量子计算：突破现实边界
量子计算在分子模拟中的应用
量子计算的强大力量在分子模拟领域体现得尤为明显。随着粒子数量的增加，它们之间的相互作用变得极其复杂，呈指数级增长。而且，量子力学中那些奇特的定律，使得计算分子内电子的分布变得困难重重。
以下是该领域目前的一些实验情况：
| 年份 | 公司 | 实验内容 |
| ---- | ---- | ---- |
| 2016 | Google | 加利福尼亚州威尼斯的量子计算实验室的研究人员使用3个量子比特计算了氢分子的最低能量电子排列。 |
| 2017 | IBM | IBM开发了一种交互式算法来计算特定分子的基态。科学家们使用多达6个超导量子比特，通过将每个分子的电子排列编码到量子计算机中，并将分子推向基态，然后测量并将其编码到传统计算机中，以此来分析氢、氢化锂和氢化铍。 |
总体而言，分子建模虽然起步规模较小，但对于化学和制药公司来说，未来前景十分光明。分子模拟有望成为量子计算的一个关键应用领域。
深度学习中的量子计算优势
传统的深度学习问题主要分为三类：模拟、优化和采样。前面已经提到量子计算机在模拟方面，特别是在分子和原子层面的模拟表现出色。那么在优化问题上呢？
一些优化问题在传统硬件上难以解决，因为解决这些问题需要处理大量相互作用的变量。例如蛋白质折叠、航天器飞行模拟等问题。量子计算机可以使用随机梯度下降技术高效地处理优化问题。随机梯度下降是一种在大量可能的解决方案中寻找最优解的技术，类似于在起伏的地形中找到最低点。
实际上，加拿大的D-Wave公司已经开始销售专门设计用于使用随机梯度下降和其他技术解决优
