人工智能模型已经在预测领域发挥了重要作用，医生、气象预报员和股票经纪人等都依赖AI来预测未来。在德国莱布尼茨超级计算中心，研究人员尝试将人工智能模型与量子计算机结合，利用量子计算机协助AI处理其单独难以完成的复杂预测任务。
伦敦大学学院（UCL）的研究团队于周五在《Science Advances》期刊上发表了相关成果。他们表示，未来量子计算机有望帮助AI模型在多个行业中快速且准确地完成传统计算机需要数周才能完成的预测。
UCL教授、该研究的合著者Peter Coveney向CNET表示：“这篇论文证明，即使是目前相对较小且不稳定的量子设备，也能提升传统AI模型的预测能力。”
量子计算机与传统计算机的区别在于，量子计算机能够同时进行多重计算，而非逐步计算，并且使用量子比特（qubits）。传统计算机使用的比特只能表示0或1，而量子比特可以同时表示0和1的叠加态。此外，两个量子比特还能实现纠缠状态。
叠加态和纠缠态使得量子计算机能够比传统计算机更快地解决复杂问题。但量子计算机极其脆弱，必须保持极低温度，这限制了其日常应用的可能性。
尽管目前的量子计算机仍处于实验阶段且不稳定，但它们有潜力帮助AI解决那些过于复杂或耗时的问题。
量子优势
研究中使用的AI模型运行在连接量子计算机的超级计算机上。研究团队利用这一系统预测气体和液体在系统中的运动和相互作用，这类建模广泛应用于气候科学、医学和城市工程等领域。
UCL博士生、合著者Maida Wang在一则声明中表示：“我们新方法在实际应用中展示了‘量子优势’，即量子计算机的表现超越了传统计算机的能力。”
量子计算机对环境极为敏感，微小干扰都会影响计算结果，因此目前主要用于科研实验室。
由于量子计算仍有限制，研究人员大部分计算工作由超级计算机完成，AI模型处理数据后仅在关键步骤调用量子计算机。
完成复杂计算后，量子计算机将控制权交回AI模型，由其完成剩余任务。
Coveney教授指出：“即使是当今噪声大且易出错的量子设备，也能提升基于现代超级计算机数据训练的传统机器学习算法的性能。”
解决重大难题
将AI模型与量子计算机结合进行计算听起来或许不可思议，但已有企业在医疗领域采用这一方法。
2025年，谷歌宣布其Quantum Echoes算法能够计算分子结构，为未来药物研发铺路。去年，多伦多大学与Insilico Medicine合作，利用AI和量子计算机设计针对“不可药物化”癌症的分子。
尽管预测的可靠性和数据规模仍是挑战，Coveney表示量子计算机能够提升复杂预测的准确性。
“我们已经在开展实际应用的相关工作。”他补充道。
