软银和Quantinuum宣布合作伙伴关系以推进量子计算应用

软银公司和Quantinuum已建立了战略合作伙伴关系，以探索量子计算的实际应用，特别关注联合市场研究和量子数据中心的业务模型的开发。合作于2025年1月29日宣布，旨在利用公司的各自知识来解决超过常规人工智能能力的计算问题。

即使有人工智能的进步，几个同样具有挑战性的问题，例如优化，因果分析和高端模拟，也为传统计算系统带来了大障碍。由CPU，GPU和量子处理单元(QPU)组成的混合处理器模型的想法提供了旨在解决这些挑战，绘制软银和Quantinuum的有效性。

这项举措与全球持续的举动共同促进量子技术在2025年的国际量子科学和技术下创建高级行业的作用。这两个机构共同探索了新出现的商机，并了解量子计算对当今人工智能系统的影响。它包括量子计算作为服务，还涉及量子计算软件作为服务和其他工具。

为了关注亚太地区及以后的公司，两家公司将进行合作市场研究，并为结合CPU，GPU和QPU的“量子数据中心”创建业务模型，从而降低投资风险。软银将特别针对量子化学(用于全光网络中的光学开关材料)和网络分析(对于异常和欺诈检测)，将提供现实世界中的用例。这两家业务都将创建用例计划和创建软件以最大化硬件资源使用，从而促进经典和量子计算的平稳集成用于实际用途。

“在混合量子超级计算系统中，每个组件都按照需要的一部分专用于问题。当AI驱动的科学发现管道需要量子化学或材料模拟引起的量子计算机时，量子计算机是自然使用的，在量子化学或材料模拟的情况下，由于叠加，纠缠和干扰是主要的。此外，量子计算机不直觉，可以在不是本地量子的数据上有效地执行计算，例如能够执行高维数据集的拓扑特征。这些数据甚至可以通过补充AI系统处理的其他功能丰富的数据集来下游使用。” Quantinuum发言人说。

量子和AI

量子计算有望通过以前所未有的计算能力补充经典方法来彻底改变AI。 Quantinuum的发言人说，它提供“与合理资源相关的数据的能力”是主要好处之一。量子计算机充当“虚拟实验室”，可以在数学，化学和物理学中复制复杂的系统，因此提供了一些需要昂贵且耗时的实验的见解。通过更快的数据生成可以大大改善机器学习(ML)模型。

通过量子本机学习方法，量子计算可以在数据生成之外“将我们过去的经典AI移动”。这些技术是专门为量子系统设计的，这些技术可能会开放迄今无法实现的效率和解决问题的能力。

此外，被认为在进行量子计算中非常重要的是人工智能本身。从增强量子程序编译到优化量子硬件控制，人工智能可以帮助简化整个量子堆栈的开发。发言人说，这产生了一个“良性周期，这两种技术都在混合体系结构中用于应对科学挑战。”

随着量子计算的发展，其与人工智能的共生将推动材料科学，药物发现和优化挑战的创新，因此为许多部门开辟了革命用途的道路。

质量计算的挑战和当前状态

量子计算已经取得了迅速的进步，但是在实用应用中，在广泛采用它之前，仍然存在重大的技术和业务挑战。

最突出的挑战之一是开发可行的业务模型。大型资本和运营费用导致量子计算的推出延迟。此外，量子计算服务及其定价等收入模型的变化仍然相对较新，使团队公司更难理性地证明长期投资是合理的。

显然，定义用例提出了另一个挑战。尽管量子计算在包括量子化学和机器学习在内的领域具有潜力，但寻找商业上可行的用途仍然很困难。行业发展取决于知道量子计算机在哪里提供了与传统计算的明显优势，并预测了市场的规模和接受时间表。

从技术上讲，硬件限制仍然是主要挑战。现实世界中的问题解决需要量子设备的固定稳定性和操作精度。必不可少的是量子相干性，可伸缩性和容错性的增益。实际计算取决于软件开发中的同时发展，包括混合算法和减轻错误的策略。

可伸缩性和误差缓解仍然是量子计算中的核心挑战，但量子误差校正(QEC)的重大进展使该领域保持了活力并朝着通用耐断层量子计算(UFTQC)前进。与经典的模拟计算，高物理错误率证明是无法克服的，量子计算继续通过严格的抑制错误技术来发展。

“值得注意的是，我们的计算机已经用于现实世界的工作负载，但本着问题的精神：众所周知，当量子计算(QC)首次在80年代首次出现时，人们认为这是不可能的，原因是为什么模拟计算从未脱离的原因：身体错误率太高了，”发言人说。

根据Quantinuum的说法，由于量子误差校正(QEC)的进步，该字段仍然存在的唯一原因。 “我们是QEC的领导者，正在慢慢组装通用耐断层量子计算(UFTQC)所需的所有部分。 UFTQC需要一份已知的功能列表，我们已经实现了以下内容：

· 物理错误率低于阈值(许多示例，每次我们都低于物理错误率时都会证明这一点;

· 中路测量以获得误差综合征;

· 实时QEC(实时解码综合征并进行更正);

· 容错的远程注射(对于许多QEC应用至关重要);

· 在物理上显示逻辑错误率;

· 展示容忍断层的克利福德大门

量子计算虽然先进且可靠，但被誉为未来的技术，因此，这种模式也很感兴趣。但是，在大规模应用中有效利用这项技术仍然充满了问题。重要的是，许多与正电子相关的问题尚未完全或令人满意地解决。

目前，必须克服几个挑战以在量子计算领域进行进展。最基本的挑战是开发高距离，高速QEC代码 - 我们理想情况下，每个物理量子都希望许多逻辑量子量，以实现资源的最高利用。另外，对于任何想要做更多的量子计算机而不是稳定器代码的量子计算机的关键部分，易耐断层的非克利福德门的发展仍然是一个重要的障碍。

当适用于实际操作中的完整通用算法而没有失败时，将采取重要的步骤。这将涉及量子傅立叶变换的高操作率，以及逻辑错误率低于物理错误率的逻辑实现。这种进步将是从纸质误差校正的急剧转变，该误差校正仅在纸上存在到量子计算，从而带来了能够耐受性的实用困难。

“我们面对这些挑战的距离越近，我们越接近克服当今最前沿的可伸缩性和误差障碍的障碍，在广泛的问题中可能实现量子计算的信任的地平线将变得更加明确。”发言人说。最后，确定何时商业化是困难的，并要求融合市场准备和技术进步。实现量子计算的全部潜力取决于克服这些障碍。