第1章　量子運算和人工智慧
　　追溯當今文明的起源，技術進步中總是伴隨著計算工具的革新。無論是出現在中、西方早期文明中的易學術數和神祕學占星術，還是近代歐洲數學家發明的乘法電腦機械裝置，都能看到借用可觀測、可控的自然系統的規律演化來推演那個時代生活中的大小事情。小到計算時間，大到部落戰爭，或是生產製造，可觸及的角落不缺算術和計算工具的影子。
　　21世紀以來，科技的發展大步邁入資訊時代新技術革命的巔峰，人工智慧是湧現出的眾多新興科技中最讓人興奮的，引人無限遐思。過去十年，卷積神經網路在圖像分類上的成功應用使深度學習受到矚目，生成對抗網路的提出又再次擴展了大家對人工智慧處理邊界問題的了解，深度強化學習模型AlphaGo系列與專業棋手博弈中的勝利更是使人工智慧成為目前社會最流行的科技詞彙之一[1]。在那之後，AI技術席捲各個領域，不但被用於自動駕駛、設計新藥物和新材料、交通規劃、金融交易等領域，GPT-3和AlphaFold更是在自然語言處理和類似情境下獲得了成功並已經顛覆了特定的技術產業。這其中也有新提出的Transformer模型和注意力機制發揮作用，而這兩者的潛在應用將不只局限在傳統自然語言處理任務。
　　隨著經濟社會生活資訊化程度的不斷提高，大量使用者資料及多樣性的需求都在以超越指數的方式進行迭代，這些是人工智慧的溫床，卻導致了支撐這一大座廈的根基──傳統電子位元受到挑戰。在過去這些年，積體電路晶片提供的算力一直隨著半導體製造技術的提升以摩爾定律不斷迭代。0-1電子位元需要經由電子能量的控制確定性區分半導體裝置的不同狀態，隨著三星和台積電等先進半導體企業的製造技術進入1nm及以下，製造技術和晶片運作的能耗提升，更為重要的是，原子半徑通常在埃（1／10nm）的尺度下，當製造技術接近原子半徑極限時，量子效應將發揮關鍵作用，挑戰傳統物理運作規律，0-1不再是確定性保持的傳統數位訊號，反而會轉換為糾纏在一起的量子態的線性疊加。
　　量子物理誕生於20世紀，是舉世矚目眾多科學家集體智慧的結晶。大自然的微觀物理機制被進一步揭示，經過多次科學論證，量子理論成為當代物理學的基礎之一。「二戰」後大量優秀科學家在匯聚於美國，其中猶太裔天才物理學家理查．費曼（Richard Feynman）在一次報告中最早提出，用量子物理演化過程模擬目標物理系統概念，這被廣泛認為是量子運算的原型。量子位元作為高維布洛赫球面上的態向量，在希爾伯特空間下產生了更強的針對資料的表現能力，透過量子態在包含可控參數下的演化，使量子程式高度並行。在某些問題上，遵循量子規律對資訊進行計算處理，即使用量子電腦，將擁有大幅超越傳統電腦的表現。量子運算真正廣為人知是在彼得．秀爾（Peter Shor）提出質因數分解演算法之後，Shor質因數分解演算法相較於傳統演算法的指數加速及其在密碼學上廣泛而重大的現實意義，使該演算法的提出成為量子運算的里程碑。
　　量子電腦的基礎理論早已成熟，並基於電腦系統架構發展了一系列的程式設計和量子軟體編譯工具。近年來以IBM和Google公司的超導量子電腦為代表，使量子運算逐漸受到矚目。理性看待量子運算展現的量子運算優勢，並比較不同取向目前的局限性，能夠更好地挖掘有潛力的技術方向。