量子计算不太可能取代当今的经典计算——至少在最初不是——而是对特定应用的潜在补充。德勤2021年的一份报告列出了许多可以通过量子计算方法转变的应用程序：蛋白质折叠、流体模拟、信用承保、金融风险分析、供应链优化和预测、车辆路线、欺诈检测、故障分析、天气预报、半导体芯片设计、产品组合优化、消费产品推荐——这只是列表的一半。
量子计算可以使以前难以处理的模拟、搜索和优化计算变得相对容易和快速。对于某些类型的计算，量子计算机可能比强大的经典计算机要快得多。虽然今天运行机器学习系统的经典计算机可以做出令人难以置信的准确预测，但从理论上讲，基于量子的系统在某些与预测相关的任务上可以远远超过它们的速度。
量子计算机背后的物理学、数学和计算机科学的融合令人着迷，但也很复杂。计算机科学家ScottAaronson是最好的科学传播者之一，他最近为Quanta杂志写了一篇文章，题为“为什么量子计算如此难以解释?”
简单地说，量子计算机是围绕“量子位”构建的，量子位是亚原子级组件，通常保持在极低的温度(想想：绝对零)，以最大限度地减少来自宇宙其他部分的干扰。这些组件可以进入一种称为“叠加”的量子物理状态，从某种意义上说，允许它们同时具有许多潜在值。尽管它们的价值不确定，但可以在这些量子位上进行可靠的计算和转换，同时在被降低到更经典的状态之前处于叠加状态，从而有效地并行化计算。量子计算机中的量子位也可以相互纠缠(爱因斯坦将这种现象称为“远距离幽灵般的动作”)，将它们作为一个团队加以利用，以增加可以计算的逻辑计算的多样性。对于某些类型的数学——例如，从无数选项中寻找最佳结果——与在经典计算硬件上运行的算法相比，量子算法似乎几乎是瞬时的。
量子计算挑战
公开可用的量子计算已经出现了几十年，但对于能够广泛采用的产品何时发布，系统将采用何种形式，或者量子计算的影响将有多大和深度，仍然没有可靠的预测。要使广泛适用的量子计算机大规模发挥作用，存在许多技术挑战。量子计算机正在与经典计算机竞争，后者在功能、多功能性和易用性方面也得到了非常迅速的提升。
量子计算机的一个重要瓶颈是，正确读取量子计算的结果很容易出现非常高的错误率——在正确的结果作为输出呈现之前，微妙的叠加态可能会恶化。
亚伦森解释说：
简而言之，问题是退相干，这意味着量子计算机与其环境之间不需要的相互作用——附近的电场、温暖的物体和其他可以记录量子位信息的东西……这个问题唯一已知的解决方案是量子误差更正……但研究人员现在才开始在现实世界中进行这种纠错工作。当您阅读有关50或60个物理量子位的最新实验时，重要的是要了解量子位未经过纠错。在它们出现之前，我们不希望能够扩展到数百个量子位。
一些理论家甚至认为，不可能建造实用的量子计算机，因为“系统中的噪声”本来就很高。数学家GilKalai预测，根据基本计算定理，通过进行纠错以将噪声降低到可用水平，会限制计算机的数字运算能力低到不值得使用。
尽管如此，研究人员仍在继续应对纠错的挑战，并通过关键的技术里程碑。例如，7月，谷歌研究人员在Nature上发表了一篇论文，解释了他们如何找到一种有前途的减少错误的方法，该方法可以随着更多量子位添加到系统中而扩展。
硬件、软件和应用程序景观
量子硬件有几种不同的方法。Rigetti和Oxford QuantumCircuits使用超导量子电路，谷歌、微软和IBM也青睐这种更广泛的方法。IonQ(计划通过SPAC交易上市)和霍尼韦尔(最近宣布将其量子计算单元与英国剑桥量子计算相结合)使用俘获离子。D-Wave使用量子退火，ColdQuanta使用冷原子，Xanadu使用光子学。每种方法都有其优点和缺点，每种硬件技术在达到可承受的规模方面都面临着一系列不断变化的瓶颈。材料层的工作也在继续推进，例如，RaicolCrystals正在开发量子准相位匹配晶体，可用于量子计算、传感、加密和通信等各种应用。并且不确定在解决纠错和价格挑战方面不会有另一种方法可以超越他们。
其他公司，例如Quantum Machines、Q-CTRL和Seeqc，正在构建可以在经典硬件和量子硬件之间运行的控制硬件。控制系统可以存在于高于绝对零但低于室温的温度下。其中一些系统涉及软件和硬件，可以执行诸如监控量子处理器性能、执行纠错或充当连接经典硬件和量子硬件的抽象层等任务。
还有一些公司正在开发量子计算应用层软件，如ZapataComputing、Riverlane或QCWare。这可以包括应用程序框架、组件、算法甚至统包量子计算应用程序。Classiq有用于量子电路合成的软件。在量子计算和人工智能之间的软件交叉点上也发生了许多有趣的基础研究——例如。Zapata最近发表了使用IonQ的离子阱量子系统训练机器学习系统以生成低错误率的高质量手写数字的工作。
数学家PeterShor于1994年提出的量子计算的第一个理论用途之一是破解当今广泛用于保护数据的RSA加密。这一威胁催生了对后量子密码学的研究，研究人员提出了多种新的加密方法，这些方法需要取代当今的算法以保护数据的隐私。ISARA(抗量子加密)和QuantumXchange(带外对称密钥交付平台)等公司的出现帮助政府和公司为现在基于量子的加密破解算法开始工作的世界做好准备打破今天的加密。
有几种广泛使用的软件开发工具包(SDK)，可让开发人员为量子计算机编写软件，而无需实际运行它。事实上，量子计算开发环境之间已经爆发了一种格式战争。
一个广泛使用的量子SDK是IBMQISKit，这是一种基于Python的开源开发工具包，用于在模拟器或IBMQuantumExperience(一种基于云的量子服务)上制作原型软件和设备。埃克森美孚、高盛、波音、摩根大通、三星和PayPal只是IBMQuantum的几个大客户。另一个基于Python的开发工具包GoogleCirq将大众汽车吹捧为用户，大众汽车也是谷歌TensorFlowQuantum的贡献者，这是一个开源库，可将谷歌的TensorFlow机器学习算法扩展到量子处理器以进行快速原型设计。微软的量子开发工具包(QDK)基于微软的Q#编程语言，为微软Azure云服务带来量子兼容性。AzureQuantum的早期客户包括化学模拟的陶氏化学和丰田通商，丰田的贸易部门，开发交通灯优化以减少城市交通拥堵。
在最近的一篇文章中，The Information指出，“亚马逊希望在其亚马逊网络服务云业务中招聘100多名新的量子计算科学家、硬件开发人员和工程师”，因为大量资金流向该领域的初创公司，例如如量子运动、原子计算和PsiQuantum。亚马逊还推出了AmazonBraket，这是一项完全托管的量子计算服务，让客户可以访问来自IonQ、Rigetti和D-Wave等各种供应商的硬件。
也有可能最有价值的量子平台根本不是多功能的水平平台;相反，该空间可以演变为包括专用机器或量子专用集成电路(ASIC)。与经典计算不同的是，这可能意味着量子计算机将是高度专业化的集成硬件和软件机器，专为特定应用程序量身定制，例如流体模拟或欺诈检测。
早期用例可能涉及量子系统作为更大的经典系统的一部分扮演特殊角色，类似于NVIDIA的图形处理单元(GPU)，通常与高级CPU一起运行，可用于卸载GPU擅长的特定计算-适合。在这个模型中，量子组件是经典系统的“加速器”，信用承销商可能会使用量子处理器来处理对申请人进行评分所涉及的任务之一，并可能使用不同的专用量子处理器来执行计算以优化其借款人投资组合。
对于许多用例，计算的错误率仍然太高，开发人员只能在量子模拟平台上磨练他们的编码能力，等待量子计算机开始真正大规模地工作。量子模拟器，例如QMware，让量子软件算法和应用程序相信它们是在实际的量子硬件上运行，但它们实际上是在假装是量子计算机的经典计算机上运行。
与此同时，为了管理一些时间上的不确定性，量子相关的初创公司现在可以与政府、企业和大学买家一起寻求有利可图的项目，作为资金和需求的来源。像一些生物技术初创公司一样，他们可以在组建一支强大的团队并寻找早期采用者客户的同时，通过科学里程碑取得进展，同时关注未来的商业市场。
普遍可用的量子计算机的障碍与替代能源面临的障碍非常相似：释放潜力需要硬件设计的突破、降低制造成本以及推动大规模采用的驱动力。而且很多方法都行不通。
与任何技术一样，当然，软件开发人员可能会发现人们今天还没有想到的量子处理器的有价值的应用程序——正如开发人员发现用于处理图形处理的GPU在训练高度并行化方面也表现出色机器学习模型。
也就是说，广泛有用和有效的量子计算机的到来有可能与互联网的创建或使用机器学习进行预测一样具有破坏性的机会。
