人工智能正對各行各業的流程產生深遠影響，不僅加快了工作進度，還降低了成本。數字孿生技術也未能置身于這一變革之外。麥肯錫咨詢公司（McKinsey & Co）指出，為車輛路徑規劃、多設備生產調度等專業應用創建數字孿生模型，可能需要六個月甚至更長時間。而大型語言模型能夠快速生成數字孿生相關代碼，從而減少創建過程中所需的人力和時間成本。

這家全球咨詢公司的分析師在談及兩者間日益緊密的共生關系時表示：“生成式人工智能（Gen AI）可對數字孿生的輸入進行結構化處理并合成輸出結果，而數字孿生能為生成式人工智能提供強大的測試與學習環境。通過融合這兩項技術，企業有望實現協同效應，降低成本、加快部署速度，其創造的價值將遠超單項技術單獨應用所能帶來的成果。”

他們還寫道，人工智能甚至有望打造出 “通用型數字孿生解決方案 —— 一種基礎性、通用性模型 —— 為不同數字孿生項目乃至不同行業的開發者提供設計便利和初始模板”。

Quantum Elements 是一家今年秋季才嶄露頭角的初創公司，得到了專注于資助和支持量子領域初創企業及創始人的 QNDL Participations 基金，以及南加州大學維特比工程學院（USC Viterbi School of Engineering）的支持。該公司正借助其 Constellation 平臺，將人工智能與數字孿生技術相結合，旨在加快商用容錯量子計算的落地進程。

核心平臺功能與用戶群體

該公司推出的原生人工智能量子開發平臺，整合了人工智能智能體、自然語言交互功能以及 Quantum Elements 自主研發的仿真工具。企業可借助該平臺生成代碼，創建、運行并測試量子算法與應用程序。同時，企業還能利用該平臺及其創始人所稱的 “先進含噪量子比特模擬器”，構建量子系統的虛擬原型（即數字孿生模型）—— 這是縮短這項尚在發展階段的技術的應用周期、降低應用成本的關鍵一步。

目標用戶類型

• 算法開發者：可借助平臺獲取性能優化的量子線路，適配 IBM Quantum 的 Qiskit 等工具

• 糾錯開發者：專注于邏輯量子比特的糾錯技術研發

• 硬件所有者與運營商：能通過平臺實現硬件校準與性能優化，適配 NVIDIA、AWS、QBLOX      QM、QUANTUM MACHINES 等設備

Quantum Elements 聯合創始人兼首席執行官伊扎爾?梅達西（Izhar Medalsy）表示，迄今為止，還沒有任何一款開發平臺能滿足量子計算的全部需求 —— 包括在理想條件下觀測系統并理解其運行狀態，以及生成海量數據以反映系統變化及其應用場景等。

“之所以不存在這樣的平臺，原因非常簡單，” 梅達西向《The Next Platform》透露，“量子硬件稀缺且昂貴，還在不斷迭代升級，同時存在多種技術模態，不同的芯片制造商和芯片代際…… 這些本身都是好事，是推動行業發展的必要條件。但滯后的是，我們缺乏對這些系統進行大規模虛擬化和仿真的能力。關鍵在于我們需要數字孿生技術，就像流體模擬器用于仿真飛機機翼的氣流流動，或者 Cadence、Ansys、Synopsys 等工具用于仿真晶體管，從而實現對大型 GPU 和 CPU 的虛擬化，并預測下一代產品的性能那樣，我們也需要用類似的方式看待量子系統。”

隨著 IBM、微軟、谷歌、亞馬遜云科技（AWS）等眾多大型廠商紛紛采取措施解決量子糾錯和量子比特相關難題 —— 不僅包括提升系統可運行的量子比特數量，還致力于確保量子比特具備足夠穩定性以完成實際工作 —— 同時越來越多專注于量子領域的純玩家企業推進自身技術路線圖，真正容錯量子系統的預期落地時間表似乎正在縮短。

梅達西表示，仿真量子基礎設施比仿真經典系統難度大得多。這主要源于量子比特的復雜性，以及技術模態的不斷增多 —— 從超導量子比特、離子阱量子比特，到中性原子、光子和硅自旋量子比特，這些技術模態在相干時間（量子比特維持量子態的時長）、門保真度、連通性和可擴展性等方面都存在差異。

“經典系統與量子系統最大的區別在于，經典系統中，比特就是比特，0 就是 0，1 就是 1，” 這位首席執行官解釋道，“你可以使用不同的編譯器和操作系統，但最終它們發出的指令都是一致的。而在量子系統中，由于技術模態、系統架構和實現方式的不同，每個量子比特的運行特性都有所差異。我們在每個量子比特上實現計算的方式不同，所采用的脈沖也不同。”

這意味著，在量子系統上運行的任何程序，都需要能夠識別量子比特所采用的技術模態及其帶來的變化。考慮到原型系統的規模，它們還能通過表面碼、QLD PC 等先進技術，解決量子糾錯和誤差抑制等問題。

“如果說經典系統中 0 就是 0、1 就是 1，那么在量子系統中，無論是校準、線路優化、誤差抑制、糾錯還是誤差緩解，所有這些操作都必須具備硬件感知能力，” 他說，“如果量子硬件稀缺且不斷變化，你就需要能夠大規模預測、仿真和模擬這些組件，同時考慮到所有噪聲以及其他影響其正常工作的因素，并利用這些數據訓練人工智能模型 —— 這正是我們正在做的事情。”

核心優勢：無需制造即可實現最佳系統性能

通過 Constellation 平臺，企業可以為想要測試的量子系統硬件構建數字孿生模型，包括選擇其將采用的技術模態。

隨后，企業可以在這些仿真模型上運行應用程序和算法，了解其性能表現并進行相應調整。這其中包括對噪聲的模擬 —— 熱量、電磁場、聲音或其他量子比特等環境干擾，都可能破壞量子比特脆弱的量子態，導致誤差和退相干（信息丟失）。這種仿真測試無需構建物理量子原型，可將原本需要數月時間、數十萬美元成本的工作縮短至幾分鐘內完成，大幅降低了測試的時間和資金成本。

平臺性能亮點

• 實時學習量子計算機硬件和算法的故障并進行修復

• 實現 99% 的準確率（此前行業最佳水平僅為 70%）

• 生產力提升 20 倍，開發速度加快 100 倍

“你擁有一個物理系統，” 梅達西說，“當你連接到這個物理系統時，你可以收集定義該系統的所有指標。在量子領域，我們稱之為‘衰減率’—— 即量子比特多久會停止正常工作。這決定了系統的工作時長，實際上也定義了支配系統運行的噪聲模型。這是對物理系統的表征。我們收集了所有這些信息，現在為你提供包含我們構建的所有噪聲模型的系統數字表征。”

Quantum Elements 的軟件可以對數字孿生模型進行調整，確保軟件運行更流暢、性能更優。梅達西以一項測試為例：量子比特間的串擾對用于分解整數質因數的肖爾算法（Shor’s algorithm）會產生何種影響。他說，問題在于量子比特之間會產生 “相互干擾”，當你對一個量子比特執行操作時，會影響到另一個量子比特，形成一種 “打地鼠式的難題”。Quantum Elements 想要做的，就是弄清這種干擾對算法的具體影響。

應用案例：量子比特串擾對肖爾算法性能的影響

如果沒有仿真數字孿生模型，這項測試可能需要 4 到 6 個月時間，成本超過 10 萬美元 —— 科學家需要制造組件、切割芯片、多次冷卻設備，并處理量子比特間的串擾問題。

而借助 Quantum Elements 的平臺，“你只需選擇你感興趣的平臺 —— 在這個案例中是 IBM—— 以及你關注的量子處理單元（QPU）系列，” 梅達西說，“我們會為你提供一個可視化界面，這個數字界面允許你根據需求構建虛擬量子處理器。你可以選擇量子比特、進行連接，并設置任意想要的連通方式。連接完成后，你可以控制所有參數，輸入驅動虛擬量子比特的相關數值，選擇想要的噪聲模型，甚至可以控制串擾的強度。”

在這項測試中，Quantum Elements 實現了肖爾算法 99% 的準確率，該公司稱這一結果創下了世界紀錄。

技術落地成果

• 在 IBM 實際硬件上完成驗證

• 針對 N=21 的整數分解任務，肖爾算法表現：

• Quantum Elements 優化線路（QE Circuit）：99% 準確率

• IBM 原生線路（IBM circuit）：性能低于優化線路

• 理想狀態（Ideal）：理論最優值

這家成立僅兩年的公司，其他聯合創始人包括南加州大學量子信息科學與技術中心主任、首席科學家丹尼爾?利達爾（Daniel Lidar），以及哈佛大學教授、美國國家科學院院士阿米爾?亞科比（Amir Yacoby）。該公司不僅獲得了雄厚的資金支持，還建立了一系列令人矚目的合作關系，包括與 IBM、AWS、Quantum Machines、NVIDIA、Rigetti 等量子領域領軍企業，以及南加州大學（USC）和加州大學洛杉磯分校（UCLA）的合作。

“在我看來，這項技術無疑是加速量子計算領域發展的關鍵賦能技術，” 梅達西表示，“想想其他行業的發展歷程：如果沒有飛行模擬器或流體動力學仿真工具，航空業能發展到今天嗎？如果不能對布局和系統性能進行仿真，經典半導體設備行業能立足嗎？如果無法為道路上行駛的汽車構建數字孿生模型并進行數據增強，人工智能和自動駕駛汽車能實現突破嗎？數字孿生技術對量子計算來說同樣是必需品。人工智能正成為量子計算領域缺失的關鍵要素。”