今日上午，清华大学交叉信息研究院联合中国科学院物理研究所，在国际顶级期刊《自然·计算科学》上发表了量子人工智能领域突破性研究成果。团队成功开发出名为“量子神经拓扑优化算法”的新型混合计算框架，在模拟测试中，该算法在复杂分子结构预测和新型材料设计任务上，处理效率达到传统超级计算机的100倍以上。

该研究的核心突破在于创造性地将量子计算的并行性优势与深度学习网络的表征能力相结合。项目负责人李维深教授在发布会上介绍：“我们设计了一种可适配近期中等规模量子处理器（NISQ设备）的变分量子算法，能够有效处理传统计算机难以解决的高维优化问题。”实验数据显示，在模拟抗癌药物与靶点蛋白结合构象预测任务中，传统算法需耗时两周的计算，新算法仅用3.2小时即完成，且准确率提升18.7%。

这一进展对多个行业具有重大意义。在制药领域，可大幅缩短新药研发周期；在材料科学领域，能加速新能源电池、高温超导等关键材料的发现进程。值得注意的是，研究团队已与国内量子计算企业“本源量子”合作，将算法部署于实际量子计算原型机“悟源”上进行验证，标志着我国在量子实用化应用方面迈出关键一步。

科技部高新技术司相关负责人表示，该成果被列为国家“十四五”量子信息科学重点专项的阶段性重大突破，相关技术已申请15项核心专利。国际量子计算专家、麻省理工学院教授亚瑟·史密斯评论称：“这项工作展示了量子机器学习在解决实际科学问题中的巨大潜力，为全球量子计算发展提供了重要方向。”

据悉，研究团队下一步将聚焦算法在金融风险分析和气候预测等更广泛领域的应用，并与国内多家科研机构共建“量子人工智能开放平台”，预计于2024年底向符合条件的科研单位和企业开放试用。