2026年7月6日——随着数据量和负载持续呈指数级增长，现代数据库系统正难以维持实时性能。

如果缺乏更高效的优化手段，负责处理海量数据的系统将面临严重的延迟和可扩展性挑战。

几十年来，数据库一直依赖人类编程设定的僵化、预置准则，包括支撑许多现代计算系统（被称作“智慧规则”）的启发式系统和基于规则的方法。启发式系统依赖预定义的、经验法则式的逻辑（例如“若X，则Y”的框架）来快速解决问题或做出决策。

面对现代大规模数据环境的复杂性，这些传统方法存在局限性。启发式方法遵循固定模式，倾向于寻求局部最优但全局次优的解决方案，这形成了瓶颈，阻碍了更高效方案的发现。

尽管近期的机器学习方法展现出潜力，但它们仍面临显著局限。这些方法通常需要大量训练数据集才能表现良好，在几乎没有或完全没有先验数据的“冷启动”场景中表现挣扎，并且随着工作负载变化，需要频繁且计算成本高昂的重新训练。这些挑战使其难以被依赖来解决现代数据库所面临的复杂、快速演变的优化问题。

解决计算领域这一长期挑战的方法或许在于量子计算。

与将信息处理为0或1比特位的经典计算机不同，量子计算机使用量子比特，可以同时存在于多种状态。这使得它们能够处理某些复杂优化问题，其效率远胜于最强大的传统计算机。

南加州大学（USC）的Ibrahim Sabek旨在通过一项由美国国家科学基金会（NSF）资助的即将开展的研究项目，采用经典-量子混合计算方法来应对数据库系统挑战。

这个题为“迈向量子增强数据库系统”的五年项目获得了627,250美元的NSF职业奖（NSF CAREER Award）支持，并将为USC更广泛的量子计算计划做出贡献，而Sabek深度参与其中。

作为USC下一代数据密集型系统小组（NexDIG）的负责人，Sabek的研究探索数据库系统与新兴量子技术的交叉领域。他是USC维特比工学院托马斯·洛德计算机科学系及USC马克和玛丽·史蒂文斯计算与AI学院的助理教授，并在USC多恩西夫文理学院空间科学研究所兼任职。

Sabek提出的解决方案涉及将新兴量子计算技术直接集成到数据库引擎中，以处理复杂的优化任务，如查询规划、事务调度和索引选择。

由于当今的量子硬件仍然有限，他的方法是混合式的：量子处理器处理最困难的组合子问题，而经典组件处理其余部分，所有操作都在数据库查询优化器内协调进行。

他还旨在通过高级工具和可重用流水线，使这些量子能力对日常数据库开发者变得实用，使得数据库系统能将量子求解器视为内置加速器，而无需深厚的量子专业知识。

通过这项研究，Sabek希望将数据管理系统推进到一个全新类别的量子增强技术，能够以前所未有的速度和效率满足全球日益增长的数据需求。

借助Sabek的研究，当前需要数天的数据处理任务可能在几分钟内完成，他的工作可能极大地加速当前造成显著瓶颈的数据库优化任务。

他所在团队的早期原型已在基准查询上展现出比传统数据库优化器快10倍以上的速度提升。

该项目的一个更广泛目标是识别哪些数据库优化问题有望获得“量子优势”，即能够比任何已知经典方法更快地解决，并开发方法来实现这些优势。

以亚马逊这样的平台为例。在亚马逊Prime Day等高流量活动期间，量子增强数据库可以实时优化数百万次并发产品搜索和物流配送路线，防止当前基于规则的系统在扩展时可能遇到的延迟和效率损失。这项研究可能使这成为可能。

这项研究有潜力重塑驱动全球数据中心的基础软件。

Sabek的工作还得益于获得世界级研究基础设施和设备的支持。作为量子计算领域的领导者，USC拥有量子计算中心，这是美国首个安装D-Wave Advantage系统的地方，并且还在西海岸启动了首个IBM量子创新中心。

他的团队可访问超过10个IBM量子处理器和D-Wave Advantage系统，使研究人员能够在寻求将量子计算从主要理论领域转向实际系统工程时，运用尖端技术。