软银和Quantinuum白皮书绘制了通往商业量子计算的实用路径

一份新的软银和Quantinuum白皮书，量子计算前沿[证券股票价格标签符号=”QUBT”交易所=”纳斯达克”]，试图回答行业中最重要和最持久的问题之一：何时量子计算机将对商业相关工作有用？与其将“量子优势”视为单一突破时刻，这项65页的研究将特定工作负载与Quantinuum的硬件连续几代进行映射。其分析重点关注两个领域，这两个领域已经被软银研究：用于材料和能源应用的量子化学，以及用于图形问题（例如电信欺诈检测）的拓扑数据分析。结果不仅仅是预测量子计算何时突然改变行业，而是一个分阶段的框架，展示了如何随着量子比特质量、错误纠正和系统规模的提高，扩展有用的工作负载。

超越量子比特计数

量子计算路线图通常通过硬件指标（如物理量子比特、门保真度或量子体积）来呈现。这些指标很重要，但它们不一定告诉制造商、制药公司或电信运营商这台机器能完成什么。

软银和Quantinuum采取了更为应用中心的方法。该论文首先提出代表性的工业问题，估计了所需的逻辑量子比特、门计数、电路深度和错误率，然后将这些需求与Quantinuum计划的硬件版本进行比较。

该方法包括显式电路构造和在现有硬件或模拟器上执行。这样做的目的是在理论上有前途的算法和可以在现实约束条件下实现的程序之间缩小差距。

该论文的核心论点是，量子能力将作为一个扩展的包络来发展。小型演示成为试点工作负载，试点工作负载推进到应用相关计算，一些计算最终成为集成的工业服务。因此，商业有用性预计将在不同时间为不同问题到来，而不是在某个特定量子比特阈值被越过时突然出现。

量子化学仍然是一个高价值目标

量子化学被广泛认为是量子计算最自然的应用之一，因为分子行为本身受量子力学的支配。随着分子系统变得更加复杂，准确建模其电子结构可能对经典计算机来说非常具有挑战性。

白皮书专注于激发态和光化学反应。这些现象影响分子如何吸收光、改变形状、传递能量和随时间降解。更好地建模这些现象可以支持设计光响应材料、分子开关、能源技术、智能窗口、增强现实显示、光网络设备和其他先进产品。

光开关材料为论文提供了主要示例。其有效性取决于电子转换，这决定了吸收的能量是否产生预期的分子变化或通过不需要的反应丢失。经典方法在处理多个电子态密切相互作用或研究人员需要模拟现实化学环境时可能会遇到困难。

量子计算机最终可以帮助研究人员模拟更多此类行为，然后合成物理材料。与其依赖于实验室的试验和错误，公司可以使用更高质量的模拟来筛选候选分子，更早地拒绝弱设计，并将资源集中在最有前途的材料上。

这是一个在经济上具有重要意义的目标，但该论文并没有将其呈现为近期的生产能力。第一阶段涉及小分子概念验证、错误纠正电路实验和有限模拟。对大系统进行化学精确建模仍然与更先进的容错硬件相关联。

错误纠正仍然是决定性约束

量子化学工作还对技术的现状提供了一个有用的现实检查。

该研究使用基于相位估计的技术，包括一种用于测量分子能量态之间差异的方法。它结合了Steane错误纠正码，该码将一个逻辑量子比特编码为七个物理量子比特，适合早期容错实验。

研究人员不是检查错误纠正是否改善了单个门或延长了量子比特的寿命，而是评估了算法启发的电路中的错误纠正。这种测试更具挑战性，因为错误会随着程序的增长和需要更多操作而积累。

使用Quantinuum的H2和Helios环境的结果表明，错误纠正可以在更大的电路深度上变得有益。然而，编码实现仍然不超过理想化的非编码逻辑电路。内存错误、空闲时间、编码开销和非Clifford操作的成本仍然是重要的障碍。

这种区别很重要。错误纠正在组件级别上已经取得了进展，但执行具有净优势的长应用相关算法仍然具有挑战性。因此，该研究将当前实验定位为容错计算的准备，而不是证明大规模量子化学已经到来。

从Helios到容错Lumos系统

路线图遵循Quantinuum硬件的四个世代：Helios、Sol、Apollo和Lumos。

Helios代表当前阶段。对于化学，论文将其与涉及大约50个自旋轨道的物理级实验以及涉及大约10个自旋轨道的较小逻辑演示相关联。预期的使用主要是技术验证和小分子激发态概念验证。

Sol，计划于2027年推出，被呈现为初始扩展阶段。路线图预计会有更大的物理实验和早期逻辑稳定，但逻辑化学工作负载仍然较小。潜在的商业相关性集中在有限的激发态应用和制药及材料公司的研究效率增益上。

Apollo，计划于2029年推出，标志着一个更重要的转变。根据论文的假设，逻辑计算可以扩展到大约100个自旋轨道，支持中等规模的材料建模和更有意义的激发态计算。这是路线图开始将技术与可量化的研发成本降低联系起来的阶段。

Lumos，计划在2030年代作为大规模容错系统，代表了最雄心勃勃的阶段。该论文将其与超过100个逻辑自旋轨道、化学精度和可扩展的材料发现工作流相关联。

这些里程碑并不是对特定应用将在这些日期上商业化的承诺。作者将路线图描述为一个假设驱动的包络，受到物理错误率、逻辑编码开销、门合成和实现的硬件性能的不确定性影响。

欺诈检测可能提供更早的商业路径

该论文的第二个领域，拓扑数据分析，可能会走一条更短的商业化道路。

拓扑数据分析研究复杂数据集的结构或“形状”。在图形环境中，它可以识别涉及连接性、循环、集群和可能难以通过传统统计方法检测到的更高维关系的模式。

软银和Quantinuum研究了这些技术是否可以改进电信欺诈检测。电话、消息、账户关系和财务转账可以表示为网络，使用图形神经网络来识别可疑节点或活动。

然而，欺诈者故意试图模仿普通用户。他们可能将活动分散在多个账户上，使用间接转账路径，或在多个参与者之间分割收集、转发和提现功能。这些策略可以躲避专注于本地指标（如账户关联的连接数）的系统。

研究人员通过称为拉普拉斯矩的特征增强了图神经网络。这些特征旨在捕获纯粹局部统计量和高度全局拓扑测量之间的结构信息。在电信欺诈基准测试中，添加拉普拉斯矩会产生适度的改进，遍及召回、F1评分和其他分类指标。召回改进在研究的测试运行中具有统计意义。

该论文将这种改进转化为一个示例性的经济场景。它引用了2023年估计的全球电信欺诈损失为3895亿美元，并评估了该损失池中的100亿美元。以0.9的固定精度，召回改进将对应于大约2.2亿美元的潜在年度损失减少。

该数字不应被解释为预测。它假设在基准数据集上观察到的模型改进将按比例转化为防止现实世界损失。实际部署还将涉及数据质量、集成、假阳性、不断变化的欺诈策略和人工调查流程。

更重要的是，该实验并没有证明量子优势。数据集足够稀疏，以至于相关特征可以经典地计算，并且包含的高阶结构太少，无法测试该技术最计算密集的形式。

然而，该结果仍然相关，因为相同的分析方法今天可以使用经典的高性能计算来实现，而如果未来的图形大小或结构复杂性超过经典限制，则可以扩展到量子执行。

混合量子和人工智能基础设施的路线图

软银和Quantinuum将两个应用领域置于“量子人工智能数据中心”的更广泛愿景中。在这种模型中，量子处理单元不会取代图形处理单元、中央处理单元或超级计算机。它们将作为专用加速器在混合基础设施中运行。

经典系统将继续处理数据准备、机器学习、编排和后处理。量子处理器将被分配到工作流中精心选择的部分，在那里量子算法提供了有意义的计算优势。

对于欺诈检测，这可能涉及量子处理器生成难以获取的结构特征，然后将这些特征传递给在经典人工智能基础设施上运行的图神经网络。在材料研究中，量子计算机可以执行选定的电子结构计算，而经典高性能计算系统管理更广泛的模拟和优化管道。

这种混合架构在商业上比期望企业替换现有的计算环境更为现实。它允许组织通过云服务、数据中心加速器和应用程序特定工作流逐渐集成量子能力。

软银和Quantinuum自2025年宣布合作以来，一直在研究潜在的量子计算业务模式。白皮书旨在为这项工作提供信息，包括可能开发未来的量子人工智能基础设施和服务。

企业不需要等待Lumos

该论文最实用的结论之一是，公司不应等待完全容错系统的到来才开始应用研究。

构建一个商业上有用的量子工作流需要的不仅仅是对硬件的访问。组织需要合适的数据集、领域专业知识、基准问题、经典基线、专用算法以及与现有的人工智能和高性能计算系统的集成。开发这些能力可能需要数年时间。

近期的实验可以在量子硬件尚未超越经典替代品时创造价值。公司可以确定哪些内部问题是合适的，计算资源要求，开发混合工作流，并建立最终将确定量子执行是否提供优势的衡量标准。

欺诈检测示例特别好地说明了这种策略。软银可以通过经典计算探索改进的图形特征，同时研究更高阶版本的这些特征是否可能成为未来的量子加速候选者。

对于企业领导者来说，这种方法取代了模糊的“准备好量子”的指示，转而提出一个更有用的问题：哪些工作负载可能受益，哪些硬件将需要，以及在硬件到来之前可以开始哪些准备工作？

最终，软银和Quantinuum白皮书最有价值的方面不是因为它声称知道商业量子优势的确切日期，而是因为它拒绝将这种优势视为单一事件。通过将具体工作负载与Helios、Sol、Apollo和Lumos联系起来，白皮书将量子采用呈现为技术验证、工作流开发和扩展经济相关性的渐进过程。其时间表仍然不确定，但其应用优先框架为组织提供了一个更可信的方式来决定何时、在哪里以及为什么使用量子计算可能是值得使用的。