量子物理專欄｜談談「量子掏金熱」與泡沫

本文為專欄作者《凝視奇點的物理學徒》所著，作者大學時修習「物理和經濟」，現為新加坡國立大學「量子物理博士生」。是個希望「生活在位元世界，而非原子世界的奇點主義者」。

我透過 Nature 同名文章回顧了這個開始不到五年的量子科技掏金潮：在私人資金流入與新創大量募資的背景下。

Nature 文章分析不同分支的量子科技在不同地區國家的發展，整體樂觀的同時隱隱著警示量子冬天可能會和人工智慧冬天一樣出現（畢竟掏金眾人總是得掏出不少沙）。

而我原則上不會（也不會需）說太多樂觀的故事，而會著重在文章提到的泡沫，畢竟現在這領域正被炒作，正在起飛階段這種文章很多。

量子領域的資金流入

在一開始，先來整理下資金流入的好消息。

自 2012 年開始，私人企業投資了共超過 50 家量子科技背景的新創：有名的如 D-wave、Regetti、IonQ（以下數字不計入政府投資、大企業內部投資、以及中國大量未公開的投資）。

2015 年至 2016 兩年間，創投投資滋了 1 億美元在這個領域。

到了 2017 年至 2018 這兩年，更是快速倍增到 4.5 億美元。當然和AI產業相比這大概是十年前的規模，畢竟創投在 18 年一年就投了快 100 億美元在AI。

好消息是，這時投入的公司，開始出現大家耳熟能詳企業，如 Google、IBM、Honeywell …等皆投入了大量的金錢研發。

物理學徒註：根據口耳相傳的消息，在 Google 量子霸權的研究正式刊出後，Google 未來十年將會注資十億美元 Google Quantum AI  lab，看來和老牌研究量子計算的IBM正式宣戰了．

量子領域的專利（Quantum Patents）

重新分析後的排名

依據上述方法重新分析專利排名，得出的結果是：「美國」在第一梯隊，而「加拿大」、「中國」、「日本」在第二梯隊．

若是再加上政府投資因素：

物理學徒註：歐盟的量子科學旗艦計畫十年十億歐元、星國政府投資大概是十年一兩億美元，美國去年也通過了超過十億美元的量子科技法案。

「歐盟」整體會加入第一梯隊在美國之後並領先其他國家；「澳洲」與「星國」會加入第二梯隊。

而其中最值得注意的國家是「加拿大」（尤其是滑鐵盧）。因為有圓周理論中心（PI）、量子電腦中心（IQC）等研究機構和 Xanadu 這樣的高品質新創，加拿大拔地而起成為第二梯隊中的領先者，甚至可以在局部做到反向吸引美國的量子科學家。

（而我待的「新加坡」基本上只有政府投資，所以即使在文章中被提過幾次上也是第二梯隊後半）

最後談論兩個可能泡沫

當然，以下提到的泡沫不是所有可能的危機，甚至可以視為是「物理實驗方面」的看法，做「理論」和「計算」的人可能會有很不一樣的觀點。

硬體的發展速度

第一個泡沫：量子計算在硬體方面的進展速度，應該會比創投預期的慢。

身為領域內的從業人員，我認為 5 – 10 年達到「通用量子電腦」的目標難如登天。相較之下，我更願意相信十年有*室溫超導體。

室溫超導體：目前的超導體在極端條件下已經可以乾冰溫度達到具有超導性質．如果超導體可以於室溫存在，根據物理學家Michio Kaku的看法，人類文明可以說會從電力時代轉向磁力時代，充分探索整個電磁學領域的潛能，而這件事情是可能在21世紀發生的，

在量子電腦方面，目前連一個 *logical qubit 都沒有，規模化到成千上萬顆不知道還有多久的漫漫長路，超導體大量較低品質的量子位元和離子井較少但品質較高的量子位元仍舊勢均力敵、硬體架構之爭分出勝負之前我覺得都不用談量子糾錯算法以及之後的通用量子電腦。

Logical Qubit： 常見的量子位元都是不具備糾錯能力的physical qubit壽命有限，而利用好幾顆physical qubit當作一顆用、產生的等價量子位元稱為logical qubit ，搭配合適量子糾錯算法後其壽命可以大幅度的提升讓執行複雜的演算法成為可能．

5 – 10 年的時間軸絕對會看到「量子計算的商業應用」，但是不會是創投想像的會改變世界的 Shor algorithm、*Grover algorithm、Qauantum Machine Learning。

Grover algorithm：快速搜尋演算法，透過量子電腦可以讓原先要搜尋N次的複雜問題簡化成只要約N^0.5次

期望越大，失望也越大。故我認為，在十年之內會有個量子冬天是不讓人意外的，「期望與泡沫」總是伴隨著每種科技發展的歷史，量子應該不會有例外．

量子軟體的新創產業

第二個泡沫：有非常大量的資金投入了量子軟體的新創產業。

在理解第一點之後，我們就知道現在仍處在硬體發展的萌芽階段，而是否能在沒有量子電腦硬體的情況下構築出銀行業、航空業等具體產業問題需要的量子演算法，我非常懷疑。（如果有量子電腦讓大家把玩或許會更有靈感）

另外就是，由於現在仍處於 *NISQ（有噪音的中型量子電腦）階段，軟體可能必須要遷就硬體來特化，很有可能是不同的硬體平台有不同對應的優勢演算法。

NISQ：Nosiy Intermidate Scale Quantum Computer，這是對現存和短時間內量子電腦的稱呼，描述了現形量子電腦規模不大且沒有糾錯能力，沒有辦法執行複雜量子演算法的事實．

不過我個人對第二點倒沒有感到那麼悲觀。

因為，若不是要求整個計算過程都是透過量子電腦、那 Hybrid（綜合）算法可能可以在很短的時間問世；例如：把量子系統當作「亂數產生器」或是「非線性函數」來餵給古典的機器學習系統，我認為在短期間內量子計算大有可為的方向是在這裡。

Hybrid 算法：（這可以拿掉因為我文章後面的例如就在談這件事情 …

而要做出 HHL（計算反矩陣）或是 QPCA、QSVM 都還是遙遠的夢，畢竟目前最大的 QSVM 是「2×2 矩陣」，要晃點人說有「學術價值」可以，至於「商業價值」就有些尷尬。