发生了什么
- 一个研究团队汇总出一份指南，列出24个量子优势前景可信的问题。团队成员来自托管在CERN的 Open Quantum Institute、Google Quantum AI、微软、Oratomic、英伟达、JPMorganChase、麻省理工学院和哈佛大学等机构。The Quantum Insider 于2026年11月6日报道了此事。
- 对每个问题，他们都描述了其数学结构、所需的数据，以及能让量子机器保持优势的条件。
- 这项工作发布在预印本平台 arXiv 上，是对现有研究的综合，而不是一项新实验。
- 这些问题涉及数论、优化、统计推断、量子模拟、线性代数，以及对数据中形状与连接关系的分析。
为什么重要
- 理论上的速度优势并不保证实际中更快得到结果。一个量子算法所需的步骤可能比经典算法少得多，但给出有用答案所花的时间仍可能更长。
- 准备数据、纠正错误和读取结果，都可能抵消节省下来的时间，因此必须把整个计算过程拿来，与最好的经典方法比较。
- 这份指南帮助科学家和企业找到理论上的收益可能真正有用的地方，而不是为随便什么问题都去寻找量子解法。
关键数字
15小时和7400万个物理量子比特。 对于某个特定的随机约束满足问题，论文引用的一项分析把量子计算与经典计算的交叉点定在约15小时、约7400万个物理量子比特，前提是特定的错误率和纠错设计。这显示了数学上的优势与算得起的计算之间有多远。
背景
作者们关注的是超过二次的加速。他们认为，要抵消首批具备纠错能力的量子计算机的高昂运行成本，这很可能是必需的门槛。二次加速的意思是：如果经典方法需要100万步，量子方法或许只需约1000步，但这并不意味着能快1000倍完成，因为每一个量子步骤的代价可能更高。
指南区分了几类证据：严格的数学结果、仅限于某些类别经典方法的证据，以及数值研究或启发式研究。这些比较大体上是以目前已知最好的经典方法为对照，而经典方法同样可能改进。以线性代数为例，指数级的提升要求数字能够被快速载入，并且所要求的输出是一个总体性的度量，而不是每一个数值。
这24个问题按其潜力已知多少，分为两个阶段。团队的建议是，从优势已有依据的任务入手，再去寻找与之匹配的真实问题，而不是从一个紧迫的难题出发，再为它寻找量子解法。
Mamífero 一直关注量子计算。我们报道过：囚禁离子自行纠正了错误，并越过盈亏平衡点，以及IBM、橡树岭和 AMD 把量子计算与经典计算结合起来纠错。我们还报道过：Telefónica 和 IQM 将安装马德里的第一台量子计算机，以及越南将用一台光子机器拥有第一台量子计算机。
接下来
- 研究人员希望这份指南能为寻找优势已有依据的应用指明方向。
- 准备初始态，以及界定哪些系统对经典方法来说是困难的，是尚未解决的挑战。
- 经典方法还会继续改进，这可能缩小甚至抹去某些优势。
一句话总结
量子计算的承诺并不是让一切都变快，而是让少数结构合适的问题被快得多地解决。这份指南给其中24个问题点了名，也提醒我们每一个要付出多大代价。
来源
- The Quantum Insider，“Study Maps 24 Problems Where Quantum Computers Could Gain an Edge”，2026年11月6日，链接。文中引用了一篇未经同行评审的 arXiv 预印本。
- 封面图片：Anita Fors（Chalmers），CC BY-SA 4.0，来自 Wikimedia Commons
编辑：Rodrigo Cornejo。我们如何挑选和核实：谁在写这些笔记。
