鴻海研究院與QunaSys共同發表研究成果 　深化量子運算合作

鴻海研究院宣布與量子運算軟體領導者 QunaSys，雙方合作研究的論文 《Neural Network Assisted Fermionic Compression Encoding: A Lossy-QSCI Framework for Scalable Quantum Chemistry Simulations》 已獲得國際期刊 Physical Review Research 接受刊登。

QunaSys 是來自日本、在歐洲設有團隊的量子運算軟體公司，專注量子化學與材料應用。以自研的 QURI 軟體結合產學合作，協助企業與研究單位加速從研發到實用化。

這是雙方於2024年宣布合作開發先進的費米子編碼方法之後，第一個完成的重大研究成果，該研究提出一項全新架構，結合先進的費米子編碼與神經網路輔助解碼技術，能有效提升量子化學模擬的效率與可擴展性。透過分子系統的實驗驗證，該方法以更少的量子位元與更低的運算負擔即可達到化學精度，為近期量子電腦及未來具容錯能力的量子硬體應用奠定實用基礎。

這項研究聚焦於量子電腦在化學模擬上的挑戰，因傳統方法往往需要大量量子位元與龐大計算資源，超出現有量子硬體的能力。為了解決這個問題，QunaSys提出了量子選擇組態交互作用方法(QSCI)，並在後續被IBM延伸為基於量子採樣的對角化方案(SQD)並成功在IBM的量子電腦上進行了76量子比特的模擬。

雖然實驗結果卓然，但是基於化學知識的傳統計算方法上，QSCI的量子優勢依然受到在數值結果上挑戰。為了解決該問題，聯合研究團隊結合鴻海研究院於過去專利成果，提出基於化學知識的全新「費米子壓縮編碼」架構，並結合機器學習來輔助解碼。有效利用已知的化學知識來壓縮分子系統中的資訊量，同時保持模擬的精確度。簡單來說，就像替量子電腦裝上智慧壓縮工具，讓它能用更少的資源，完成更高效且精確的化學模擬。

這項突破可以為產業帶來許多潛在價值，例如製藥領域可藉此加速新藥分子設計；材料科學與新能源產業則能更快模擬並發現新型電池、催化劑與先進材料。在量子產業方面，該架構能彌補現有量子硬體資源不足的限制，讓近期量子電腦展現更實用的應用潛力，同時為未來具容錯能力的量子電腦奠定基礎。此研究不僅展現 AI 與量子科學的結合，也為產業導入量子計算提供具體可行的路徑。

展望未來，QunaSys 與鴻海研究院將持續強化合作，發掘量子演算法能帶來明確產業效益的實際應用場景、研發針對應用需求量身打造的創新量子演算法、推動將相關演算法整合至真實世界的應用與產品線。確保量子研究成果能直接轉化為產業價值，加速量子技術的落地與普及，推動全球量子產業生態系的發展。

Physical Review Research 是美國物理學會（American Physical Society, APS）於 2019 年創刊，致力於發表涵蓋物理及其跨領域的前瞻研究。該期刊以廣泛的學科範疇與高可見度為特色，快速推動科研成果在全球的傳播。根據 Journal Citation Reports，其最新 Impact Factor 約為 4.5，為在物理與跨學科領域中具備穩定的影響力，各學科領域排名前25%的Q1期刊。