量子计算与人工智能融合的新方法被成功研发

（来源：中国航空报）

精确预测复杂物理系统的未来演变，例如全球大气环流或人体血液循环，始终是科学计算领域的重大难题。传统模拟方法要么计算周期漫长，要么在长期预测的准确性上存在局限。如今，这一局面有望取得突破。英国伦敦大学学院（UCL）的科学家团队开创性地提出了一种融合量子计算与人工智能（AI）的混合建模策略。他们的实验数据证实，这种新范式在预测准确度上，显著超越了仅基于传统计算机的尖端AI模型。

这项发表于权威期刊《科学进展》（Science Advances）的研究，为流体动力学建模——即高精度模拟液体与气体的流动与相互作用规律——提供了全新解决方案。此类预测技术的进步，对于提升气候预报、优化交通流、革新医疗诊断以及高效能源生产等多个关键领域，具有深远的应用价值。

量子信息如何赋能人工智能模型

性能飞跃的核心，在于量子计算机独特的信息编码与处理机制。经典计算机的比特状态固定为0或1，而量子计算机的基本单元——量子比特（qubit）则具备“叠加”特性，可以同时处于0和1的多种概率组合状态。更为强大的是，量子比特间能够形成“纠缠”关联，这使得少数量子比特就能编码和操控指数级增长的信息状态。

“在对复杂系统进行建模预测时，我们常常陷入两难，”伦敦大学学院化学系兼高级研究计算中心的资深作者彼得·科文尼教授阐述道，“进行全细节数值模拟可能耗费数周时间，实用性低；而采用纯AI模型虽然速度快捷，但其长期预测的稳健性往往不足。融合量子信息的AI模型，恰恰为我们提供了在计算效率与长期预测可靠性之间的更优权衡。”他进一步展望，该技术有望应用于提升全球气候模型精度、模拟心血管疾病中的血流动力学、探究药物分子相互作用机制，乃至优化大型风力发电场的气流布局以最大化发电效率。

混合量子-经典人工智能训练框架

尽管量子计算机被公认拥有超越经典计算的终极潜力，但其现阶段发展仍受制于硬件误差与规模限制。UCL团队提出的创新方法巧妙地规避了当前瓶颈，其核心并非全程依赖量子计算，而是在AI模型训练流程的关键环节引入量子处理器进行辅助。

具体实施路径如何？通常，人工智能模型需要通过分析海量数据来学习内在规律。在新框架下，原始数据首先由量子计算机进行处理，其核心目标是提取出复杂系统中那些随时间演化而保持不变的深层统计特征——即“动力学不变量”。这些经由量子计算高效萃取的关键特征，随后被用作训练数据，来优化运行于传统超级计算机上的经典AI模型。

效果显著。与未引入量子信息处理的基准AI模型相比，采用这种混合训练框架的模型，其预测精度平均提升了约20%。尤为重要的是，在面对混沌系统模拟时，新模型能够在更长的预测时间尺度上保持结果的稳定性与可信度。

效率的突破：内存占用指数级降低

除了精度的提升，计算效率的改善同样引人注目。新方法对计算机内存的需求降低了数百倍，这使其特别适用于超大规模的系统模拟任务。这一效率飞跃源于量子力学的两大基本原理：量子纠缠使得相隔遥远的量子比特能即时关联；量子叠加则允许单个量子比特同时表征多重信息状态。正是这些特性，赋予了量子系统即便在物理比特数量有限的情况下，也能实现强大的并行信息处理能力。

量子计算实用优势的实证

“我们的新方法以一种非常务实的方式，展现了‘量子优势’——即量子计算机在特定任务上的表现，超越了任何纯粹经典算法可能达到的理论上限。”该研究的第一作者、伦敦大学学院计算科学中心的王麦达（Maida Wang）指出。她认为，这项发现也可能反过来启发并催生更高效的经典模拟算法。团队下一步计划将该方法拓展至更庞大的数据集，并应用于现实世界中通常更为复杂的多物理场场景，同时致力于构建坚实的理论证明框架。

共同第一作者、伦敦大学学院高级研究计算中心的薛晓（Xiao Xue）补充说：“此项工作首次实证表明，量子计算能够与经典机器学习方法协同工作，有效解决包括湍流在内的复杂动力系统预测难题。目睹这种‘量子增强’策略正逐步走向实际应用，确实令人鼓舞。”

研究人员强调，量子计算机本身似乎天然适合于模拟此类复杂系统，因为它能以更接近其本质物理规律的方式进行高效表征。许多复杂系统（如湍流）展现出的非局域关联与非线性行为，与量子纠缠和叠加等效应在数学结构上存在深刻的相似性。

应对现阶段量子硬件的挑战

当然，当前的量子处理器仍普遍受到噪声、退相干和操作误差的影响，通常需要大量重复采样以获得统计上可靠的结果。研究团队采用的策略是，将量子计算严格限定在流程中的一个预处理阶段，而非在量子与经典系统间频繁交换数据，从而最大限度地减少了误差传递与噪声累积效应。

本研究使用了一台拥有20个量子比特的IQM量子处理器，并将其接入位于德国莱布尼茨超级计算中心的经典超算集群进行协同计算。值得一提的是，为了维持量子比特的相干性，这台量子计算机必须运行在极低温环境中，温度低至约零下273摄氏度，这已接近绝对零度，甚至远低于星际空间的平均温度。

（航柯）