专用量子计算机优势及应用场景
与超导、离子阱等其他量子计算技术相比，专用量子计算机具有显著的竞争优势：量子比特数规模大、室温稳定运行、比特全连接以及低功耗等，使其成为当前阶段商用化量子计算机的最佳路径之一，最有希望在3-5年内率先实现商业化应用。
专用量子计算机最擅长解决的是NP-hard的组合优化问题以及量子采样问题。
组合优化问题
组合优化问题的复杂度随变量个数的增长呈指数增长，经典计算机在解决这些问题时会面临以下挑战：
- 计算复杂度高：穷举搜索不可行，启发式算法可能陷入局部最优；
- 资源消耗大：对大规模问题（如数百节点的网络），经典优化算法效率极低。
专用量子计算机（相干光量子计算机）通过将组合优化问题映射为Ising模型，并利用自旋系统的物理演化寻找基态，从而高效获得最优解——该基态对应系统整体能量最低的状态，即问题的最优解，为传统计算方法难以处理的NP-hard问题提供了新的解决思路。
量子采样问题
玻尔兹曼采样是一种基于能量函数生成随机样本的方法，其目标是使能量越低的状态出现概率越高。它是受限玻尔兹曼机、深度置信网络等机器学习模型的核心训练机制，同时也广泛应用于数值模拟、组合优化、统计物理等领域，因为它能有效探索复杂、多峰的概率景观。
然而，该方法的计算瓶颈在于配分函数的求解——由于涉及对全部状态空间的求和，其复杂度随变量数量指数级增长，造成“维度灾难”，使精确计算难以实现，传统近似方法如MCMC采样往往收敛缓慢。专用量子计算机通过模拟物理系统的自然能量演化，为高效实现玻尔兹曼采样提供了新的解决路径。
目前专用量子计算机已经在以下场景进行探索实践：
