几十年来，人们一直认为量子计算机可以比传统计算机更有效地执行任务 [1]。例如，Shor 的因式分解算法 [2]、Grover 的搜索算法 [3]、变分量子特征值求解器 [4] 或其他量子机器学习算法 [5]，这些算法都可以对重要问题产生重大影响。尽管这些算法前景广阔，值得当前在开发大规模量子计算机方面做出的努力 [6]，但很难自动利用量子计算的优势。事实上，每一种算法都是为其解决的任务而专门发明的，而且它们的原理往往不易推广到其他任务。目前存在的算法仅仅有两百种 [7]。尽管有强有力的证据表明量子优势 [8]，即量子计算机可以比经典计算机更强大，并且近期设备上的这一优势已在特定用途设计的任务中得到实验证明 [9-11]，但我们无法自动利用叠加或纠缠等量子原理来加速经典算法：每个算法都必须从头开始设计，并且无法事先知道是否存在相应的更快量子算法。与经典算法相比，量子力学通常是违反直觉的，因此需要付出巨大的努力和想象力来构思量子算法。因此，一种理解量子世界规律并找到在量子计算机上解决给定任务的有效方法的技术将成为开发新量子算法和一般原理的宝贵工具，从而可以实现量子加速。这个长期目标目前遥不可及，但值得探索以开发可能用于此目的的成分。