量子電腦的應用

最近Google發表了72位元量子電腦Bristlecone，科技新聞多加了量子霸權(quantum supremacy)的註腳。量子霸權一語有點誤導，量子計算只在特定的演算問題BQP(Bounded error, Quantum, Polynomial time)上相對於2進位von Neumann架構傳統電腦有優勢，而且在有些問題的優勢只是平方倍(quadratic)，有些才是指數倍(exponential)的優勢。但無論如何，量子電腦在BQP問題上有優勢是沒有疑義的，這也定義出量子電腦的應用方向。

由於量子位元與量子演算法獨特的性質，量子電腦預計先會被應用於4個領域：材料科學、製藥(pharmaceutical)、通訊和AI。

材料科學現在的研發方式多是先定義所需要的物性，譬如電、磁、光、壓力、熱等，然後以第一原理計算(first principles calculation)計算各種可能元素、二元素(binary，2種元素的化合物)、三元素(ternary)等的物性，找出其中適合需求的材料。這個計算牽涉到物體晶格的能帶，基本上需要用到量子力學，而量子電腦最早期的規劃用途之一，就是要尋求牽涉量子力學問題的快速解決，這也是Feynman於1982年著名的論文Simulating Physics with Computers中所倡議的。材料科學與奈米科技－操控微小粒子的技術－現在正處於大爆發期，而未來半導體技術的演進雖然無法像摩爾定律那樣銳進，但是依靠材料科學的進展，製程的微縮與優化仍然可以持續進行。所以台灣即使不直接投入量子電腦的研發，也要在量子電腦的應用上急起直追。

製藥上的適用理由也類似。現在大部份的藥品還是以合成方式製成，而其產品的藥性也可以用上述的第一原理計算搜尋、篩選適用化合物。

在通訊上的應用主要是網路安全機制，主要的骨幹是量子訊息中的另一次領域量子通訊，但是量子電腦在其中仍然有角色可以扮演，譬如量子鑰匙配送(QKD；Quantum Key Distribution，這是韓國KIST在量子信息領域的研究首要項目)、量子亂數產生(QRNG；Quantum Random Number Generation)等。

在人工智慧的應用上，量子電腦在尋找極值(optimum)此一程序比傳統電腦享有天生的優勢。尋找極值是機器學習很常見的一個程序，譬如AlphaGo的程式就有一部份在評價每一棋步的價值，而下的指令－下一步棋的位置－就是這個評價尋找極值結果的最大值。但是傳統電腦的機器學習很容易陷於局部極值(local optimal)的困境。以山嶺來比喻，一個山嶺在鄰近的區域中可能是最高點，但它不是玉山之巔，可是往周遭各方向走卻都是下坡路，違反程式尋求最大值的目標。這樣的問題通常要在演算法中另外處理，跳脫陷阱。量子位元本身卻天生包括了所有可能的狀態，不容易陷入這種困境。

量子電腦到商用還有一些時日，但是量子演算法不是一般資工系、所的基本學習內容，目前人才欠缺。台灣如果要發展量子電腦，先期培訓量子演算法人才是必要儲備，這是元件設計、測試的基本能力。即使不發展量子電腦，有鑑於它廣泛的應用範圍，開始培訓量子演算法人才也是必要的。有些商業公司已經開始提供租用量子電腦、培訓量子演算法種子人才的服務，可以認真考慮這些機會。