随着中央处理器（CPU）的发展，现代计算技术发生了革命，随着时间的流逝，计算机变得越来越小，越来越复杂。这种演变最终发展到了微处理器，即当今CPU的主要形式。一路走来，出现了更加专业的芯片，比如图形处理单元（GPU），现场可编程门阵列（FPGA）和专用集成电路（ASIC）。这些专用芯片中的每一个都加速和改进了处理性能的不同维度，并释放了计算的各种新功能。
随着量子时代的到来，我们将为计算能力的下一步发展做好准备。
每个新的计算选项都为增加计算的混合性做出了贡献。现在，我们不仅可以简单地将作业发送到CPU，还可以跨一系列奇异的设备进行计算，每个奇异的设备都非常适合解决特定的问题。
计算选项的激增增加了我们计算环境的整体复杂性。这种复杂性带来了两个挑战。首先，存在设计挑战，即创建稳定且可扩展的体系结构以促进需要多设备计算的作业的执行。
其次，以有效，优化和可重复的方式实际运行这些作业是一个挑战。换句话说，我们不仅必须设计多设备体系结构，而且还需要在它们之间协调计算。
以这种方式思考事物使我们能够快速理解为什么使用量子堆栈。量子堆栈是包含量子计算设备的堆栈，这些设备已经混合使用。
堆栈的体系结构必然涉及经典和量子计算设备的组合。即使在当今的单个量子算法中，计算也可以在经典处理器和量子处理器之间共享。
量子堆栈的体系结构反映了复杂性。
与访问其他架构中的高性能GPU或HPC资源非常相似，现在和将来访问量子设备的过程都非常遥远，这也加剧了这种复杂性。
同时，为了保护其不断发展的IP，尝试量子功能的组织也将严重依赖于其自己的本地和私有云资产。
量子硬件和软件继续发展。
由于量子硬件和软件都在不断发展，因此量子堆栈的体系结构及其组件的编排必须考虑一定程度的“交换能力”。
也就是说，量子架构必须促进一定程度的灵活性，从而使组织能够尝试新技术和新的编排方法而不必局限于任何一种解决方案。量子相关技术设计中对互操作性的强调预示了这种对适应性的持续需求。
量子堆栈的混合性质
除了描述混合量子体系结构的一些独特特征外，我们希望使一些事情变得清晰。首先，量子堆栈的混合性质反映了我们在涉及一系列奇特计算设备的架构中看到的更广泛的混合趋势。
其次，量子装置与所有经典装置之间的固有差异意味着我们不应该将量子视为取代经典。相反，我们应该将量子设备视为解决其自身问题的工具。
最后，混合架构固有的复杂性要求编排工具能够简化和优化其性能。
古典与量子：相对优势
经典和量子设备具有相对强度，至少部分地反映了它们的相对成熟度。最早的机械计算设备可追溯到1800年代中期，第一台可编程计算机出现在1930年代中期。从那时起，古典计算机就以摩尔定律的速度不断发展。如今，它们执行着令人难以置信的一系列功能，甚至包括量子设备的仿真。
20世纪的量子计算
另一方面，量子计算完全是20世纪的产物。量子物理学理论仅在1920年代就融合在一起，理查德·费曼（Richard Feynman）直到1982年才提出量子计算设备的基本思想。也就是说，量子处理技术正接近一个临界点，在某些情况下它将很快超越传统设备。
量子设备:指数级地强大
随着量子设备的不断改进，对于某些任务，它们甚至将比最先进的经典设备变得强大。其原因在于量子计算本身的基本前提。
传统设备依赖于二进制位，该二进制位的值可以为1或零，而量子设备依赖于量子位，该量子位可以一次以两种状态的线性组合存在。
量子位的状态也可能与其他量子位的状态纠缠在一起，这意味着一个量子位的行为可能会影响许多量子位的行为。由于具有这些独特的特性，添加更多的量子位会产生网络效应，与传统的替代方案相比，量子器件可以迅速为量子设备提供更多的计算能力。
考虑到这些差异，我们应该如何考虑经典和量子计算设备的相对优势？
现在和将来，经典计算将是从数据准备和参数选择到后处理，图形和某些类型的数据分析的所有方面的最佳选择。目前，高性能计算机和超级计算机也是分析大量数据集的最佳选择。
当然，传统设备在某些情况下具有的优势并不仅仅由于这些设备的固有特性。它们还源于以下事实：针对这些用例的工具已经建立了最佳实践，优化和生态系统。
量子的优势
量子技术的相对优势之一在于其能够通过广泛地分析多个方向的数据来从小型数据集中提取信息的能力。
当难以获得数据并且这些功能将对机器学习和建模的复杂而罕见的现象（例如金融危机和全球流行病）产生重大影响时，这尤其有用。
量子计算可增强从概率分布中采样的能力，而使用经典技术则很难采样。这在解决优化和机器学习问题（例如生成模型）方面有许多应用。
最后，正如理查德·费曼（Richard Feynman）最初提出的那样，量子设备可以用来对量子系统进行建模，例如分子相互作用，而经典设备却无法做到，因为它们本身不是量子系统。
量子设备无意替代传统设备。
这些设备将取代而不是替换，而是用于解决特定问题，尤其是传统计算机上难以解决的问题。
此类问题的一个完美示例是“旅行推销员问题”，该问题旨在寻找一个人访问列表中每个城市的最短路线。沿着这些思路，量子技术的内在能力将使其能够加速生物学，化学，物流和材料科学领域的进步。
未来是混合的
一段时间以来，整个计算领域一直在朝着混合模型发展。量子计算将遵循这一趋势，主要是因为它也提供了一种特殊形式的计算能力。
采取混合方法比具体的工程原因更重要的是商业原因。采用混合方法可降低进入门槛，并允许组织开始以灵活，经济高效的方式进行量子试验并取得进展。
由于在早期，很少有公司愿意投资（或负担得起）量子硬件，因此，他们建立了可根据需要访问量子设备的经典体系结构是有道理的。
量子将在哪些领域发挥最大作用？
广泛预期发生量子破坏的组织（化学和材料科学，制药，金融服务，物流，安全等）应特别专注于开发这些体系结构，并培养其他必不可少的资源以备战量子就绪。
除了经典的计算功能外，这些资源还包括量子要求的人才和内部专业知识。
量子未来
展望目前，量子计算可能永远是一种“混合”技术。首先，使用量子计算来完成传统计算机已经做好的事情永远是过大的。其次，成本仍然是一个问题。量子设备现在并且将是昂贵且专业的。用它们来做高级计算系统已经可以做的事情是完全不经济的。
最后，我们回到上面的观点：由于量子计算可以并且应该应用于不同于传统计算机可以解决的问题，因此真正的业务挑战是准确地确定特定行业中量子设备所针对的那些问题或问题的各个方面。最适合。
编排和混合方法
当我们谈论编排的必要性时，我们可以从混合云基础架构领域中学到一些东西。随着69％的企业已经已经通过混合云的方式，所涉及的复杂性导致许多企业拥抱云管理。而且，这种管理与云本机架构的管理一样，采用编排的形式。
混合量子堆栈，尤其是同时依赖于云和本地/私有云资源的混合量子堆栈，同样需要进行管理和编排，以确保程序，实验和过程平稳运行
这种编排需要从底层硬件中抽象出来的工作流管理工具。部分由于量子设备和相关工具的泛滥，抽象是必要的。
为了有效地使用这个不断扩展的工具集进行试验，组织需要灵活地从一种混合配置迁移到下一个混合配置，而又无需根据基础硬件重写所有内容。有效的工作流程管理系统必须促进这种互操作性。
量子后端
例如，随着新的量子后端的出现，编排应该可以在一行中从一个切换到另一个。同样，编排应该支持更改变分量子算法中使用的优化程序以比较性能而无需编写其他代码的能力。
最后，编排应该可以将来自多个框架和库的源代码组合在一起，从而避免了繁琐的工作来建立新的环境，并腾出时间专注于运行实际实验。
缩放工作
为了扩展工作量，在构建和使用混合量子体系结构时需要一定程度的硬件不可知论。编排工具不仅必须适用于现有硬件的多样性，而且还必须适用于其他可能出现的问题。
仅在去年，我们就已经看到了许多进步，这凸显了这样一个事实，即这些工作流管理和编排工具必须能够跟上量子技术的加速发展。确实，这些工具提供的适应性本身将推动量子技术的广泛采用。
今天的微处理器与以前的基于管的中央处理器几乎没有相似之处。
实际上，当前的iPhone具有比RAM上的一百万倍，ROM上的七百万倍更大的速度，并且处理信息的速度比用于将Apollo 11登上月球并将其重新带回的计算机快100,000倍。
随着量子处理器的成熟，它们最终将与当前的经典计算设备保持相同的距离，从而使它们成为最佳解决方案，即使这些设备中最好的也无法解决。
正如我们已经指出的那样，尽管这种比较表明了量子计算将带来的巨大变化，但无论现在还是将来，利用这种能力都将需要量子和经典设备在混合模型中协同工作。
通过这种方式，公司将能够解决广泛的业务问题。但这将不止于此。随着这些混合机器改变安全性和机器学习，它们将影响我们日常生活的方方面面。
结论
从纯粹的实践角度来看，混合方法是接近量子的最有效，最具成本效益和生产力的方法。依靠经典设备在量子计算过程中执行最适合它们并且在过去五十年中对其进行了优化的任务，不仅是正确的途径，而且是唯一的最佳途径。
原因是，正如我们所论证的那样，量子设备和经典设备不能仅以不同的方式解决问题。他们解决了不同的问题。今天就是这种情况，因为从现在起将是五年零十年。
这就是为什么说“量子计算会做到这一点或那样”有点误称。事实是，在越来越强大的混合解决方案中，经典和量子的结合力量将推动真正的革命。
