量子计算机伴随着量子技术而出现，不论是美国还是我们国家，都在不断地探索量子计算机的新发展。可以预见，量子计算机是未来的主流，但目前还存在着一些技术层面的难点需要攻克。与传统计算机相比，量子计算机可以利用量子纠缠和叠加原理来显著提升计算速度。

其实早在20世纪80年代，为了仿真的模拟量子系统的变化，美国著名的物理学家费曼提出了按照量子力学规律工作的计算机的概念，这被认为是最早的量子计算机的构想。

按照朗道原理——信息的插除必然伴随着热量的释放，传统计算机一方面能耗高，另外一方面伴随着能耗的产生必然会导致硬件的损耗。

而量子计算机则不同，它和传统电子计算机的不同之处在于：量子计算机不再由电子元器件组成，而是由多个处于量子状态的粒子组成。所以，量子计算机本身就是一个量子系统，就具有低能耗、低损耗等特点。用量子计算机模拟量子系统的过程，其实就是是用量子系统去模拟另一个量子系统，这对于量子计算机来说是一件轻而易举的事情。

不论是谷歌、微软，还是我们国家相关领域的专家，都在不断探索量子计算机的新技术。近日，在微软由 Robin Kothari 带领的研究团队，就在两个已经持续 20 多年的常见问题的研究上取得了重大的突破。具体来说，就是研究团队重新讨论了量子计算机诸多问题中最大可行的量子加速问题，且其算法能够在比例量子计算机上实现指数级的加速。 

非结构化问题的量子加速研究（来自：Microsoft）

 2019 年的时候，Robin Kothari 与研究合著者 Hao Huang 就已经进行了量子计算机的一些重要设想。这些设想解决了困扰人们已久的灵敏度猜想问题，且证明了针对非结构化问题的最佳量子加速是四次（T versus T^4）。幸运的是，新研究表明，同样的证明方法，亦可用于回答有关图形量子加速的古老猜想。该问题具体涉及分析大量非结构化数据集，并在其中查找潜在的连接与模式。

早在1999 年，Buhrman 等人提出任何量子算法都必须查询 Ω（√n） 次的，才能确定单调图的性质的观点。推测答案的复杂度与时间呈线性相关，与最优解相对的最坏情况边界为 Ω（n），可借助 Grover 算法来实现。而Kothari 团队这次以最优方式证明了这一猜想。鉴于与该猜想有关的经典对应物尚未得到证明，微软研究人员的这项成果也是独一无二的。

但从目前的实际情况来看，一方面我们对于量子科学的理解还处于发展阶段；另外一方面在发展中的量子科学技术基础上，我们对于量子计算机的理解与技术探索也还处于发展中阶段。随着量子科学技术的不断发展，我们对于量子计算机的理解也必然会更加成熟与深刻。

图文系网络转载，版权归原作者所有。如涉及作品版权问题，请与我们联系，我们将在第一时间协商版权问题或删除内容！