以前大家认为，不管电子计算机有多么的强劲，都不能预知未来。如今这一念头很可能要被打倒了：电子计算机很有可能比人们更善于变成「圣人」。
在一些行业，电子计算机可以随便地预知未来，比如像树汁是怎样在树杆中流动性的那样简易、形象化的状况能够被线形线性微分方程的两行编码所捕捉。但在非线性系统中，相互影响会危害到本身——当气旋历经喷气机的飞机翼时，气旋会更改分子结构相互影响，进而更改气旋，周而复始。这类意见反馈循环系统会滋长错乱，即便是初始条件下的细微转变也会造成 之后的个人行为造成前所未有的巨大改变，进而使预测分析基本上不太可能取得成功，不管电子计算机的算率怎样。
马里兰大学量子信息研究者麦金尼斯 • 柴尔德斯（Andrew Childs）说：「这就是为何气温难以预料、繁杂的液体流动性难以理解的缘故之一。假如能搞清楚这种离散系统动力学模型，则能够处理一些繁杂的测算难题。」
这并不是是一种妄想，而且很有可能迅速便会完成。在 11 月发布的单独科学研究中，Childs 领导干部的精英团队和 MIT 的精英团队都叙述了一个强劲的专用工具，能够使量子计算机能够更好地对离散系统动力学模型开展模型。
与传统式电子计算机对比，量子计算机可以运用量子科技状况更合理地实行一些特殊的测算。恰好是因为具备这种作用，量子计算机得到使繁杂的线形线性微分方程式被迅速地打倒。长期以来，科学研究工作人员一直期待她们能够根据恰当的量子科技优化算法来处理离散系统难题。
虽然这两个研究室应用的实际方法差别非常大，但都应用了将离散系统装扮成更易了解的线形类似集的一种新方式。因此 ，现在有二种不一样的应用量子计算机处理离散系统难题的方式。
伦敦科技学院量子计算机研究者 MáriaKieferová 说：「这几篇毕业论文的趣味之处取决于，她们找到一种体制，在给出一些假定的状况下，他们有着高效率的优化算法。这确实很令人激动，二项科学研究都应用了十分恰当的手法。」
「这如同教轿车航行」
十几年来，量子信息科学研究工作人员一直试着应用线性方程式做为解离散系统线性微分方程式的重要却难有进度，最后在 2010 年拥有提升。那时候坐落于伦敦麦考瑞大学（Macquarie University）的多米尼克 · 贝里（Dominic Berry）创建了第一个用以在量子计算机上而不是传统式电子计算机上的优化算法，以指数值方式迅速地求得线形线性微分方程。迅速，贝瑞的工作重点也迁移到离散系统线性微分方程上。Berry 说：「大家以前早已做了一些工作中，可是高效率十分不高。」
马里兰大学的麦金尼斯 · 柴尔德斯（Andrew Childs）领着了二项科学研究工作中之一，使量子计算机可以能够更好地对离散系统动力学模型模型。他的精英团队的优化算法应用称之为「Carleman 线性化」的技术性，将这种非线性系统变成了一系列更便于了解的线性微分方程。
难题是，量子计算机所根据的物理实质上是线形的。MIT 科学研究的共同编撰的者 Bobak Kiani 说：「这如同教轿车航行。」
因而，技巧是寻找一种将数学课上的非线性系统转换为现代控制理论的方式。Childs 说：「大家期待有着一些线形的系统软件，由于它是大家辅助工具所具备的作用。」 2个精英团队以二种不一样方法保证了这一点。
Childs 的精英团队应用了 1930 时代的一种落伍的数学课技术性卡尔曼线性化（Carleman linearization），将离散系统难题变换为线性微分方程。悲剧的是，方程里的方程组有无尽个。科学研究工作人员务必搞清楚她们能够从这当中删掉什么方程组，以得到充足好的自然数。「终止在式子 10 上？還是式子 20？」 麻省理工大学的等离子技术科学家，马里兰科学研究的共同编撰的者努诺 · 洛雷罗（Nuno Loureiro）说。该精英团队证实了在特殊范畴内的非线性方程，她们能够断开该无尽方程并求得方程组。
MIT 精英团队的毕业论文选用了不一样的方式，将离散系统难题模型为玻色–牛顿凝聚态（Bose-Einstein condensate）。它是一种化学物质情况，贴近绝对零度的颗粒的同组相互影响造成 了每一个独立的颗粒个人行为是同样的。因为颗粒全是相连接的，因而每一个颗粒的个人行为都是会危害其他的颗粒，并以离散系统的循环系统特点意见反馈到该颗粒。
MIT 的方式是应用玻色–牛顿数学原理将离散系统和线形联络起來，进而在量子计算机上仿真模拟了这类离散系统状况。因而，根据将每一个离散系统难题各自想像成不一样的伪玻色–牛顿凝聚力物，该优化算法计算出了合理的线形类似。「帮我你最爱的离散系统线性微分方程，我为你创建一个能够仿真模拟它的玻色 - 牛顿凝聚力物，」汉诺威莱布尼兹高校量子信息生物学家托比亚斯 · 奥斯本（Tobias Osborne）沒有参加这两个科学研究，他表明：「这是我真实喜爱的一个念头。」
由 MIT 领导干部的精英团队的优化算法将一切离散系统难题模型为玻色–牛顿冷凝物，它是一种独特的化学物质情况，在其中相连接的颗粒的个人行为均同样。
Berry 觉得这几篇毕业论文在不一样层面都很重要（他沒有参加在其中的一切一篇）。他说道：「但最后，他们的必要性说明，有可能运用这种方式得到离散系统个人行为。」
认识自己的極限
虽然这种成效很重要，但他们仍仅仅破译非线性系统的第一步。在完成这种方式需要的硬件配置变成实际以前，大量科学研究很有可能聚焦点剖析和健全每个方式。Kieferová 说：「拥有这二种优化算法，大家确实能够憧憬未来了。」但要想应用他们来处理具体的离散系统难题，就必须具备数千个量子比特的量子计算机来较大 水平地降低误差值和噪音，而这远远地超过了目前的概率。
另外，这二种优化算法事实上只有解决轻微离散系统难题。马里兰州的科学研究精确地量化分析了能够解决是多少离散系统的新主要参数 R，R 意味着了难题的离散系统两者之间线形的比例，即难题趋向离散系统的发展趋势与将系统软件维持在路轨上的滑动摩擦力。
「Childs 的科学研究在数学课上是很严苛的，包含何时是可以用、何时不能用。」Osborne 说 「我觉得这的确十分趣味，它是关键的奉献。」
依据 Kiani 的叫法，由 MIT 领导干部的科学研究仍未严苛证实一切限定其优化算法的定律。可是该工作组方案根据在量子计算机上运作小规模纳税人检测来进一步掌握优化算法的局限，随后再解决更具有趣味性的难题。
二种技术性让我们产生的最重要的警告是，量子科技解决方法从源头上有别于經典解决方法。量子科技情况相匹配的是几率，而不是平方根，例如你不用观查喷气机外壳每个一部分周边的气旋，只是获得平均速率或检验停滞不前的气体。Kiani 说：「結果归属于物理学的这一客观事实代表着，以后依然必须做许多 工作中来剖析这类情况。」
科学研究工作人员必然在未来五到十年内，针对实际难题检测出很多取得成功的量子科技优化算法，但关键的是不必过多服务承诺量子计算机可以做什么。Osborne 说：「大家将试着各种各样事儿。并且，如果我们去考虑到局限，那很有可能会限定大家的想像力。」
