据多支研究团队的最新突破，量子计算已达到一个关键节点，正在为人工智能应用带来实用性优势。
来自维也纳大学及其合作伙伴的团队证明，小规模量子计算机在特定机器学习任务上已可超越传统系统。研究人员利用光子量子处理器，展示了量子增强算法在数据分类准确率上优于传统方法。该实验成果已发表在《自然·光子学》杂志，所用量子电路由米兰理工大学搭建，运行了Quantinuum研究人员最初提出的机器学习算法。
“这在未来可能至关重要，因为机器学习算法的能耗需求日益高涨，已变得难以承受。”论文合著者Iris Agresti指出。与传统计算技术相比，光子量子平台在速度、准确性和能效方面均展现出优势，尤其适用于基于核函数的机器学习应用。
与此同时，来自查尔姆斯理工大学、米兰大学、格拉纳达大学和东京大学的跨国团队开发出一种新算法，使普通计算机能够忠实模拟容错量子电路。这一创新攻克了长期难以模拟、却对构建稳定可扩展量子计算机至关重要的Gottesman-Kitaev-Preskill（GKP）玻色码。
此外，南加州大学和约翰斯·霍普金斯大学的研究人员实现了量子计算领域被誉为“圣杯”的目标：利用IBM 127比特Eagle处理器实现了无条件的指数级加速。团队在经典的“猜图案”难题上展示了这一优势，无需任何前提假设，证明量子机器能够超越最强大的传统计算机。他们结合了纠错技术和IBM强大的量子硬件，达成了这一里程碑。
这些进展表明，量子计算正从理论承诺迈向实际应用。随着IBM持续推进其2025年实现4000+比特系统的宏伟路线图，以及研究人员在机器学习、半导体制造等领域不断展示量子优势，这项技术有望在多个行业带来变革性能力。