先决条件：了解谷歌的量子霸权
在本文中，我们将讨论 Google Quantum Supremacy 声明的好处是什么以及使用它可以解决哪些问题，同时我们还将讨论我们作为数据科学家在量子计算中的角色以及他们在这个完整难题中的位置.那么让我们从这篇文章开始吧。我们需要回答的第一个问题是：
为什么如此重要？
1. 模拟化学过程：它正在创造神奇的材料。以一个简单的咖啡因分子为例。它有大约 248 个州。我们知道今天我们甚至无法通过经典计算来理解分子的基本结构。我们可以使用量子计算机来模拟量子系统。这不仅可以帮助我们理解，而且可以模拟甚至操纵这个过程来获得一种新材料，比如光和坚不可摧的材料，或者选择用于制造有机电池的分子，或者我们可能能够创造出可能的药物治愈癌症或任何我们的想象力允许我们创造的东西。
2.制造室温半导体：量子计算机依靠超导体函数，必须保持在极低的温度（15毫开尔文），但如果量子计算机可以开发室温超导体，我们都知道这意味着什么。嗯，这意味着你可能只能在你儿子生日那天给他一台量子电脑。
3. 解决一些棘手的问题：考虑神经网络和使用量子计算进行金融建模以及路线和物流优化的表征的不断增长的空间，例如被认为是无法克服的 TSP 问题。
主要问题
这些量子位容易出错。由量子位引起的错误会衰减并丢失存储在其中的信息，并且要使所谓的逻辑量子位更加连贯，需要成百上千个物理量子位，这些物理量子位的错误会相互抵消。能够破解加密的量子计算机需要数千个逻辑量子位。上次我检查时，我们有接近 72 个物理量子位可供我们使用，而那台计算机非常不稳定。
另一个问题是隔离系统的条件，其中这些量子位需要超导体工作，超导体需要保持在 15 毫开尔文才能作为超导体工作，因此你通常看到的巨型量子计算机主要是为了保持这个温度并发送微波脉冲一些设置这是一项非常艰巨的任务。
机器学习、人工智能在哪里发挥作用？
量子设备可用于加速机器学习。当前的量子技术类似于 ASCI 等专用硬件，而不是通用 CPU。它们是硬连接来实现有限类别的量子算法的。可以对更高级的设备进行编程，以运行简单的量子电路，就像 FGPA 一样。我们知道 ASCI 和 FPGA 在机器学习以及 GPU、CPU 和 TPU 方面都具有优势。因此，理论上可以将量子添加到这种专门的人工智能硬件组合中，通过创建全新的机器学习工具来帮助我们对抗 AGI。就像十年前 GPU 对深度学习复兴的贡献一样。
机器学习可以从这个惊人的系统中利用的一些任务：
- 线性代数：解决线性代数方程的瓶颈之一是数据编码。为了将量子计算机用作一种用于大型矩阵乘法和特征分解的超快速线性代数求解器（与 TPU 不同），我们必须首先将大型矩阵“加载”到量子设备上，这是一个非常重要的过程，尽管量子门执行一个指数的乘法——甚至是无限的。因此，复杂的线性代数计算——即对应于量子门的那些——可以在量子计算机上的单个操作中完成。因此，将量子门视为神经网络的高度结构化的线性层。
- 优化了变分电路的混合量子经典技术。在那里，量子设备用于评估难以计算的成本函数，而经典设备则根据此信息执行优化。
- Sampling-every 量子计算机本质上是一个采样器，它从所有可能测量结果的简单概率分布开始，计算更复杂的分布，并通过测量对结果进行采样。因此，量子设备是基于采样的训练的有趣助手，例如玻尔兹曼机。简而言之，一个非常有前途的途径是探索如何使用来自量子设备的样本来训练机器学习模型。
- 核评估： “量子核”的想法是通过估计两个非常高维量子态的内积，仅使用量子设备来计算数据点的核。然后可以将内核估计值输入经典机器学习模型进行训练和预测。换句话说，可以将来自量子计算机的估计值输入到标准内核方法中，例如支持向量机。推理和训练完全是经典的，但通过量子专用设备进行了增强。量子设备可用于估计某些内核，包括经典难以计算的内核。它可用于决定内核、采样和优化目的。
这就是 Sundar Pichai 在接受麻省理工科技评论专访时对 AI 和量子计算协同工作所说的话——“我认为这将是一个非常强大的共生事物。这两个领域都处于早期阶段。在构建更大的模型、更可泛化的模型以及实现目标所需的计算资源方面，人工智能领域有令人兴奋的工作。我们认为人工智能可以加速量子计算，量子计算可以加速人工智能。总的来说，我们认为这是我们需要解决的一些最棘手的问题，比如气候变化。”
观念：
- 人们说区块链将被摧毁，安全将成为神话。嗯，这并不完全正确。我承认一些广泛使用的算法是可破解的，但还有其他算法（量子算法）可用于正确加密数据，即使是量子计算机也不会造成伤害。所以只要还有人来实现这些算法，你们就安全了。
- 还有一种观点认为，量子霸权是终结的开始，因为我们将能够轻松开发通用人工智能。好吧，即使我们认为量子计算机面临的所有问题都已解决，而且该领域本身需要研究，但我们距离构建 gAI 还需要数年时间。量子计算机可能会很快加速，但通用人工智能离我们还有几十年的路程。
可能性？
寻求零售配送的理想路线的公司可以将问题分为两部分，并利用每台计算机的优势。作为数据科学家，我们可以查看一些算法并为其做出更多贡献。可能性几乎是无限的。
TL;DR量子计算可以用来解决真正需要他们关注的问题。也就是说，大家伙必须只处理最糟糕的问题，而小问题必须通过经典计算方法来解决。这意味着量子计算机永远不会取代经典计算机，而是与经典计算机并肩工作，并将通过解决迄今为止被认为无法解释的问题，为改善我们的生活做出贡献。