ㄧ、前言
英國國家量子運算中心(National Quantum Computing Centre, NQCC)於 SparQ 計畫框架下發布《量子運算應用案例彙整》(Quantum Computing Use Case Compendium)，彙整了 2023 至 2025 年間由 19 個產業團隊主導的量子應用研究成果。此報告旨在協助英國建立量子「相關的政策與標準框架，並提供從研究實驗室邁向實際工具與應用的可行發展路徑，以促進政府、產業與學術界的合作交流。

作為 NQCC 的核心項目之一，SparQ 計畫透過提供量子軟硬體平台資源、專家指導的量子解決方案，以及以實務操作為基礎的人才培訓機制，目標在於逐步建立英國的「量子就緒」(Quantum Readiness)能力。此彙整特別聚焦於量子案例在效率、精準度、能源使用與品質管理等面向展現的潛在優勢，協助決策者判斷未來何時以及如何將量子技術導入主流應用情境。

本次計畫與其相關徵案合計投入約 690 萬英鎊，涵蓋能源、醫療、材料、金融、物流、航太與通訊等多個領域。整體目標在於將英國的前瞻量子科研成果逐步轉化為具商業潛力的應用，並以此強化未來的經濟競爭力與社會發展基礎。

二、量子運算代表性案例
(一) 金融詐欺偵測
金融詐騙交易在整體交易中占比極低，使得倚賴大量歷史數據的傳統機器學習方法常因資料不平衡而難以精準偵測。本案例由 Unisys 團隊領導，採用「量子受限玻爾茲曼機」(Quantum Restricted Boltzmann Machine, QRBM)處理這類高度不平衡的大型資料集，並以歐洲持卡人的匿名信用卡交易資料進行訓練。結果顯示，量子模型能有效辨識詐騙樣態，具有極低的誤判率，整體效能與傳統機器學習相當，且在部分情境中更為亮眼。此成果不僅為量子方法應用於金融防詐領域奠定實證基礎，也顯示未來有機會結合既有風控系統與量子技術，以提升詐欺偵測能力並強化金融資訊安全。

(二) 早期癌症檢測
隨著早期偵測與非侵入式癌症檢查需求日益增加，以血液檢測癌細胞或基因變異的液態活檢(Liquid biopsy)逐漸成為重要工具。在 Applied Quantum Computing Ltd.、倫敦帝國學院與英國國民保健署(NHS)等機構組成的團隊中，研究者使用量子支援向量機(Quantum Support Vector Machine, QSVM)進行分類，並與基於預訓練模型的傳統機器學習方法進行比較。結果指出，量子模型在準確度上可與傳統方法匹敵，且在某些癌症類型的配對分析中表現更佳。雖然仍需搭配現階段量子硬體的限制進行評估，但量子機器學習在分析效率與模型表徵能力上展現潛力，未來有望在個人化醫療與癌症早期檢測的應用上提供額外助益。

(三) 癌症分析
量子運算公司 Infleqtion 與從事機器學習癌症藥物開發的 avatrial 合作，在量子機器學習(Quantum Machine Learning, QML)架構下，將病患的多體學(multi-omics，包括基因、蛋白質、代謝等)資料分別交由 QML 與傳統機器學習(ML)模型進行比較。結果顯示，在腫瘤案例中這類高度複雜且多變的多體學資料內，QML 能更有效率地識別資料中的關聯與樣態。儘管本次樣本數較少，使得模型的推廣性仍需後續驗證，但研究指出，若能應用於規模更大、品質更高的癌症資料庫，量子分群方法將有機會展現比傳統 ML 更明顯的優勢，對個人化醫療與癌症藥物開發具備潛在助益。

(四) 再生能源佈署
在再生能源快速發展的背景下，離岸風力發電的資產配置與風場空間規劃成為提升能源效率的關鍵議題。本案例利用 ORCA PT 系列光子量子硬體進行量子建模，針對風場佈署與風機佈局兩項核心問題提出量子最佳化解決方案，使原本高度複雜的規劃過程得以更有效率地進行。此方法不僅可望提升風場規劃品質與發電效能，也為未來大規模能源系統配置及淨零排放的能源目標帶來新的技術契機。

(五) 量子NMR技術
在先進電池與潔淨能源技術加速發展的情況下，NMR(核磁共振)光譜分析成為理解複雜電池材料的重要手段。然而，傳統 NMR 模擬在長時間自旋動力學、多核系統、運算需求與材料擴充性等方面皆面臨限制。量子軟體公司 Quantinuum 透過結合量子與古典的混合式方法，發展出新一代量子 NMR 模擬流程，有效補足傳統方法的不足。此成果不僅推動新材料電池與淨零排放相關研究，也能進一步延伸至催化劑、稀土金屬等領域，為量子材料模擬開啟更廣泛的應用可能性。

(六) 航太材料的降解研究
航太產業長期關注飛行器金屬材料的腐蝕問題，因為材料降解會削弱結構完整性與使用壽命，對飛航安全構成重大風險。有鑑於此，Capgemini、空中巴士(Airbus)與 NQCC 組成的跨領域團隊，採用倫敦皇家學院開發的量子嵌入策略(quantum embedding strategy)，以量子方法分析金屬腐蝕行為。該方法將極其複雜的化學反應拆解成較易處理的子問題，再分別分配給不同的古典與量子運算資源，以提升整體模擬效率。本次研究主要聚焦於典型富銅合金與氧氣之間的早期腐蝕反應。此類結合傳統與量子計算的混合式模擬方法，有望在未來協助開發更耐久的航太合金，並提昇預防性維護的準確性，為量子模型在材料工程上的實用化建立明確的技術路徑。

(七) 聚合物模擬與智慧材料開發
工業中的聚合物由大量重複單元組成，具備龐大且複雜的量子行為，使得傳統電腦難以進行精準模擬。QREPPS 計畫旨在評估進行高分子材料基態能量計算時，容錯量子電腦(Fault-Tolerant Quantum Computer, FTQC)所需的資源規模。研究顯示，透過適當的前處理與問題簡化技術，可以大幅降低量子計算的資源需求，使早期世代的容錯量子電腦便有機會處理過去難以處理的聚合物問題。此成果為智慧材料設計奠定基礎，也突顯量子模擬在未來材料研發中的應用潛力。

(八) 航太流體模擬
計算流體力學(Computational Fluid Dynamics, CFD)是預測流體與航空器交互作用的核心工具，涉及翼型設計、阻力控制、燃油效率、結構安全等多項航太工程關鍵。然而傳統 CFD 需消耗大量運算資源，在高精度需求下常受到限制，導致產業仍需依賴昂貴且耗時的實體風洞試驗。

本案例中，Quanscient 所開發的量子流體模擬演算法在 Oxford Ionics 量子設備與 NQCC 合作驗證下，展現出可觀的運算效率提升，且量測誤差對模擬準確性影響極小，顯示量子方法在 CFD 上具備實質發展潛力。未來，若量子硬體持續提升規模與品質，此技術可望改變複雜流體模擬的運作方式，使航太產業在實驗室階段即能取得更精準的參數，並進一步減少對物理風洞的依賴。

(九) 災害應變時的量子通訊
重大災害發生時，通訊設備可能受損，使救援行動面臨嚴重挑戰。因此，在有限佈署條件下建立具最大覆蓋率的通訊節點配置，對災後指揮調度與物資運送至關重要。在 Mind Foundry 與 NQCC 的合作專案中，研究團隊以三種策略模擬災後情境：改良傳統遺傳演算法、建立新的問題定式，以及測試量子退火(quantum annealing)的可行性。於實驗設定中，團隊從 156 個候選設置點中選出 6 個通訊節點，達成提升覆蓋效果的目標。此成果展示量子最佳化方法在極端災害場景中的應用潛力，為未來實際導入量子計算支援的災害通訊規劃奠定初步基礎。

(十) 道路維護排程的最佳化
定期道路維護是維持基礎建設品質與交通順暢的必要措施，但施工期間常造成壅塞與民眾不便。由新創企業 Aioi R&D Labs Ltd 主導，並與 Mind Foundry 及 NQCC 合作的本案例，以英國 A19 道路為實際情境，嘗試運用量子最佳化技術處理道路工程排程問題。研究團隊建立一套簡化且可計算的問題形式，並在多項限制條件與成本考量下，將固定的工作項目進行最適化配置，以減少對交通的影響並提升整體維護效率。此研究為道路管理部門提供了一個驗證量子最佳化可行性的初步範例，並展現將量子方法導入基礎設施規劃的發展潛力。

(十一) 工作流程最佳化
工作排程問題廣泛存在於製造、物流、醫療等產業，其核心是如何在多個工作站間有效分配任務，並將總作業時間降至最低。在 LTIMindtree 與 D-Wave 的合作案例中，研究團隊以混合整數規劃模型為基礎，分別使用 D-Wave 的量子求解器(約束二次模型，CQM)作為量子組，並以 Google OR-Tools 作為古典對照組，從解答品質、解法多樣性與求解速度三方面進行比較。

結果顯示，量子方法在小規模問題上可與古典方法匹敵，而在問題放大時，若能進一步調整問題建模以貼合量子退火(Quantum Annealing)硬體特性，則具備處理更複雜排程情境的潛力。本研究證實量子退火在真實世界排程問題中具有應用可行性，也顯示量子技術未來可望在流程效率、營運最佳化與技術創新上帶來實質助益。

(十二) 金融防洗錢領域
金融詐欺每年影響數百萬英國民眾。2023 年數據指出，金融犯罪占所有刑事案件的 40%，造成經濟損失高達 23 億英鎊。電子支付高度仰賴自動化偵測系統，而傳統機器學習需在「阻擋非法交易」與「避免誤攔合法交易」之間取得平衡，因此提升偵測準確度是金融監管的重要挑戰。

在以匯豐銀行(HSBC)為核心的專案中，團隊建構一套量子架構下的反洗錢偵測模型，利用「低深度量子電路」(low-depth quantum circuits)提高模型穩定度，並以「張量網路特徵映射」(tensor network feature maps)將高度複雜且具關聯性的交易資料轉換成更易於辨識的特徵空間。研究結果顯示，在特定情境─尤其是高金額但數量較少的交易─量子啟發模型展現出較高的偵測效果，同時維持低誤判率。此成果說明，即便現階段量子模型仍多在實驗室規模運作，其方法已展現實務潛力，也為金融業在未來量子硬體成熟後導入新一代防洗錢技術奠定重要基礎。