新加坡軍方伙拍 IBM，探索量子運算用於軍事規劃

點解「最佳化」特別吸引？

物流同排程問題之所以難，係因為車輛、目的地、限時同限制條件一多，可行方案數量就會急速膨脹。軍事規劃唔係求其搵一個行得通嘅方案就算，仲要兼顧速度、耗油量、載貨能力、資源分配同暴露風險等互相拉扯嘅要求。

量子最佳化之所以值得研究，係因為部分量子演算法日後可能有助處理呢類組合複雜度極高嘅問題。金融風險模型、衍生工具定價同其他重視最佳化嘅工作負載，亦係量子運算受到關注嘅原因。

但要留意，量子電腦唔係真係會將每一條路線逐條試晒，再自動交出「完美答案」。現時量子處理器仍然受規模、噪音同可靠性限制；任何所謂優勢，都要用可重複嘅測試，對比成熟嘅傳統最佳化工具先可以成立。較可能出現嘅近期模式，係傳統電腦同量子電腦分工合作，而唔係全面改用量子系統。

培養專才，本身就係合作目標

同 IBM 合作，令新加坡國防工程師可以接觸量子運算資源同專家支援，並學習點樣用真實問題測試量子硬件。就算量子技術未能短期內帶來明顯效能提升，呢段經驗仍有助建立軟件、數據處理、安全及評估能力，為日後硬件進步作準備。

新加坡發展量子能力亦唔限於國防。研究人員同業界正探索港口物流及銀行業用途，包括貨櫃堆放位置、詐騙偵測、數據保安同衍生工具定價。 呢啲目前都屬研究或試驗性質，唔代表量子電腦已經取代新加坡現有嘅傳統計算方法。

量子運算同國家安全：威脅亦係另一面

量子運算對國家安全嘅影響，唔只係將來可唔可以幫軍方做規劃。假如未來出現足夠強大嘅量子電腦，部分現時用嚟保護通訊同數據嘅公匙密碼技術可能會受到威脅。因此，即使大規模量子電腦仲未出現，相關機構都要預早準備轉用抗量子密碼技術。

新加坡金融管理局已表示，希望金融機構喺本世紀 30 年代之前達到「量子韌性」，反映出加密系統轉型需要提早規劃，而唔係等到量子電腦成熟先至開始處理。

下一步應該睇乜？

真正有意義嘅里程碑，唔係量子處理器成功跑到一個細型示範，而係量子方法或者混合方法能否處理一個貼近現實嘅規劃問題，並喺方案質素、速度、穩定性同安全方面，透過可重複測試勝過現有最佳傳統方案。

所以，SAF、DSTA 同 IBM 呢個項目短期最實際嘅價值，係有紀律咁做實驗：先搵出可能適合量子方法嘅國防問題，再喺技術仍未成熟時測試，同時培養一批有能力判斷結果真偽嘅專才。量子優勢幾時出現、會有幾大，依然未有定論；但對新加坡而言，及早試驗就可以為未來作準備，而唔使假設量子時代已經到臨。