第五届"世界量子日"于14日启动，研究现场的关注点正从量子硬件自身实验转向与实际计算环境的整合。有评价指出，明显趋势是将量子计算不再作为单独技术对待，而是将其纳入与人工智能(AI)、中央处理器(CPU)、图形处理器(GPU)、超级计算机并用的"异构计算"的一环。
美国阿贡国家实验室正在进行将量子系统融入现有高性能计算(HPC)工作流程的研究。项目负责人劳拉·舒尔茨在HPE世界量子日活动采访中解释，量子计算并非替代所有问题的通用技术，而是对特定运算具有优势的专业工具。她表示，目标是向科学家们提供用传统方法难以获得的结果。
AI·GPU·量子结合，改变超级计算机运用方式
传统HPC长期应用于建模与模拟。随着GPU的加入，AI和机器学习发展加速，如今量子计算正成为分析量子力学系统或解决复杂优化问题的新工具。
量子计算的优势在于，它不像经典计算机那样间接模仿量子现象，而是能更直接地处理相关现象。尤其在化学和材料科学等精度至关重要的领域，有望减轻现有模拟的近似计算负担并提高效率。
在实际研究现场，更可行的方式并非将整个问题交给量子系统，而是将分子建模或优化等部分运算剥离出来，交由量子设备处理，再将结果传回基于超级计算机的模拟中。这表明量子计算在"混合计算"环境中比作为独立设备更能体现现实价值。
商业化尚需时日…量子比特稳定性与软件是关键
然而需要跨越的障碍依然巨大。作为量子信息基本单位的量子比特极不稳定且易出错。其需在极低温环境下维持状态，确保计算所需时间内的稳定性是核心课题。一旦量子比特失去量子态，运算本身将无法进行。
软件基础也尚不充分。有观点指出，目前许多量子系统需要用户在硬件层面直接访问，这与早期经典计算机需用二进制代码操作的时代相似。阿贡国家实验室与合作机构正在开发中间软件层，使研究者无需量子力学专业知识也能将量子计算纳入现有工作流程。
AI也在量子计算发展中扮演重要角色。研究团队正利用AI探索新量子算法、优化纠错方案，并测试提升HPC·AI·量子计算复合工作流程效率的方法。
展望阶段性扩散而非"即时大众化"
劳拉·舒尔茨认为量子计算难以在短期内实现大众化普及。这意味着虽然小型系统已经存在，但要让普通研究者或企业能轻松购买使用的"成品级"量子计算机普及化，仍需不少时间。
短期内，市场和研究现场的重点很可能集中在扩大实验、系统整合和改善可访问性上。随着更多研究者在实际工作流程中测试量子计算性能，该技术在哪些领域能产生明确效用也将逐渐清晰。
此次趋势暗示，量子计算竞争正从"谁拥有更多量子比特"转向"谁能更好连接现有AI·超级计算生态系统"。最终有解读认为，比商业化速度更重要的是真正解决现场问题的整合能力。
TP AI 注意事项 使用基于TokenPost.ai的语言模型对文章进行了摘要处理。正文主要内容可能被省略或与事实存在出入。