数据科学家是否应该关注量子计算-

数据科学家是否应该关注量子计算？

原文：towardsdatascience.com/should-data-scientists-care-about-quantum-computing/

我相信量子炒作已经触及了科技领域的每个人（以及可能之外的人）。有一些夸张的声明，比如“某些公司已经证明量子霸权”，“量子革命已经到来”，或者我最喜欢的，“量子计算机已经到来，它将使传统计算机过时”。我要坦白地告诉你；大多数这些声明都是作为营销夸张而提出的，但我完全确信许多人相信它们是真的。

这里的问题不是这些声明是否准确，而是作为需要跟上科技领域发展动态的机器学习和人工智能专业人士，你是否应该关注量子计算？

因为我是工程师，而不是量子计算研究员，所以我想到写这篇文章，给数据科学领域的每个人一个关于他们应该真正关注量子计算多少的估计。

现在，我明白了一些机器学习和人工智能专业人士是量子爱好者，并且无论他们是否会在日常工作中使用它，都希望了解更多关于量子知识。同时，其他人只是对这个领域感到好奇，并希望能够区分实际的进展和炒作。我写这篇文章的目的是对两个问题给出一个相对详细的回答：数据科学家是否应该关注量子？以及应该关注多少？

在回答之前，我应该强调 2025 年是量子信息科学的年份，因此到处都会有很多炒作；这是作为科技人员或科技爱好者，花点时间去了解这个领域的基础知识，以便你能够明确知道某件事是纯粹的炒作还是有一些事实依据的最佳时机。

既然我们已经设定了节奏，让我们直接进入第一个问题：数据科学家是否应该关注量子计算？

简短的答案是，“一点”。答案是，尽管当前量子计算机的状态并不适合构建现实生活中的应用，但量子计算与数据科学之间没有最小重叠。

也就是说，数据科学可以帮助更快地推进量子技术，一旦我们有了更好的量子计算机，它们将帮助使各种数据科学应用更加高效。

阅读更多：量子计算的状态：我们今天在哪里？

量子计算与数据科学的交汇点

首先，让我们讨论数据科学，特别是人工智能，如何推进量子计算，然后我们将讨论量子计算如何增强数据科学工作流程。

AI 如何帮助推进量子计算？

人工智能可以从多个方面帮助量子计算，从硬件到优化、算法开发以及错误缓解。

在硬件方面，人工智能可以帮助：

• 通过最小化门计数、选择高效的分解以及将电路映射到硬件特定的约束来优化电路。

• 优化控制脉冲以改善真实量子处理器上的门保真度。

• 分析量子比特校准的实验数据以减少噪声并提高性能。

除了硬件之外，人工智能可以帮助改进量子算法的设计和实现，并在错误纠正和缓解方面提供帮助，例如：

• 我们可以使用人工智能来解释量子计算的结果，并为量子机器学习（QML）设计更好的特征映射，这些内容我将在未来的文章中讨论。

• 人工智能可以分析量子系统噪声并预测最可能发生的错误。

• 我们还可以使用不同的 AI 算法通过选择最佳量子比特布局和错误缓解技术来适应有噪声的处理器。

此外，包括三种先进技术在内的最有趣的应用之一是使用人工智能在 HPC（高性能计算，或简称为超级计算机）上高效优化和模拟量子算法和电路。

量子如何优化数据科学工作流程？

好的，现在我们已经讨论了人工智能如何帮助将量子技术提升到下一个层次的一些方法，我们现在可以讨论量子如何帮助优化数据科学工作流程。

在我们深入探讨之前，让我提醒您，量子计算机在优化问题上是非常擅长（或将会擅长）的。基于这一点，我们可以这样说，量子将帮助的一些领域包括：

• 更快地解决复杂的优化任务，如供应链问题。

• 量子计算有潜力以指数级速度处理和分析大量数据集（一旦我们达到具有更低错误率的更好量子计算机）。

• 量子机器学习（QML）算法将导致训练速度更快和模型改进。目前正在开发和测试的 QML 算法示例包括：

• 量子支持向量机（QSVMs）。

• 量子神经网络（QNNs）。

• 量子主成分分析（QPCA）。

我们已经知道量子计算机之所以不同，是因为它们的工作方式。它们将通过解决将算法扩展到处理大数据集的挑战来帮助经典计算机。解决一些 NP 难题和深度学习模型训练中的瓶颈。

好的，首先，感谢您陪我走到这里，阅读这篇文章；现在您可能正在想，“所有这些都很好，很酷，但你还是没有回答为什么我应该作为一个数据科学家关心量子？”

您说得对；为了回答这个问题，让我戴上我的营销帽子！

我现在描述的量子计算方式是来自 20 世纪 70 年代和 80 年代的机器学习和 AI 算法。我们当时有 ML 和 AI 算法，但没有充分利用它们的硬件！

阅读更多：量子比特解释：你需要知道的一切

成为新技术早期贡献者意味着你有机会成为帮助塑造该领域未来的人之一。如今，量子领域需要更多在金融、医疗和科技行业具有量子意识的科学家来推动该领域的发展。到目前为止，物理学家和数学家主导了该领域，但我们现在没有工程师和数据科学家的参与是无法前进的。

有趣的是，从这一点推动该领域的发展并不总是意味着你需要拥有所有量子物理和力学的知识和理解，而是如何利用你已有的知识（即机器学习和人工智能）来推动技术的发展。

最后的思考

任何新技术的关键步骤之一，我愿意称之为“突破前的最后一道难关”。所有新技术在证明其有用性之前都遇到了阻力或难关，其应用才得以爆炸式增长。通常很难确定最后一道难关，作为一个科技行业的人，我完全清楚每天都有多少新事物不断涌现。在所有领域跟上所有技术的新进展在人类层面上是不可能的！这本身就是一份全职工作。

话虽如此，在新技术方面领先于需求总是一个优势。也就是说，在它变得“酷”之前进入一个领域。我绝不是在告诉数据科学家放弃他们的领域而跳上量子炒作的列车，但我希望这篇文章能帮助你决定作为机器学习或人工智能专业人士，你希望参与量子计算的程度。

那么，机器学习和人工智能专业人士应该关心量子吗？只需要足够了解它如何影响/帮助他们的职业发展。