Nature:不要相信炒作 — 量子技术还不能解决现实世界的问题

360影视 日韩动漫 2025-04-17 11:31 3

摘要:在我从事量子科学的整个职业生涯中,我注意到了一个令人担忧的模式。大型科技公司宣布重大突破,并筹集了大量投资者资金。但其中一些进展在几个月、几周甚至几天内就受到了质疑。而且,在某些情况下,已发表的具有里程碑意义的论文后来从科学期刊上撤下。

在我从事量子科学的整个职业生涯中,我注意到了一个令人担忧的模式。大型科技公司宣布重大突破,并筹集了大量投资者资金。但其中一些进展在几个月、几周甚至几天内就受到了质疑。而且,在某些情况下,已发表的具有里程碑意义的论文后来从科学期刊上撤下。

当我在 2017 年进入量子计算领域时,我研究了 Microsoft 倡导的框架。这种方法旨在使用奇异的马约拉纳量子比特(量子比特)——尚未在实验室中检测到的理论粒子——作为强大的信息载体。但是,在 2021 年,《自然》杂志上一篇提出发现这些量子比特的里程碑式的论文被撤回(H. Zhang 等人。自然556, 74–79 (2018);收回 591, E30;2021)。这对该领域来说是一个巨大的挫折,我为我的硕士论文选择了另一个主题。上个月,Microsoft 宣布了他们基于 Majorana 量子比特的最新芯片 Majorana 1。然而,对其公告中断言的挑战已经萌芽。

我见过许多其他引人注目的公告被撤下,从量子比特穿过量子计算机中模拟的“蠕虫洞”,到暗示与活微生物纠缠。去年 12 月爆发了一场争论,争论的焦点是谷歌的 Willow 芯片实现的计算速度——它解决一项没有实际应用的任务的速度比超级计算机快得多——是否“为量子计算发生在许多平行宇宙中的观点提供了可信度”,正如谷歌位于加利福尼亚州山景城的量子团队负责人哈特穆特·内文 (Hartmut Neven) 在一篇博文中断言的那样(见 go.nature.com/4crvka6)。

与量子技术突破的公告相关的潜在金额是巨大的。在 Willow 芯片推出后的 24 小时内,谷歌母公司 Alphabet 的股价上涨了约 5%,使其两家最大的机构投资者 Vanguard 和 BlackRock 持有的股票总价值增加了 150 亿美元以上。

但投资者、政策制定者和公众可能很难了解量子技术的现状。这种设备被吹捧为凭借其强大的计算能力、快速安全的数据传输以及高精度的测量和传感,有可能颠覆众多行业,但很少有人意识到量子技术还需要多少时间才能成熟。这种过度炒作的文化必须受到挑战。

例如,该技术可以通过加快材料和药物发现的步伐,为社会带来巨大的好处。然而,如果投资者在我们处理炒作之前对量子的承诺失去信心,我们将看不到这样的未来。为了兑现其承诺,量子需要稳定、可持续和合乎道德的投资。这就是为什么我在 2021 年创立了量子伦理项目,这是一家咨询公司,通过现场活动和在线平台 Discord 建立了世界上最大的负责任创新和量子技术社会经济影响专家网络之一。

为了为此类技术制定可持续的发展路线,研究人员、机构、公司和政府必须在两个方面采取行动。

首先,揭开量子领域的神秘面纱。当很少有人足够了解这项技术以区分事实和虚构时,炒作就会蓬勃发展。我的部分工作是支持科学家和工程师成为更好的沟通者。2024 年,我在 DEF CON 组织了一个量子教育区,这是世界上最大的黑客和网络安全会议之一,每年在内华达州拉斯维加斯举行。我和其他量子专业人士坐在一个标牌前,上面写着:“问我关于量子的任何事情!我们挑战自己,使用最简单的术语提供答案,并鼓励参与者在感到困惑时打断我们。

教育、外展和科学传播必须嵌入量子行业专业人士和研究人员的角色和期望中。为了实现这一目标,机构需要为其员工分配资金和时间,作为其工作周的正常部分。参与教育和外展计划可以通过奖金来激励,并在评估和绩效指标中得到奖励。

其次,以对潜在客户有意义的方式清楚地说明新的量子芯片可以做什么。企业可能只想使用量子计算机来优化其物流,例如,通过求解涉及数百万个变量的数百万个方程。但目前的性能指标并不能告诉我们量子计算机解决此类实际问题的实际能力。它们列出了单个量子比特可以保持量子状态的时间量(称为相干时间),或非常长的计算中单个步骤的准确性 — 这些统计数据对大多数人来说意义不大。

企业希望了解使用量子芯片而不是传统超级计算机的实际价值。特定量子芯片可以解决的最大方程组和变量系统是什么?它在尺寸和成本上与高性能经典计算的行业标准相比如何?目前,没有量子芯片可以解决现实世界的问题。

通过让彼此遵守高评价标准,通过创造一种可访问的科学交流文化,并通过指出企业的过度炒作,我们可以开始负责任地开发和投资量子技术。

自然640, 572 (2025)

doi: https://doi.org/10.1038/d41586-025-01142-8

来源:人工智能学家

相关推荐