量子力学由于其复杂又不可避免得退相干机制，限制了量子计算机的发展，但是现在研究人员发现可以用其它办法来解决他。

到目前为止，量子计算机由于其完全不同于传统的量子叠加和量子纠缠效应，使它可以比传统计算机更快的解决某些问题，从数学、物理、医学、制药、金融等等，量子计算机都有其独特的优势。

量子计算的前景在20世纪80年代就首次得到了科学家的认可，但到目前为止仍未实现（IBM已经推出了初级自己的量子计算机），由于各种温度、电磁辐射等影响，会破坏量子的相干性，导致运行输出错误的结果。而现有的硬件平台还不能提供大规模的纠错计算。

现在，工业界、学术界以及美国国家实验室的研究人员正在寻求各种减少错误的方法，一种是利用基于噪声水平上的计算结果来猜测正确的结果，另一种是，混合量子与经典算法，只运行量子计算机上性能最关键的程序，而大部分程序运行在更加稳定的传统计算计算机上事实证明，这种策略对于处理量子计算机的退相干问题非常有用。

Scott Pakin等人，使用机器学习将量子电路转换或编译成特定量子计算机的最佳等效电路。最近他们设计了一种方法，该方法使用当前可用的量子计算机来编译他们自己的量子算法。这将避免在经典计算机上模拟量子动力学所需的大量计算开销。

因为这种方法产生比现有技术更短的算法，所以它们因此减少了噪声的影响。这种机器学习方法还可以以特定于算法和硬件平台的方式补偿错误。例如，它可能会发现一个量子比特比另一个量子点噪声小，因此该算法优先使用更好的量子比特。在那种情况下，机器学习使用最少的计算资源和最少的逻辑门创建一种通用算法来计算该计算机上的分配任务。如此优化，算法可以运行更长时间。

这种方法在量子计算机上的有限设置中工作，现在可供云上的公众使用，它还利用了量子计算机的优越能力，可以在未来设想的大型量子计算机上扩展大问题的算法。

量子算法的新工作将为专家和非专家提供在量子计算机上执行计算的工具。应用程序开发人员可以开始利用量子计算的潜力来加快执行速度，超出传统计算的限制。这些进步可能会让我们更接近拥有强大，可靠的大型量子计算机，以解决复杂的现实世界问题，甚至可以将超过最快的经典计算机。