2026年6月5日——克利夫兰诊所的研究人员通过创建一种受大脑启发的新型计算范式，正在解锁量子计算的全部潜力。计算生命科学副研究员Daniel Blankenberg博士实验室的研究助理Fabio Cumbo博士正在开发名为量子超维计算（QHDC）的模型。

Cumbo博士在《自然》杂志的《npj非传统计算》上发表了首个将QHDC应用于两个不同实验的研究成果。

什么是超维计算？

超维计算是一种基于神经科学的计算方式。它的核心理念是，大脑中的概念并非存储于单个神经元上。例如，当你想到猫时，大脑中并没有某个单独的神经元专门负责认知猫是什么。这一信息分布在上千甚至数百万个神经元中，因此即使一个神经元失效，你仍然记得猫是什么。

在计算中，如果数据分布在向量中，即使某个向量出现错误，系统也能得出准确的计算结果。为了实现这一点，HDC通过使用长向量（一种包含数千维度的数据结构）来模拟大脑。

QHDC是将这一框架应用在量子硬件上。虽然HDC依赖于大规模的高维信息表示，但将这些表示直接映射到当前的量子计算机会造成显著的瓶颈。

QHDC通过利用量子叠加等量子特性来高效编码和处理这些复杂空间，从而弥合了这一差距。HDC使用超维向量，而量子计算则借助量子比特（利用量子叠加原理同时存在于多种状态）获得计算能力。这使得QHDC非常适合生物医学研究，因为这类研究中的数据复杂且常常包含不可预知的多种可能结果。

QHDC如何推动量子计算框架的发展？

该论文的高级作者Blankenberg博士表示，尽管量子计算机的使用正在迅速增长，但研究人员仍在学习如何创建能够充分利用量子计算机潜能的框架和算法。当前的人工智能和神经网络的“量子版本”涉及复杂的工作流程，开发和运行需要很长时间。

“大多数量子计算软件仍然是借用经典计算的思想构建的，”该论文的第一作者Cumbo博士说，“我有这样一个想法：探索一种自然适用于量子计算机的计算方式，而不是强行让它适应经典框架。”

Cumbo博士此前对超维计算进行了多项研究，这帮助他意识到超维计算与量子计算机的兼容性。

QHDC的表现如何？

研究团队在经典计算机、理想化量子模拟器和量子计算机上测试了该框架。这些测试不仅让研究人员看到了框架的表现，还让他们对比了框架与当前计算方法的差异。

第一个测试是符号推理模型，用于展示框架的推理能力。第二个测试是机器学习测试，衡量框架对图像进行分类并从任务中学习的能力。

结果显示，QHDC的运行速度是其他方法的500倍。

“这项工作为新型量子计算算法奠定了基础，可以提升生物医学研究的速度和效率，”Cumbo博士说，“我们将继续探索QHDC的潜力，将其应用于更大规模的模型，并观察其速度和准确性是否能够保持。”