Search
Close this search box.

量子計算應用大爆發 ! 如何在量子領域找到第一份工作 ?

全球量子運算市場收入預計到 2028 年將增加至 43.75 億美元,有越來越多的行業正在投資和使用量子計算技術,也帶來量子領域的新興,甚至是高薪。

量子計算是一種運用量子力學原理來進行運算的技術,它跟傳統的物理原理的電腦系統截然不同。電腦是以位元為單位,一個位元只能代表 0 或 1,但量子電腦是利用量子力學所設計出來的運算裝置,一個「量子位元」不只能代表 0 或 1,還能同時代表 0 與 1。

特別的是,量子位元它們能同時存在於多個狀態(叠加態),且能透過量子糾纏現象彼此影響,即便它們相距甚遠。這些特性使得量子電腦在處理某些特定類型的問題時,理論上能夠比傳統電腦更有效率及快速。現在除了原有的電腦科學領域之外,密碼學、資安、AI 等領域皆可以藉量子計算開發出新的解決方案。

循著量子技術的進步,許多應用案例變得越來越清晰,美國也耗資 2500 億美元在《創新與競爭法案》 將量子科學與技術指定為美國國家科學基金會的 10 大重點關注領域之一。而有資金就有人才,人才也將受惠於資金,該文直接幫讀者整理好幾種方式,真正進入該領域成為新興(高薪)人才!

如果你想加入量子領域,該怎麼做呢?

一、決定在該領域的角色

你需要做的第一件事是找到自己有興趣且可以將自己技能大展身手角色。可以試想自己究竟是擅長研究還是軟體開發,又或者行銷等,這些都是在百工各業都存在且必要的角色,而在決定自己的角色之前,優先考慮自己的興趣和技能才會是待在該領域長久的關鍵。

例如,如果你有出色的 Coding 能力,那麼你可以考慮軟體開發工程師,也可能你想在量子計算領域工作,但實際上並不擅長技術,那市場行銷的工作或許可以成為入行角色之一。

掌握 AI 趨勢 & 活動資訊一點都不難!訂閱電子報,每週四一起《AI TOgether》

感謝訂閱!隨時注意信箱的最新資訊

二、若學生階段就確認自己的志向,可以朝該領域進修

如果想成為在量子領域的專業工作者,必須對數學和科學有深入的鑽研,因為未來運用在職場上面的將會是源源不絕的計算工作。因此,大學選科方向則可以選擇物理、資訊、數學或電腦科學等系所,就此展開未來的職涯計畫。

而在就學期間,學校的資源就是最好的管道,無論是課堂上的教授還是在學活動期間遇到的量子領域專家,都可以積極與他們交流,以便於更了解量子領域,確認自己是否真的對這條道路有興趣。

三、確認方向之後,可以考慮研究所再進修 

104 打開可以看到有些公司還是會期望工作者有碩博士學歷,資方會認為有碩博士學歷的工作者對於自己的專業強項會有更扎實且專精的知識,甚至在量子領域就讀碩博士,在數學、物理學、電腦科學和一般科學上絕對可以獲得更多的資源。

四、參加量子計算的訓練、學習營 

在 Google 搜尋量子計算訓練、學習營,可以發現有許多企業或是教育單位皆有舉辦量子計算的研習活動,例如鴻海教育基金會去年就有為高中生舉辦 2023 高中量子計算暑期學習營,裡頭課程包含量子計算簡介與量子電腦最新發展、近代物理與量子物理簡介、量子電腦的硬體與軟體介紹、利用 IBM 系統編寫第一次的量子線路和 Bloch sphere 單量子位元的解釋,甚至還有雙量子位元與糾纏態的實作課,對於還尚未兩腳踏入該領域的莘莘學子來說,可以藉由參加學習營來更了解基礎知識與在各領域的應用。

五、善用網路的力量,然後永不停止學習

網路上不乏有許多量子領域的活動和研討會,可以藉此與量子計算專家建立關係,利用 LinkedIn 等社交媒體平台藉此挖掘新機會。

最後,量子計算領域目前還是處在迅速發展的階段,不斷有新的發現和技術應用出現。因此,持續學習和跟上最新發展非常重要。

量子科技的發展不僅限於計算和通訊,它還涵蓋了量子傳感、量子成像、量子模擬等多個方面,這些技術有望在醫療診斷、新材料開發、氣候變化模擬和能源系統優化等領域帶來突破。

可以說量子技術被視為下一代科技革命的前沿,它挑戰和擴展了我們對物理世界的理解,並有潛力在多個行業創造前所未有的價值。隨著全球在量子科技領域的持續研究和投資,該領域的人才缺口將不斷地擴大,成為下一世代工作者的選擇之一!

更多科技職涯大小事,都在 TO LinkedIn!

LinkedIn

【推薦閱讀】

當工程師在 Coding 時,「不好意思,請問一下……」會讓他非常困擾!

台灣量子科技里程碑!第一個自研自製 5 位元超導量子電腦誕生,為何它重要?

【專訪】鴻海研究院量子計算研究所所長謝明修——白話文拆解最迷人的顛覆性科技:量子技術將如何衝擊高科技&資通訊產業?

*本文開放夥伴轉載,參考資料:《Fastcompany》、鴻海教育基金會、《MarketsandMarkets》、《Fastcompany》、OpenAI,首圖來源:OpenAI

(責任編輯:鄒家彥)