正如《自然物理评论》的一篇新文章所报道的那样，洛斯阿拉莫斯国家实验室和其他领先的机构没有等待完全成熟的量子计算机出现，而是开发了混合经典和量子的算法。这种算法能从当今嘈杂的、容易出错的硬件中获得最高效的性能以及潜在的量子优势。该算法被称为变分量子算法，它利用量子盒来操纵量子系统，同时将大部分工作转移到经典计算机，让它们只做目前最擅长的事情：解决优化问题。

洛斯阿拉莫斯研究量子计算、量子机器学习和量子信息的物理学家、该文章的主要作者之一Marco Cerezo说：“在某些任务上，量子计算机有望超过传统计算机，但在目前可用的量子硬件上，它们无法长时间的运行算法。在与环境交互时它们产生了太多的噪音，从而破坏了正在处理的信息。通过变分量子算法，我们得到了两个世界的最佳结果。我们可以利用量子计算机的能力来完成经典计算机无法轻松完成的任务，然后利用经典计算机来补充量子设备的计算能力。”

目前嘈杂的中等规模量子计算机只有50到100个量子比特，而且很快就会失去“量子性”，并且缺乏纠错功能，因为纠错需要更多的量子比特。然而，自20世纪90年代末以来，理论家们一直在开发能在理想的大型可纠错的容错量子计算机上运行的算法。

Patrick Coles是洛斯阿拉莫斯的理论物理学家，他正在开发这种算法，也是这篇文章的主要作者。他说：“我们还不能实现这些算法，因为它们给出的结果毫无意义，或者它们需要太多的量子比特。因此人们意识到，我们需要一种方法来适应我们所拥有的硬件的限制，即目前只能解决优化问题。”

Coles说：“我们发现，我们可以将所有感兴趣的问题转化为优化问题，以利用潜在地量子优势，这意味着量子计算机在某些任务上击败了经典计算机。”这些问题包括材料科学与量子化学的模拟、因数分解、大数据分析以及几乎所有已经提出的量子计算机应用。

这种算法被称为变分算法，因为是一种机器学习，其优化过程是会动态地改变算法。它能改变参数和逻辑门以最小化成本函数，而成本函数是衡量算法执行任务好坏的一种数学表达式。当成本函数达到其可能的最小值时，问题就解决了。

在变分量子算法的迭代函数中，量子计算机估计成本函数，然后将估计结果传回经典计算机。然后经典计算机调整输入参数并将它们发送给量子计算机，让量子计算机再次进行优化。

在该文章中，作者讨论了这种算法的所有应用以及它们的工作原理，并涵盖了挑战、陷阱以及如何解决这些问题。最后，还展望了未来，他们探讨了在未来几年内的计算机上实现量子优势的最佳机会。（编译:Julien）