前言

以下列表基于三个因素的组合以优先顺序显示：时间进展，难度和支付。需要注意的一点是，大多数这些应用领域的成功实施可能基于混合平台，该平台将经典和量子计算结合在云环境中以实现两全其美。

1.机器学习

机器学习现在是一个热门领域，因为我们现在在许多不同平台的消费者层面上看到了重要的部署。我们现在每天都会看到声音，图像和手写识别的各个方面，仅举几个例子。但它也是一项困难且计算成本高昂的任务，特别是如果您想要获得良好的准确性。由于潜在的回报，基于Boltzmann分布的采样，有很多研究正在进行中。

2.计算化学

如果我们找到合适的催化剂或工艺来更有效地开发新材料或现有材料，那么材料科学中存在许多问题可以实现巨大的回报。使用经典计算机来模拟化学相互作用已经有很大的努力，但在许多情况下，问题变得难以解决经典问题。所以Richard Feynman提出的最初想法是为什么不使用量子计算机来模拟发生的量子力学过程。以下是一些重要问题的例子，如果我们能解决这些问题，可能会有很大的收益。
更换Haber工艺以生产用于肥料的氨
寻找可以达到室温超导体的新材料
找到可以提高碳封存效率的催化剂
开发新的电池化学成分

3.金融投资组合优化

根据预期回报，风险评估和其他因素为一揽子投资找到最佳组合是金融行业的日常任务。蒙特卡罗模拟经常在经典计算机上运行并消耗大量的计算机时间。通过利用量子技术进行这些计算，可以在解决方案的质量和开发时间方面实现改进。由于资金经理处理数十亿美元，即使回报率提高1％也值得花很多钱。有一个名为Quantum for Quants的网站，专门讨论这个主题，您可以查看以了解更多信息。

4.物流与调度

在工业中使用的许多常见优化可以归类为物流和调度。想想航空公司物流经理谁需要弄清楚如何以最低的成本为他们的飞机提供最佳服务。或者工厂经理拥有不断变化的机器，库存，生产订单以及人员和需求的组合，以最大限度地降低成本，生产时间并最大化产量。或者是汽车公司的定价经理，他们需要找出所有数十种汽车选择的最佳价格，以最大限度地提高客户满意度和利润。虽然经典计算被大量用于执行这些任务，但是其中一些可能对于经典计算解决方案而言太复杂，而量子方法可能能够做到这一点。

5.药物设计

虽然药物设计确实是计算化学中的一个问题，但我将其纳入自己的分类，因为它被制药行业使用。许多正在开发的药物仍然通过反复试验法来实现。这是非常昂贵的，如果更有效的模拟药物如何反应的方法将节省大量的金钱和时间。

6.网络安全

网络安全每天都在成为一个更大的问题，因为世界各地的威胁正在增加他们的能力，随着我们越来越依赖数字系统，我们变得更加脆弱。可以使用上面提到的一些量子机器学习方法来开发各种抵御网络安全威胁的技术，以更早地识别威胁并减轻它们可能造成的损害。

7.代码破解

你可能想知道为什么我已经将代码破解程序放在列表中，考虑到对Shor算法的所有关注以及它能够分解大数并破坏RSA加密的能力。原因是我相信这只是一个临时应用，直到世界转变为一类“后量子”加密技术，不会受到量子计算机的破坏。后量子密码学的研究越来越多，您可以在这里和这里进行评论。因此，虽然我们可能会有量子计算机能够在10年后考虑非常大的数量，但目前尚不清楚我们是否会在此时使用它。

8.电路，软件和系统故障模拟

当开发具有数百万行代码的大型软件程序或具有数十亿个晶体管的大型ASIC芯片时，验证它们的正确性会非常困难和昂贵。可能有数十亿或数万亿的不同状态，经典计算机不可能在模拟中检查每一个。人们不仅想要了解系统正常运行时会发生什么，而且还想了解如果存在硬件或其他错误会发生什么。系统是否会检测到它并且是否有恢复机制来缓解任何可能的问题？错误的成本可能非常高，因为其中一些系统可以在生命或数百万美元可能依赖于它们没有错误的地方使用。通过使用量子计算来帮助进行这些模拟，人们可以在模拟中提供更好的覆盖范围，并大大缩短了时间。

小结

正如我在本文开头提到的，上面的列表仍然是初步的。我将努力改进它，以更好地定义和量化每个应用程序的潜力。与此同时，我欢迎任何思考的人发表评论。