在本文中，石油工程師協會研究與開發技術部門（RDTS）的高拉夫?阿格拉瓦爾（Gaurav Agrawal）和T?S?拉馬克里希南（T.S. Ramakrishnan）與量子計算流體動力學解決方案初創公司 QubitSolve 的馬達瓦?西亞姆拉爾（Madhava Syamlal）就量子計算作為先進計算路線圖一部分的現狀進行了交流。
 
這個系列突出了塑造能源未來的創新理念和分析，重點關注新興技術及其路線圖、潛力和影響力。通過這些對話，希望能激發討論，并加快在新能源前沿領域的進展。
 
庫比特解決公司（QubitSolve）的首席執行官兼創始人馬達瓦?西亞姆拉爾（Madhava Syamlal）曾是美國能源部國家能源技術實驗室的計算科學與工程高級研究員，他因開發了被廣泛應用的多相計算流體動力學軟件MFIX而受到贊譽。他擁有印度瓦拉納西理工學院的化學工程學士學位，以及芝加哥伊利諾伊理工學院的碩士和博士學位。
  
QubitSolve首席執行官兼創始人 Madhava Syamlal
 
何為量子力學？
 
RDTS|: 什么是量子計算？
 
西亞姆拉爾：量子計算基于量子物理學，量子物理學為我們帶來了激光和晶體管，而激光和晶體管是我們常用的手機、電腦和電視等設備的基礎。1985年，牛津大學的大衛?多伊奇描述了一臺量子計算機?，F任職于麻省理工學院的彼得?肖爾在1994年發表了一種在量子計算機上對合成整數進行分解的高效算法。肖爾的算法打破了人們認為對大的合成數進行分解幾乎不可能的觀念，對現代密碼學提出了挑戰。這一突破引發了全球對量子計算的濃厚興趣。
 
RDTS|: 量子計算與傳統計算有何不同？
 
西亞姆拉爾：在傳統計算中，諸如文本或視頻之類的信息是由一系列二進制數字（比特）來表示的，每個比特要么是0，要么是1。計算機通過在僅有的兩種可能狀態（斷開（0）或閉合（1））之間快速切換可編程開關來處理信息。
 
量子比特是與傳統計算中的比特相對應的量子計算單位。與經典比特只能是0或1不同，一個量子比特可以處于一種被稱為疊加態的狀態，即同時處于0和1的狀態。量子比特是通過操控和測量諸如電子、光子或超導電路等量子對象來產生的。
 
一個由N個量子比特組成的系統可以處于由2的N次方種狀態的疊加態，由被稱為振幅的（2的N次方減1）個復數來表示。存儲這些數字會超出超級計算機的存儲容量，即使N低至60也是如此。因此，量子計算僅依賴少量的量子比特就能提供強大的計算能力。
 
然而，量子計算機的運行比傳統計算機更為復雜。與明確的二進制狀態0和1不同，對量子態的測量會產生一種隨機狀態。獲得某一特定狀態的概率由其振幅大小的平方決定，而這種概率可以通過量子干涉來進行操控。
 
最引人入勝的量子現象是量子糾纏，在這種現象中，對一個量子比特的測量會立即改變與之糾纏的所有其他量子比特的狀態。
 
RDTS|: 量子計算和傳統計算在基礎硬件和軟件方面有哪些區別？
 
西亞姆拉爾：與在傳統計算機和存儲設備中用于表示比特的成熟硬件不同，目前有多種用于表示量子比特的技術正在開發中。谷歌和IBM正在研究超導電路，而離子Q（IonQ）和昆騰（Quantinuum）專注于囚禁離子技術。原子計算公司（Atom Computing）和英弗萊克申（Inflexion）正在探索中性原子技術。PsiQuantum和Xanadu公司則在利用光子技術。此外，目前還沒有與傳統硬盤驅動器相當的用于永久存儲量子比特的設備。
 
量子程序是用像Python這樣的經典編程語言編寫的，這些語言會調用像IBM的Qiskit 或谷歌的Cirq這樣的量子庫，或者像微軟的Q#這樣的專用語言。
 
一個顯著的區別在于處理硬件錯誤的方式。在經典計算機中，比特錯誤很容易被檢測到并通過定期存儲機器狀態以及用冗余比特對數據進行編碼來糾正。但在量子計算機中，這些方法是行不通的，因為從物理層面來說，復制一個未知的量子態是不可能的。相反，人們會使用量子糾錯（QEC）協議，而該協議目前仍在開發當中。
 
要實現容錯量子計算機，必須從許多存在噪聲的物理量子比特中制備出穩健的邏輯量子比特。2024年，谷歌取得了量子糾錯（QEC）領域的一個關鍵里程碑，證明了邏輯量子比特的誤差會隨著物理量子比特數量的增加而降低。
 
量子力學的普適應用
 
RDTS|: 量子計算機是否有商業銷售，或者可以通過云端使用呢？
 
西亞姆拉爾：是的，我們已經看到有少量的量子計算機可供使用。2023年，國際商業機器公司（IBM）在克利夫蘭診所安裝了一臺27量子比特的量子計算機。2025年，帕斯卡（Pasqal）公司計劃在沙特阿拉伯沙特阿美公司的一處設施中安裝一臺200量子比特的量子計算機。用戶可以從亞馬遜的Braket平臺、微軟的Azure平臺以及國際商業機器公司的IBM Q平臺購買量子計算時間。
 
在美國，研究人員可以通過能源部的實驗室來使用量子計算機，比如橡樹嶺國家實驗室、勞倫斯伯克利國家實驗室，以及大學里的美國國家科學基金會中心。
 
適用于運行小的量子電路（比如說少于40個量子比特的電路）的模擬器可用于算法開發。IBM的Qiskit包含一個模擬器，可免費下載使用。BlueQubit提供對最多36個量子比特的圖形處理單元（GPU）模擬的訪問權限。
 
RDTS|: 對于研究人員來說，是否有強大的開源社區能讓他們接觸到量子計算呢？
 
西亞姆拉爾：在量子計算領域有幾種可用的開源軟件。在量子開源基金會的網站上，人們可以找到一系列全面的全棧庫、量子模擬器以及量子算法。
 
其中一個被廣泛使用的庫名為Qiskit，它是開源的。開放量子設計公司（簡稱OQD）最近推出了世界上第一臺開源的全棧囚禁離子量子計算機，這一項目得到了Xanadu公司、滑鐵盧大學、酉矩陣基金會（Unitary Foundation）以及海曲（Haiqu）的支持。這一舉措使得全球的研究人員和開發人員能夠為一個共享的量子生態系統做出貢獻，并從中受益。
 
RDTS|: 量子計算是否非常適合某些特定類型的應用呢？
 
西亞姆拉爾：任何可以在傳統計算機上運行的算法也可以在量子計算機上運行，但通常效率不高。量子計算最適合處理 “小數據、大計算量的問題”。之所以更傾向于小數據集，是因為從量子計算機中加載和讀取數據的速度很慢。此外，量子門操作也很緩慢。只有通過利用量子疊加、干涉和糾纏來減少算法所需的步驟，才能體現出量子計算的優勢。
 
各行業主要關注三個應用領域：模擬、優化和機器學習。量子計算機能夠處理傳統方法難以解決的化學問題，這有助于從原子層面設計新藥物或新材料。像格羅弗搜索算法這樣的量子算法，可以在非結構化搜索方面實現二次加速，有助于在金融、物流和能源領域找到最優解決方案。利用量子計算機來表示傳統方法難以模擬的復雜數據結構的能力，或許能催生創新的機器學習算法。
 
量子力學在油氣領域實現更準確預測
 
RDTS|: 你預見到在石油和天然氣行業會有哪些潛在的應用呢？
 
西亞姆拉爾：石油和天然氣行業一直面臨著需要先進計算解決方案的具有挑戰性的應用。該行業處理大量地震數據的需求推動了超級計算機的發展和應用。同樣地，量子計算有潛力通過實現對地下地質的高度復雜模擬、對油藏流體的分子建模以及對開采過程的優化，對石油和天然氣領域產生重大影響。這些應用能夠在石油和天然氣資源的勘探、開發和生產方面實現更準確的預測，并改善決策制定，具體內容總結在表1中。
 
 
RDTS|: 油藏工程以及巖石物理反演/測井解釋依賴于帶狀線性求解器。你認為在這方面量子計算有潛力嗎？
 
西亞姆拉爾：哈羅-哈西迪姆-勞埃德（HHL）算法是一種已被證明能實現加速計算的量子算法，它被設計用于求解線性方程組。與最快的經典算法相比，該算法能夠實現指數級的加速。然而，它存在一些會影響其性能的局限性。
 
首先，所涉及的矩陣必須是稀疏且條件良好的。其次，右側向量必須易于加載到量子計算機上。第三，HHL算法的輸出是一個表示解向量的量子態，這使得恢復整個解的效率較低。
 
如果所期望的輸出僅僅是解中巨大數值的位置，或者是解與另一個向量的內積的值，那么這種限制可能并不重要。
 
此外，哈羅-哈西迪姆-勞埃德（HHL）算法需要一臺容錯量子計算機，而目前這種計算機尚未問世。與此同時，像變分量子線性求解器（VQLS）這樣的替代算法正在研發中，以便能在目前可使用的量子計算機上運行。然而，變分量子線性求解器（VQLS）是一種啟發式算法，其加速效果只能通過經驗來驗證，而無法得到理論證明。變分量子線性求解器（VQLS）可能對某些類型的問題有益。
 
RDTS|: 我們可以做些什么來提高上游行業對量子計算的認知呢？
 
西亞姆拉爾：對于石油和天然氣行業來說，現在是探索量子計算潛在應用并影響量子計算發展的理想時機。石油工程師協會可以在這方面發揮重要作用，比如舉辦研討會，以及通過與量子經濟發展聯盟等組織合作，加強與更廣泛的量子計算領域的互動。
 
石油工程師協會也可以組織計算方面的挑戰，就像空中客車公司和寶馬集團所做的那樣，旨在改進飛機和汽車的設計、制造以及運營。
 
交通運輸行業正在應用量子計算來理解各種不同的應用，比如材料的能量吸收，與經典計算相結合以最小化飛機噪音并最大化空氣動力學效率，減少二氧化碳排放，利用有限的白天數據來模擬真實的夜間條件，以及提高自主系統的可靠性。
 
量子力學的未來
 
RDTS|: 量子計算對人工智能（AI）有很大影響嗎？
 
西亞姆拉爾：量子機器學習是一個活躍的研究領域。許多機構都參與其中，并且每年都有相關論文發表。該領域有專門的會議，例如阿斯彭物理中心舉辦的“人工智能+量子” 會議，以及量子人工智能與優化會議。昆騰公司最近宣布了一個生成式量子人工智能框架，該框架旨在利用量子生成的數據來解決目前用經典方法難以解決的問題。
 
人們越來越樂觀地認為，通過人工智能與量子技術的協同作用，可以解決人工智能領域的重大挑戰。然而，目前仍處于早期階段。在評估量子機器學習的有效性之前，我們必須展示實際的演示成果。
 
RDTS|: 是否存在傳統計算不太可能被量子計算取代的應用呢？
 
西亞姆拉爾：傳統計算和量子計算將共同存在。
 
對于許多問題，經典計算的速度比量子計算快。例如，在實現肖爾算法時，量子計算僅用于解決周期查找問題，這對經典計算機來說是一項具有挑戰性的任務，而算法中的所有其他步驟都由經典計算來完成。此外，量子程序的編譯也是使用經典計算機來進行的。
未來，量子處理單元（QPUs）很可能會像現代超級計算機使用圖形處理單元（GPUs）配合中央處理單元（CPUs）那樣，作為協處理器發揮作用。例如，國際商業機器公司（IBM）、微軟公司以及原子計算公司已宣布了以這種方式開發量子超級計算機的計劃。
 
RDTS|: 在這個領域，有哪些可用于進一步學習的資源呢？
 
西亞姆拉爾：現在有越來越多的資源和參考資料可供使用，這些資源來自一些公司、麻省理工學院的在線課程、尼爾森和莊（Nielsen and Chuang）以及 N?大衛?默明（N. David Mermin）所著的一些具有開創性的書籍，還有各種相關博客。
 
開發量子算法可不僅僅是像為圖形處理單元（GPU）適配中央處理器（CPU）代碼那樣，把經典算法轉換成另一種編程語言。相反，它需要利用量子門和測量操作對算法進行徹底的重新設計，而這有可能帶來具有開創性的應用。