量子经典混合推理系统QuantaMind发布：量子退火与神经网络首次在同一推理管道中协同工作

量子经典混合推理系统QuantaMind发布

2030年9月19日，位于剑桥的量子计算初创公司QubitForge在arXiv上发布了QuantaMind推理框架的技术白皮书，随后在GitHub上开放了核心代码。这是首个将量子退火器与经典深度学习网络融合在同一推理管道中的商用框架。

QubitForge联合创始人兼CTO Elena Marchetti在发布会上展示了QuantaMind的工作原理。该系统将复杂问题分解为两部分：适合量子退火处理的组合优化子问题和适合经典神经网络处理的模式识别子问题，两者通过一个自适应路由器实时协调。

「传统量子机器学习的做法是把量子处理器当作加速器插在经典流程旁边，」Marchetti解释道，「QuantaMind不一样，它让量子和经典组件在同一推理循环中交替工作，就像左右脑协作一样。」

在药物分子筛选基准测试中，QuantaMind在24小时内完成了对1200万种化合物的虚拟筛选，而纯经典方法需要约115天。英国制药公司AstraZeneca已与QubitForge签署合作协议，计划在2031年第一季度将QuantaMind集成到其药物发现流水线中。

量子计算领域对该框架的反应褒贬不一。MIT量子信息中心主任Aram Harrow认为，QuantaMind在工程层面的贡献值得肯定，但其量子优势的理论边界仍需进一步论证。「退火器擅长组合优化是已知事实，关键问题是这种混合架构在多大程度上超越了精心设计的经典启发式算法，」Harrow在一封电子邮件评论中写道。

QubitForge计划在2030年底前向量子计算云平台AWS Braket和Azure Quantum提交QuantaMind的托管版本，定价为每推理任务0.15美元，相比纯经典云推理成本高出约40%，但在涉及组合优化的任务中速度提升可达两个数量级。

该公司目前已获得累计7800万美元的融资，投资方包括Andreessen Horowitz和欧洲量子技术风险基金Quantonation。