类比电脑的兴起，任何人都能使用量子计算机的时代正在到来

计算机曾经被认为是高端技术，只有科学家和训练有素的专业人员才能使用。但在20世纪70年代后半期，计算机发生了巨大的变化，这种变化不仅仅是机器变得更小，也更强大。同时也改变了计算机的使用，每个人都可以在家中使用它们。

今天，量子计算还处于起步阶段，量子计算包含了20世纪物理学中一些最令人费解的概念。在美国，谷歌、IBM和NASA正在试验和构建第一台量子计算机。中国也在量子技术方面投入巨资。

笔者《量子计算为每个人》的书在3月已经发布，作者相信量子计算也会有相似的转变。并且，这种转变将比大多数人所意识到的改变更快。

个人电脑的兴起

第一台现代计算机诞生于20世纪50年代。它们体积很大，经常不太稳定，如果按照今天的标准，它并不强大。它们是为解决重要问题而设计出来的，例如开发第一个氢弹。人们普遍认为，这是计算机所擅长的事情，但世界不需许多计算机。

当然，这种观点被证明是完全错误的。

1964年，John Kemeny和Thomas Kurtz 编写了BASIC语言。他们的目标是设计一种易于学习的简单编程语言，使任何人都能编程。最终，编程不再仅限于训练有素的科学家，现在任何人都可以学习编程。当20世纪70年代后期第一台家用电脑出现时，计算的转变仍在继续。爱好者现在可以购买自己的电脑并在家里编程。父母和孩子可以一起学习。这些最先诞生计算机不是很强大，可以用它们做的事情也数量有限，但大家的热情非常高。

在BASIC中编程。图片来源：David Firth / Wikimedia

当人们使用自己的电脑时，自然地意识到他们需要更高性能和更多功能。微软和苹果的创始人都看到了家用电脑前景光明。

几乎每个美国人现在都拥有一台笔记本电脑，平板电脑或智能手机，或拥有三个。他们在互联网上花费很多时间，包括社交媒体，网上购物和搜索。

这些活动在20世纪50年代都不存在，当时没有人知道他们想要或需要他们。这是一种新工具，计算机促成了它们的发展。

进入量子

经典计算，即现在为计算机提供动力的计算类型，与人类的计算方式类似。它将所有计算都分解为二进制的数字0和1。现在，我们的计算机使用比特（二进制位数），因为它们易于控制，使其处于开启或关闭位置。

量子计算则基于宇宙的计算方式，它包含了所有经典计算，但也包含了一些来自量子物理学的新概念。

量子计算不是经典计算的比特，而是具有量子比特。然而，量子计算的结果与经典计算的结果完全相同：多比特。

不同之处在于，在计算过程中，计算机可以通过比特以更多方式操纵量子比特。它可以将量子比特置于状态的叠加中并使它们纠缠在一起。

量子叠加和量子纠缠都是大多数人不熟悉的量子力学概念。叠加大致意味着量子位可以是0和1的混合。纠缠表示量子位之间的相关性。当测量一对纠缠量子位中的一个时，它会立即显示你测量其伙伴时将获得的值。这就是爱因斯坦所说的“远距离的幽灵行动”。

完整描述量子力学所需的数学知识令人生畏，而这些是设计和构建量子计算机所必需的。但是，理解量子计算和开始设计量子电路所需的数学知识要少得多，高中代数是唯一的要求。

人人使用量子计算

量子计算机才刚刚开始建造，它们是大型机器，有些不可靠，也还不特别强大。

他们将用于做什么？量子计算在密码学中具有重要的应用。1994年，麻省理工学院的数学家Peter Shor表示，如果能够建造量子计算机，他们就能够破解当前互联网加密方法。这促使构建了可以应对量子攻击的数据加密新方法，开启了后量子加密时代。

看起来量子计算可能会对化学产生巨大影响。经典计算机难以模拟某些反应，化学家们希望量子计算机能够有效地模拟这些量子现象。

我认为推测未来50年大多数人将使用量子计算机做什么意义不大。当量子计算成为任何人都可以在自己家中使用的东西时，可能会更有意义。

答案是这已经成为可能了。2016年，IBM在云中添加了一台小型量子计算机。任何有互联网连接的人都可以在这台计算机上设计和运行自己的量子电路。量子电路是执行量子计算的一系列基本步骤。

IBM的量子计算机不仅可以免费使用，而且这种量子计算机具有简单的图形界面。它是一台小型，不是非常强大的机器，就像第一台家用电脑一样，但爱好者可以开始尝试。这种转变已经开始。

人类正在进入一个直接学习和实验量子计算的时代。与第一台家用电脑一样，可能还不清楚量子计算机是否存在需要解决的问题，但随着人们的使用，我认为人们会发现他们需要更多高性能和更多功能。这将为我们尚未想象的新应用开辟道路。 雷锋网 (公众号：雷锋网)

本文作者Chris Bernhardt是《量子计算为每个人》的作者，也是费尔菲尔德大学数学教授。 雷锋网

雷锋网编译，via singularityhub

相关文章：

频频引发关注的量子计算和类脑芯片，何时能达预期？

“量子体积”概念到底是什么？不如称为“量子密度”更为贴切

IBM ：实现机器学习的「量子优势」还任重道远，但在特征映射方面的努力将见成效

。