鸿海研究院（HHRI）日前宣布，它与量子计算软件公司QunaSys的合作研究论文《Neural Network Assisted Fermionic Compression Encoding: A Lossy-QSCI Framework for Scalable Quantum Chemistry Simulations》 已获得国际期刊Physical Review Research接受刊登。QunaSys是来自日本、在欧洲设有团队的量子计算软件公司，专注量子化学与材料应用。以自研的QURI软件结合产学合作，协助企业与研究单位加速从研发到实用化。

这是双方于2024年宣布合作开发先进的费米子编码方法之后，第一个完成的重大研究成果，该研究提出一项全新架构，结合先进的费米子编码与神经网络辅助解码技术，能有效提升量子化学模拟的效率与可扩展性。通过分子系统的实验验证，该方法以更少的量子比特与更低的运算负担即可达到化学精度，为近期量子计算机及未来具容错能力的量子硬件应用奠定实用基础。

这项研究聚焦于量子计算机在化学模拟上的挑战，因传统方法往往需要大量量子比特与庞大计算资源，超出现有量子硬件的能力。为了解决这个问题，QunaSys提出了量子选择组态交互作用方法(QSCI)，并在后续被IBM延伸为基于量子采样的对角化方案(SQD)并成功在IBM的量子计算机上进行了76量子比特的模拟。

虽然实验结果卓然，但是基于化学知识的传统计算方法上，QSCI的量子优势依然受到在数值结果上挑战。为了解决该问题，联合研究团队结合鸿海研究院于过去专利成果，提出基于化学知识的全新“费米子压缩编码”架构，并结合机器学习来辅助解码。有效利用已知的化学知识来压缩分子系统中的信息量，同时保持模拟的精确度。简单来说，就像替量子计算机装上智慧压缩工具，让它能用更少的资源，完成更高效且精确的化学模拟。

这项突破可以为产业带来许多潜在价值，例如制药领域可借此加速新药分子设计；材料科学与新能源产业则能更快模拟并发现新型电池、催化剂与先进材料。在量子产业方面，该架构能弥补现有量子硬件资源不足的限制，让近期量子计算机展现更实用的应用潜力，同时为未来具容错能力的量子计算机奠定基础。此研究不仅展现AI与量子科学的结合，也为产业导入量子计算提供具体可行的路径。

展望未来，QunaSys与鸿海研究院将持续强化合作，发掘量子算法能带来明确产业效益的实际应用场景、研发针对应用需求量身打造的创新量子算法、推动将相关算法整合至真实世界的应用与产品线。确保量子研究成果能直接转化为产业价值，加速量子技术的落地与普及，推动全球量子产业生态系的发展。

Physical Review Research是美国物理学会（American Physical Society, APS）于2019年创刊，致力于发表涵盖物理及其跨领域的前瞻研究。该期刊以广泛的学科范畴与高可见度为特色，快速推动科研成果在全球的传播。根据Journal Citation Reports，其最新Impact Factor约为4.5，为在物理与跨学科领域中具备稳定的影响力，各学科领域排名前25%的Q1期刊。