量子電腦會不會取代今天的電腦演算法技術？

謝邀。

這次圓桌的第一個問題。

現在學界的主流意見是，在可見的未來，不會。

無論從現有的理論還是從實際來看，在短期內(50年？）量子電腦都不會完全取代現在的電子電腦。更可能的是兩者共同繁榮。

學術界目前的主要研究方向也是這樣，用量子電腦去執行特定的程式，在傳統電腦吃力的領域出力就行了。

原因有兩方面。

1）首先從量子演算法理論來看。量子電腦需要特定的量子演算法才能發揮出量子計算的強大威力。但是，並不是所有的計算都可以用量子演算法加速。雖然量子演算法絕不會比傳統演算法慢，但能像Shor演算法和Grover演算法那般完全超越傳統演算法的其實比較少見。不少問題上我們暫時都還沒有得到很好的量子演算法。

（不過，人工智慧/機器學習裏很核心的最佳化（optimization）過程卻很幸運地與量子計算是天作之合。這個之後再說。）

2）再從實踐來看。Dwave這家量子電腦公司開發了世界第一款商業量子電腦。但實際上，這款量子電腦不是通用量子電腦，並不能執行所有的量子演算法。Dwave實際上是一台量子退火機（quantum annealing machine）。它的主要工作方式是調整易辛模型的參數來構造滿足某最佳化問題所對應的量子態，再用量子退火演算法來求解。（Google願意花1000萬美金買一台Dwave，再建立Quantum AI Lab就是看中了Dwave在人工智慧上的強大功能。目前512qubit機所模擬的最復雜的人工智慧問題都能在1s左右解決。）

通用量子電腦是一個超出目前科技水平太多的技術。以至於大多數科學家更願意研究具有特定量子結構的量子電腦，用來執行特定的量子計算功能。比如說Google有一項量子計算需求，就為此配一台能專門完成這項量子計算的量子電腦就能執行的很好，搞不定的部份再交給電子電腦處理分工處理就行。

想一想量子退火機尚且要在20mk的溫度下才能執行。通用量子電腦得多麽復雜、精密且昂貴，而且至今沒有好的方案。量子點、核磁共振、量子光路、超導環等所有可能的途徑都有科學家在研究。

為了闡述結論，這個答案主要針對的是量子電腦目前的缺陷。

最後也說一點正面的，免得想把做量子計算的小朋友們嚇跑了。。

因為通用量子電腦困難很多，所以量子電腦是很難全面取代傳統電腦。

量子演算法相比經典演算法有天然的優勢。 量子演算法的上限和潛力遠高於經典演算法。

一方面，就是因為0和1可以被一個量子位元同時儲存，一個量子位元需要用兩個數描述其疊加態。N個量子位元可以儲存2^N個數，算一算2^N可以是N的多少倍。如果未來出現一台量子電腦的算力超過地球上所有經典電腦之和請不要覺得奇怪。

另外一方面，量子電腦是可逆電腦。這是許多人會忽略的一點。經典電腦則是不可逆電腦。不可逆計算過程每一個位元的操作都會有熱損耗。整合度越高，散熱越困難。莫耳定律會在7nm左右時停下，最多還有十年，這是業界的普遍觀點。莫耳定律失效後，提高計算能力只能靠堆積核。這種靠堆積帶來的計算能力上限也很低，能耗又高，又不能小型化。如果像突破經典電腦的極限，我們必須要攻克量子電腦這個難題。量子電腦意味著：無能耗。能做多小做多小。一個計算能力超過經典電腦之和的量子電腦只需要一顆紐扣電池就能驅動也是 理論上 可行的。一塊手表的計算能力甚至可以超過超級電腦，而且只需要一塊紐扣電池就能驅動它了。（這是因為，量子邏輯閘操作全部是可逆變換。整個過程不產生熱量。所以理論上，耗能可以降到極低。）

但是，當數據太大時，Google之類的企業會很願意使用具有特定量子功能的機器。現在需要超級電腦的地方，目測會成為未來量子電腦首先投入使用的地方。

雖然有種種困難，但是大家普遍認為量子計算很快（10年）就能在人工智慧領域發揮作用了。因為量子退火機Dwave可以在人工智慧領域完全地發揮出量子計算功能。這也是Google建立Quantum AI Lab的主要原因。

在自然科學領域，量子計算可以很高效地模擬諸多自然過程，會成為相關領域科學家的一大利器。所以用量子電腦模擬自然現象有著巨大的吸重力。

還有一點很重要的，2008年我們才知道，基於量子邏輯閘的標準量子計算與絕熱量子計算（adiabatic quantum computation）是等價的。 我們可能不需要按照傳統電腦一樣做出邏輯閘就能進行量子計算。 而量子退火就是絕熱量子計算過程——制備量子態，等其絕熱演化到基態，基態直接就能給出計算結果。想一想這是多麽恐怖的計算能力，大自然本身就是絕佳量子電腦。自然演化就是計算結果。這種絕熱量子計算方式甚至不需要我們構建量子邏輯閘。

【Lloyd S. The universe as quantum computer [J]. arXiv preprint arXiv:1312.4455, 2013.】