到目前为止，大多数人都听说量子计算是一项革命性的技术，它利用量子力学的奇异特性，比普通计算机更快地解决某些问题。这些问题的范围从数学到零售业，从物理学到金融。如果我们掌握了量子技术，这些好处将提振整个经济，增强国家的竞争力。

量子计算的前景在20世纪80年代首次得到承认，但至今仍未实现。量子计算机极其难以设计、制造和编程。结果，它们被噪声、故障和量子相干性损失等形式的错误所削弱，而这些错误对它们的运行至关重要，但在任何重要的程序有机会运行完成之前就会崩溃。

这种由振动、温度波动、电磁波以及与外界环境的其他相互作用引起的相干性(称为退相干)的丧失，最终会破坏计算机的奇异量子特性。考虑到当前退相干和其他错误的普遍性，当代量子计算机不太可能返回正确的答案，即使程序的执行时间很短。

当竞争的技术和竞争的架构正在攻击这些问题时，没有任何现有的硬件平台能够保持一致性，并提供大规模计算所需的健壮的错误纠正。突破可能还需要几年的时间。

与此同时，最重要的问题是，我们如何从一台在完成典型计算之前就变得非常不可靠的计算机中获得有用的结果？

答案来自多个领域的深入调查，工业界、学术界和国家实验室的研究人员正在寻求各种减少错误的方法。一种方法是根据不同噪声水平下的计算结果来猜测无错误计算的结果。另一种完全不同的方法，混合量子经典算法，在量子计算机上只运行程序中性能最关键的部分，而程序的大部分运行在更健壮的经典计算机上。事实证明，这些策略和其他策略对于处理当今量子计算机的嘈杂环境非常有用。

虽然经典计算机也会受到各种错误来源的影响，但是这些错误可以通过少量的额外存储和逻辑来纠正。量子纠错方案确实存在，但它消耗了大量的量子位元(量子位元)，因此用于实际计算的量子位元相对较少。这将计算任务的大小减少到在无缺陷硬件上运行的很小一部分。

为了正确看待吝啬使用量子位元的重要性，今天最先进的基于门的量子计算机，使用的逻辑门类似于你正在阅读这篇文章的计算机、智能手机或平板电脑中发现的那些构成数字电路的逻辑门，号称只有50个量子位元。这只是你的设备可用的经典位的一小部分，通常是数千亿。

驯服缺陷以完成某事

问题是，量子力学挑战我们的直觉。因此，我们很难找出执行有意义任务的最佳算法。为了帮助克服这些问题，我们在洛斯阿拉莫斯国家实验室的团队正在开发一种方法，来发明和优化算法，使其在有噪声的量子计算机上执行有用的任务。

算法是一组操作列表，这些操作告诉计算机做一些事情，类似于烹饪配方。与经典算法相比，量子算法最好保持尽可能短的时间，而且我们发现，量子算法最适合于给定硬件设备的特定缺陷和噪声情况。这使得算法能够在受约束的时间框架内执行更多的处理步骤，然后退相干将正确结果的可能性降低到几乎为零。

在洛斯阿拉莫斯实验室的量子计算跨学科研究中，由实验室指导的研究和开发项目资助，我们正在寻求使算法有效运行的关键步骤。其主要思想是减少门的数量，以便在退相干和其他错误源有机会不可接受地降低成功的可能性之前完成执行。

我们使用机器学习将量子电路翻译或编译成特定于特定量子计算机的最佳短等效电路。直到最近，我们还在经典计算机上使用机器学习方法来搜索量子程序的简化版本。现在，在最近的一次突破中，我们设计了一种方法，使用现有的量子计算机来编译它们自己的量子算法。这将避免在经典计算机上模拟量子动力学所需的大量计算开销。

由于这种方法产生的算法比现有的算法要短，因此可以减少噪声的影响。这种机器学习方法还可以以特定于算法和硬件平台的方式补偿错误。例如，它可能会发现一个量子位元比另一个量子位元的噪声小，因此算法优先使用更好的量子位元。在这种情况下，机器学习创建一个通用算法来计算计算机上分配的任务，使用最少的计算资源和最少的逻辑门。优化后，算法运行时间更长。

这种方法已经在有限的量子计算机上运行，现在公众可以在云上使用它。它还利用了量子计算机的优势，可以在未来设想的更大的量子计算机上对大型问题扩展算法。

量子算法的新工作将为专家和非专家提供在量子计算机上执行计算的工具。应用程序开发人员可以开始利用量子计算的潜力，使执行速度超过传统计算的极限。这些进步可能会让我们离拥有强大、可靠的大规模量子计算机又近了几步，这些计算机可以解决复杂的现实问题，即使是速度最快的经典计算机也会屈服。