鴻海（2317）前瞻技術布局再往量子運算推進。旗下鴻海研究院宣布，攜手法國矽基量子運算公司Quobly，共同發布開源量子相位估計工具箱（QPE Toolbox），鎖定容錯量子運算中的關鍵演算法，協助研究人員評估未來量子電腦在材料科學、量子化學等領域的實際應用門檻。這項合作也顯示，鴻海不只在AI、電動車與半導體等領域布局，前瞻研究觸角也持續延伸至量子運算的基礎技術。
鴻海研究院與Quobly此次共同開發的工具箱，專為量子相位估計（Quantum Phase Estimation，QPE）演算法設計。QPE被視為容錯量子運算的重要基石，未來可用於計算分子系統的基態能量，對量子化學、材料科學，甚至新材料與藥物研發等領域，都具備長期應用價值。
從理論走向實作，QPE實務成本仍待釐清
雖然 QPE的理論基礎與漸近成本模型已有相當研究，但真正走向應用時，仍面臨現實挑戰。由於在傳統電腦上模擬超越「玩具模型」的小型QPE案例並不容易，研究人員很難具體掌握實際執行時所需的量子位元數、電路深度、閘門數量，以及誤差來源如何影響計算結果。
換言之，QPE雖然在理論上被視為容錯量子電腦的重要演算法，但要讓它真正成為未來材料與化學研發工具，仍需要更務實的數值實驗環境，來驗證不同演算法選擇、初始狀態準備方式，以及哈密頓量編碼策略之間的取捨。
此次發布的QPE Toolbox，正是試圖補上這段從理論模型到實作限制之間的落差。鴻海研究院指出，該工具箱並非宣稱要模擬現階段傳統運算無法觸及的大型容錯量子電腦，而是在傳統電腦仍可處理的範圍內，提供一個可操作、可比較且可解釋的數值試驗平台，協助研究人員建立對QPE工作流程的實務直覺。
打造QPE數值試驗場，完整涵蓋化學預處理到能量估算
鴻海研究室表示，QPE Toolbox的設計目標，是讓量子演算法研究人員能夠透過動手實作，理解從化學預處理、初始狀態準備、量子電路設計、傳統模擬，到最後能量估算的完整流程。
這套工具能提供端到端工作流程，從molecular problem、state preparation、quantum circuit design、classical simulation，最後進入energy estimation。
在技術架構上，這套工具箱採用張量網絡（Tensor Network）技術，並建立於開源quimb函式庫之上，也可與PySCF等標準量子化學工具對接，方便研究人員整合既有工作流程。工具箱可協助使用者透過DMRG（密度矩陣重整化群）與矩陣乘積態（MPS）準備具物理意義的初始狀態，並利用Trotterization的乘積公式，或基於區塊編碼的Qubitization方法，將分子哈密頓量編碼至量子電路中。
此外，研究人員也可透過這套工具箱比較標準QPE與單輔助量子位元的強健相位估計（Robust Phase Estimation，RPE），並在不實際執行電路的情況下，預先分析電路深度、閘門數量與誤差來源。這使QPE Toolbox不只是單純的模擬工具，而更像是量子演算法進入實際應用前的「成本評估平台」。
標準筆電數小時可完成，降低量子研究探索門檻
從實務規模來看，QPE Toolbox支援約10至20個量子位元的完整電路執行，電路規模可涵蓋1,000至100,000個閘門；在基態準備與哈密頓量編碼方面，則可針對約20至30個量子位元的系統進行探索。相關作業通常可在標準筆記型電腦上於數小時內完成。
這項設定也凸顯其工具定位：它並非以展示大型量子電腦運算能力為目標，而是讓研究人員在可負擔的傳統運算資源下，先行理解量子演算法實際落地時可能面臨的精確度、電路深度與資源需求權衡。
Quobly量子演算法科學家Thibaud Louvet表示：「我們的目標是為QPE提供一個實用的數值試驗場，幫助研究人員跳脫純理論的成本模型，為容錯量子演算法發展出更具現實感的直覺。」
鴻海研究院量子計算研究所所長謝明修也指出：「藉由結合尖端量子演算法與先進的張量網絡技術，此工具箱為研究人員提供了一個結構化環境，讓他們能更精確地理解未來量子應用在實際面上的需求。」
Quobly主攻矽基量子晶片，合作凸顯演算法與硬體協同設計
Quobly是法國矽基量子運算公司，成立於2022年，總部位於法國格勒諾布爾，技術基礎來自CEA-Leti與法國國家科學研究中心（CNRS）長期合作研究，主攻利用半導體製造工藝開發矽基量子晶片。該公司也與意法半導體（STMicroelectronics）建立策略合作夥伴關係，推進矽量子晶片工業化。 （相關報導： 量子電腦「晶片化」！鴻海仁寶台塑搶布局：低溫晶片與系統整合成決勝關鍵 ｜ 更多文章 ）
鴻海研究院表示，這套由雙方共同開發的軟體已開放給學術界與研究人員免費使用，GitHub下載網址：https://github.com/quobly-sw/qpe-toolbox。工具箱內附相關文件與範例工作流，協助研究人員探索QPE流程的各項組件。未來開發方向將包括變分電路合成、壓縮費米子編碼（Compressed fermionic encodings），以及更大規模的張量網絡模擬。此次合作也反映鴻海研究院與Quobly對演算法與硬體協同設計的重視，盼藉由開源工具降低研究門檻，加速容錯量子運算邁向實用化。
