng)絡(luò)表現(xiàn)出色，但在看似簡(jiǎn)單的系統(tǒng)中，其計(jì)算成本卻可能意外飆升。她指出：“我們并不真正了解它們的局限性。沒有人確切知道哪些條件會(huì)讓這些神經(jīng)網(wǎng)絡(luò)難以表示系統(tǒng)?！?/span>

與此同時(shí)，其他經(jīng)典量子模擬技術(shù)也取得了重要進(jìn)展。紐約 Flatiron Institute 計(jì)算量子物理中心主任 Antoine Georges（也是 Science 基準(zhǔn)測(cè)試論文的合著者）表示：“每種方法都有其成功之處，而且它們相輔相成。因此，我不認(rèn)為這些機(jī)器學(xué)習(xí)方法會(huì)完全取代其他方法?！?/span>

IonQ 量子解決方案高級(jí)總監(jiān) Martin Roetteler 認(rèn)為，量子計(jì)算機(jī)也會(huì)找到自己的優(yōu)勢(shì)領(lǐng)域。他同意經(jīng)典方法可能足以應(yīng)對(duì)弱關(guān)聯(lián)系統(tǒng)的模擬，但堅(jiān)信某些大型強(qiáng)關(guān)聯(lián)系統(tǒng)會(huì)超出經(jīng)典方法的能力范圍?！爸笖?shù)級(jí)復(fù)雜性最終會(huì)成為障礙，”他說，“對(duì)于某些強(qiáng)關(guān)聯(lián)系統(tǒng)，我們無法用經(jīng)典方法解決。我對(duì)此深信不疑?！?/span>

相比之下，他認(rèn)為未來具備容錯(cuò)能力、量子比特?cái)?shù)量遠(yuǎn)超現(xiàn)有設(shè)備的量子計(jì)算機(jī)將能夠模擬這些系統(tǒng)。這可能幫助發(fā)現(xiàn)新型催化劑，或提高對(duì)人體代謝過程的理解——這是制藥行業(yè)的關(guān)鍵領(lǐng)域。

未來的計(jì)算格局：混合模型

IBM 量子計(jì)算項(xiàng)目負(fù)責(zé)人 Jay Gambetta 認(rèn)為，神經(jīng)網(wǎng)絡(luò)可能會(huì)擴(kuò)展能夠解決的問題范圍，但他并不認(rèn)為它們能解決企業(yè)最關(guān)心的最難問題?！斑@就是為什么許多以化學(xué)為核心需求的公司仍在研究量子計(jì)算，因?yàn)樗鼈兎浅Ｇ宄@些近似方法的局限性?！?/span>

Gambetta 還否認(rèn)了這些技術(shù)是競(jìng)爭(zhēng)關(guān)系的觀點(diǎn)。他認(rèn)為，未來的計(jì)算很可能采用一種混合模式，將量子和經(jīng)典子程序結(jié)合起來解決問題?！拔也徽J(rèn)為它們?cè)诟?jìng)爭(zhēng)。我認(rèn)為它們實(shí)際上是互補(bǔ)的，”他說。

但德克薩斯大學(xué)量子信息中心主任 Scott Aaronson 指出，在量子化學(xué)和凝聚態(tài)物理等領(lǐng)域，機(jī)器學(xué)習(xí)方法確實(shí)直接與量子計(jì)算機(jī)競(jìng)爭(zhēng)。他預(yù)測(cè)，機(jī)器學(xué)習(xí)和量子模擬的結(jié)合將在許多情況下優(yōu)于純粹的經(jīng)典方法，但這一點(diǎn)可能需要等到更大規(guī)模、更可靠的量子計(jì)算機(jī)出現(xiàn)后才會(huì)明確。

“從一開始，我就將量子計(jì)算視為首先是一個(gè)科學(xué)探索，而任何工業(yè)應(yīng)用只是錦上添花，”Aaronson 說，“因此，如果量子模擬僅偶爾超過經(jīng)典機(jī)器學(xué)習(xí)，我不會(huì)像某些同事那樣感到特別失望?！?/span>

EPFL 的 Carleo 指出，量子計(jì)算機(jī)很可能在模擬復(fù)雜量子系統(tǒng)如何隨時(shí)間演化方面具有明顯優(yōu)勢(shì)。這可能為統(tǒng)計(jì)力學(xué)和高能物理等領(lǐng)域的科學(xué)家提供寶貴的洞察，但在短期內(nèi)似乎不太可能帶來實(shí)際應(yīng)用。他補(bǔ)充道：“這些更多是利基應(yīng)用，在我看來，并不足以證明巨額投資和巨大的炒作是合理的?！?/span>

盡管如此，MIT Technology Review 采訪的專家表示，缺乏商業(yè)應(yīng)用并不是停止追求量子計(jì)算的理由，它在長(zhǎng)期內(nèi)可能帶來基礎(chǔ)科學(xué)的突破。

“科學(xué)就像一組嵌套的盒子——你解決了一個(gè)問題，卻發(fā)現(xiàn)了另外五個(gè)問題，”Filippo Vicentini 總結(jié)道，“我們研究的事物復(fù)雜性會(huì)隨著時(shí)間的推移不斷增加，因此我們始終需要更強(qiáng)大的工具。”

原文鏈接：

https://www.technologyreview.com/2024/11/07/1106730/why-ai-could-eat-quantum-computings-lunch/