量子计算机在解决某些计算方面超过了普通计算机，遗憾的是，这些计算机并没有实际的用途，下一个里程碑要做的是能够让量子计算机做实际有用的事情。科学家的研究现在表明，他们可以使用初始的、但功能良好的量子计算机来解决实际物流的一部分问题。
近年来，人们对构建量子计算机的兴趣激增，世界许多地方都在积极地开展。2019年，谷歌的量子计算机比世界上最好的超级计算机更快地计算，取得了重大突破。
缺点是解决的任务没有任何实际用途。之所以选择该任务是因为它被认为对于量子计算机来说很容易解决，而对于传统计算机却很难。因此，现在的重要任务是找到有用的相关途径，这些途径是普通计算机无法解决的，但是相对于目前的量子计算机可以解决。
查尔默斯理工大学量子计算机的负责人之一，理论物理学家朱利娅·费里尼（Giulia Ferrini）说：“我们希望确保我们正在开发的量子计算机能够早日解决相关问题。因此，我们与工业公司密切合作。
”项目于2018年开始。
最近表明，量子计算机可以解决航空业中一个实际问题的实例。
所有航空公司都面临着航班安排问题。
例如，将单独的飞机分配给不同的路线代表了一个优化问题，随着路线和飞机数量的增加，优化问题的规模和复杂性会迅速增加。
研究人员希望，量子计算机最终将比今天的计算机更好地处理此类问题。
量子计算机的基本组成部分——量子位基于与常规计算机的位完全不同的原理，从而使它们能够以相对较少的量子位来处理大量信息。
然而，由于其结构和功能，量子计算机与常规计算机具有不同的编程要求。一种被认为在早期量子计算机上有用的提议算法是所谓的量子近似优化算法，英语：quantum approximate optimization algorithm，缩写：QAOA，该算法是用于解决优化问题的量子算法。数学优化处理从一组可能的解决方案中根据某些标准找到一个问题的最佳解决方案。
通常，优化问题被表述为最小化问题，其中，人们试图根据解决方案最小化误差：最优解决方案具有最小误差。
研究小组在其具有两个量子位的处理器的量子计算机上成功执行了该算法，并证明该算法可以成功解决将飞机分配给航线的问题。在第一个演示中，由于规模很小，仅涉及两架飞机，因此可以轻松验证结果。
处理许多飞机的潜力
研究人员首先证明了量子近似优化算法可以解决实际中将飞机分配给路线的问题。他们还设法使算法比以前更进一步运行，这一成就需要非常好的硬件和精确的控制。
研究人员表示，“我们已经证明我们有能力将相关问题映射到我们的量子处理器上。我们仍然有少量的量子比特，但是它们运行良好。我们的计划是首先在缩放之前使所有组件在很小的范围内都能很好地运行。 ”
研究小组模拟了解决多达278架飞机的相同优化问题的方法，这将需要一台具有25量子位的量子计算机。“随着规模的扩大，结果仍然很好。这表明量子近似优化算法算法有可能在更大的规模上解决这类问题。”
参考：Applying the Quantum Approximate Optimization Algorithm to the Tail-Assignment Problem,Physical Review Applied(2020).DOI: 10.1103/PhysRevApplied.14.034009
#量子计算机问世#