📢 转载信息
原文链接：https://www.sciencedaily.com/releases/2026/04/260417224455.htm
原文作者：University College London
由伦敦大学学院（UCL）研究人员领导的一项最新研究表明，将量子计算与人工智能相结合，可以显著提高在长时间跨度下对复杂物理系统的预测能力。这种混合方法在性能上超越了仅依赖传统计算机的主流模型。
该研究结果已发表在《科学进展》（Science Advances）期刊上。这种方法能够增强对液体和气体行为的模拟，即所谓的流体动力学。这些模型在气候科学、交通运输、医学以及能源生产等领域至关重要。
为什么量子计算能带来改变
预测精度的提升主要源于量子计算机处理信息的方式。与使用0或1作为比特的传统计算机不同，量子计算机使用量子位（qubit），它们可以同时处于1、0或两者之间的状态。此外，每个量子位都能影响其他量子位，使得较少数量的量子位就能表示海量的可能状态。
来自UCL化学系及高级研究计算中心的资深作者 Peter Coveney 教授解释道：“为了对复杂系统进行预测，我们以前要么运行完整的模拟（这可能需要数周时间，往往效率太低），要么使用AI模型（速度更快但长期预测不可靠）。而我们提出的‘量子增强AI’模型能够让我们快速提供更准确的预测。”
混合量子-AI方法的运作机制
尽管人们普遍预期量子计算机在算力上将超越经典机器，但其实际应用一直受限。这项新方法将量子计算整合到了AI训练过程的特定阶段。通常，AI模型通过大规模数据集学习，而在此方案中，数据首先由量子计算机处理，从而识别出随时间保持稳定的关键统计模式。这些被称为“不变统计属性”的模式，随后被用于指导在传统超级计算机上运行的AI模型训练。
更高精度，更少内存
与未使用量子衍生模式的标准AI模型相比，量子增强AI系统提供了约20%的精度提升。即使在模拟混沌系统时，它也能保持更长时间的稳定预测。此外，该方法的内存需求减少了数百倍，使其在大规模模拟中更具实用价值。
实用化进程
该研究的第一作者 Maida Wang 表示：“我们的新方法似乎以一种实用的方式展示了‘量子优势’。接下来的步骤是利用更大的数据集进行扩展，并将其应用于通常具有更高复杂性的现实场景中。”
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区