量子計算機對計算機科研的影響？

01-19

比如研究傳統演算法的科研還有必要嗎？因為量子計算機大大提高速度，並且有更實用的演算法了(O(n) 的量子猴排之類的)
同樣因此，網路安全，密碼學，自動驗證方面是否有重大改變？
機器學習方面資源大大提升是否是更有前途的？計算生物學，神經科學，視覺，等等應用類的也類似？
軟體開發可能影響小些？會有新的編程語言出來吧？
邏輯學這種最基礎的不會受影響吧，也許np問題有前途？

現在研究硬體的會不會完蛋？(摩爾定律還在續吧(存疑)，如果還能續會不會就是量子計算機的普及)
--------
可能有錯誤哈，我是計算機科學在讀大學生，確認讀研，不過博士方向不確定求指教(個人目前傾向於機器學習，大一就有這想法，不過現在這個火的過頭我都怕了……世界變化太快)
謝謝大家

量子計算這個方向也是有很多計算機方向的人關注的。但是主要的方向可能是在複雜性，演算法，編譯原理這樣一些比較基本的方向，可能有個別的組會從統計的角度來做量子機器學習（Quantum machine learning/ Quantum inspired machine learning），但是相對來說比較少。下面逐個回答你的問題：

研究傳統演算法的科研還有必要嗎？有，並非所有的演算法都能有所謂的量子加速。請注意量子計算在一些計算機科學家眼裡只是natural computation的一種。所以請不要產生類似於：量子計算是計算機的終極，這種觀點。
同樣因此，網路安全，密碼學，自動驗證方面是否有重大改變？有，為了應對RSA密鑰被破解，已經出現了各種升級版的加密方案，當然還有量子通訊。
機器學習方面資源大大提升是否是更有前途的？沒看懂問題，但是目前看來量子計算對機器學習的影響有限，這一部分可以參看我的回答：量子計算機和量子演算法的出現會給機器學習領域帶來什麼樣的變革，為什麼會帶來這樣的變革？原理是什麼？ - 羅秀哲的回答 - 知乎和專欄里的一些文章。
軟體開發可能影響小些？會有新的編程語言出來吧？軟體開發的影響參考GPGPU對軟體開發的影響，因為即便有真的量子計算商用機，開發方式應該不會和GPU差別很大。你也可以參考現在Dwave公開的一些API。量子編程語言已經有了，可以參考我另外一個回答：Google 的 Quantum Computing Playground 可以用來做什麼？
邏輯學這種最基礎的不會受影響吧，也許np問題有前途？不會，不過也有量子邏輯這種新的東西出現。但是不明白NP更有前途是指什麼？注意NP問題並不等價於量子計算機能解的BQP問題。
現在研究硬體的會不會完蛋？(摩爾定律還在續吧(存疑)，如果還能續會不會就是量子計算機的普及) 不會，既然不是所有問題都能量子加速，那麼現在的CPU當然還需要用，畢竟是已經在工業界優化了多少年的東西，你不能指望離子阱，超導這些新的方案一上來就能在集成度這種參數上干翻傳統工業。倒是一些發展量子計算過程中的技術，比如硅基的量子計算實現，有可能用於製造更好的CPU。摩爾定律能不能續不清楚。

最後，以就業（本專業）為導向讀研最好別讀這種TCS，出來不一定有工作。以研究為導向可以考慮，因為可能相對比較容易發文章。

本來想正經答一下，然後發現怎麼寫答案自己都不滿意。簡單答案：quantum圈內的影響去看QIP/FOCS/STOC/ITCS/CCC/SODA這二十年來關注的topic的變化（QIP當然不全是CS的，怎麼分類那就看個人了）；圈外的CS community看各種頂會有多少掛著quantum的talk/oral吧，其實找不到太多的，arch或者PL這種東西零星有幾篇，15年NIPS好像一眾人還搞了個quantum machine learning的seminar啥的。

長答案的話，先做點概念區分。quantum computing（或者更general的quantum information science）所指的東西當然和quantum computer不一樣。後者關注的包括物理實現和實驗（這是大多數物理背景的人說話的上下文）你非要說這玩意對CS科研的影響，有是也有，比如介於classical computer和quantum computer之間（或者說P和BQP）之間的計算模型，比如DQC1，各種quantum supremacy的例子。

再有就是crypto吧。quantum computer到目前為止都是一個稻草人，94年peter shor剛了一發public-key system之後，越來越多的人關注post-quantum crypto。作為代表人物之一的oded regev，提出了基於LWE的lattice crypto，參數合適的情況下assumption是NP-hard的（作為對比，RSA拿來當assumption的Factoring被認為是P之外但是在BQP中的）。oded早年還參與過絕熱量子計算與通用量子計算等價的證明，還有2-LHP is QMA-complete。不過這些事情展開說的話，其中很大的一塊就成了quantum information science對物理學科研的影響力了。

當然CS community里最常見的還是把quantum mechanics提出來當assumption搞的各類computation的工作了。代表人物見andris ambainis和scott aaronson。比如query complexity的各種結果，這些東西其實算很正統的理論計算機科學分支，很多工作其實你都不需要學過量子力學。

最後，說現在algorithm只有幾種那就是bullshit了，別把入門教科書的結果拿來當state-of-the-art。可以去找找quantum algorithm zoo看看。當然algorithm從來不是好做的東西，每一個新的演算法原語背後可能都需要全新的insight。

至於硬體，現在實驗那邊的情況越來越向EE之類的工程向的東西靠攏，擔心個啥......倒是物理背景的人常見的「反智情緒」比較值得擔心（當然頂級物理學家是沒有這些問題的......），應該作為common sense的東西不知道要再過多少年才能成為真正意義上的common sense，畢竟現在的現狀是國內想找觀點現代做QI的人估計也就個把學校有（和鋪天蓋地的實驗組形成鮮明對比）。

所以權當我寫了一堆廢話吧。

謝邀。

傳統量子計算的演算法很成熟，也有一些短壽命的傳統量子計算機出現過去實現這些演算法。可是，因為量子比特（qubit）極易受環境干擾，這些量子比特的態都很短，使實現量子計算出現巨大果難。理論物理學家提出過拓撲量子計算（topological quantum computing）去解決這問題，但到目前為止，還沒有一個物理系統可以去實施這個，雖然最近十多年不同的方案的被討論過了。

我們也已經知道，若這些量子計算機可以投產，可解決不少科研計算問題。

可是，絕熱量子計算機已經產生了，而且已經投入應用（如D-Wave那部）。這不是傳統量子計算機，而是一種利用量子退火（quantum annealing）去做模擬。上面有人提到機器學習，因為機器學習其實是最優化（optimization）的問題，如果你能把那成本函數（cost function）寫成Heisenberg模型，但就可以用這種計算機處理。這些利用量子計算機的機器學習演算法已經出現在市面上了。

問過一些學計算機的人，大多數對量子計算不感冒。

鑒於量子計算現在為止就那麼幾個演算法，應該說未來有兩種情況：

1、還是就那麼幾個演算法

2、研究爆發，湧現出很多演算法

第2種情況應該說在量子計算機的物理實現之前還很難做到，畢竟現在計算機程序和演算法的飛躍發展也是計算機出現之後吧。

鑒於量子計算機的物理實現少則五到十年，多則不知道多少年。

所以題主可以自己掂量掂量。

當然，如果業界突然湧現個天才，在量子計算機物理實現之前就提出了通用的量子計算的演算法進而引發了科研上的熱潮；或者國際上突然有個實驗室突破了量子計算機的瓶頸，進而引發了各國爭相製造量子計算機的熱潮。就當我什麼都沒說吧。

或者，也很有可能，量子計算就那麼幾個演算法，over

即使是真正的，物理上的，量子計算機的完全體，也完全達不到非確定型圖靈機的能力，所以傳統演算法是很重要的。

如果江來做成了完全體通用量子計算機，那麼會有xxx to 量子機器碼編譯器的，比如很可能有llvm IR to 量子機器碼的後端。

謝謝邀請。

由於量子計算機可以超越01二進位的桎梏，所以可以採用更加「自然」的演算法，而且更多可以採用並行演算法和隨機演算法。當然這些都是理論上的，如果量子計算機不能現實量產，成本降不下來，就不可能有人為其開發成熟的演算法。生態環境很重要。

學好數學和演算法走遍天下都不怕

想研究量子就來吧。。不想研究量子的話考慮量子對其他分支的影響感覺略早

我一個搞大數據的。。量子我懂量子計算真不懂。。為什麼邀請我。。

量子計算機早著呢

該幹嘛幹嘛吧