最有野心的量子软件来自微软——LIQUi|>（其名称是量子力学中的一个符号）。它旨在解决整个「软件栈」，atv，从用户界面到代码编译器，最终到适合于 Microsoft 的计划硬件和其它计算机硬件的机器语言。

领导微软量子软件团队的 Krysta Svore 表示，该团队还致力于减少量子计算所需的量子比特和运算的总数，称为「系统开销（overhead）」，并使标准计算机更好地模拟量子计算（该小组最近聘请了该领域的世界专家 Matthias Troyer）。该团队对 32 量子比特计算机的全面模拟需要 32GB 的内存，超过了普通桌面可以调集的内存，但仍然可操作。

Svore 博士及其同事也在估计需要多少量子比特和时间能够解决具体问题。她说，这些数字「急剧下降」，这归功于最近的改进，使量子保持更严格的控制。例如，她认为，对能源密集型氮化酶反应以制造化肥进行彻底分析将需要一个 100 逻辑量子比特的计算机许多小时或许多天，而传统的超级计算机将需要数十亿年。如果成果得到运用，可能使全球天然气消费量下降 1-2％。

但是，最大限度地利用量子计算机的关键是这些各种软件包实现的算法。包括由 Peter Shor 介绍的量子计算机如何破解全球加密系统，它们中的第一个通过锚定最棘手的问题在最大的概念机器上测试了该理论思想。

甚至是深度学习方面

麻省理工学院的 Aram Harrow 说，如今的研究重点已经转向可供较小的机器利用的算法，因为这种类型的硬件会在不久的将来被广泛使用。「我们仍然对可以用一百万或十亿个量子比特做什么感兴趣，但我们同样感兴趣于 100 个量子比特的用途，」他说。

看起来有很多选择。其中最有前途的一个是在机器学习和深度学习中。相关应用包括通过搜索大量数据来发现模式，比如图像识别、网络安全或者——简单点说就是——为潜在消费者推荐心仪产品的推荐引擎。但也有从处理数字到模仿原子的其它各式算法。

所有这些量子解决方案都需要一些编排它们的方法。Stephen Jordan 领导着位于马里兰州的美国国家标准与技术研究所的量子算法集（Quantum Algorithm Zoo）项目，该项目全面收集了当下的已知算法。他设计了一个有着 59 个数学门类的分类系统，每个数学门类适应于特定类型的问题或是能够以某种特定的量子方式去解决问题。

许多这样的算法，当运行在现有的专用机或作为模拟机运行于标准机之上时，并没有打败与其对应的「经典算法」。新加坡国立大学量子技术中心的 Vlatko Vedral 强调说，传统技术已经相当成熟，特别是固氮反应等致力于解决量子化学问题的技术。麻烦的是，目前还不存在一种强大的通用型量子计算机，所以没人知道运行其上的某个给定算法是否能够击败相对应的经典算法。同时，适合于量子计算的超高效算法仍然有待发现。

这 59 种算法和用于终极机器的迄今为止最好的模拟机是规划量子计算未来的一个良好开端，且没有比金融业对此更感兴趣的行业了。澳大利亚联邦银行早就动身了，它与新南威尔士大学的 Michelle Simmons 所领导的一个研究小组展开了密切的合作。D-Wave 已与初创公司 1Qbit 共同发展了一个叫「Quantum for Quants」的定量金融产业论坛。其编辑团队包括德意志银行的全球股市部门主管 Michael Sotiropoulos。瑞士一家大型银行 UBS 正与另一初创公司 QxBranch 合作，致力于量子算法在外汇交易和套利方面的应用。UBS 金融科技创新与战略投资部门主管 Hyder Jaffrey 说他把量子计算、人工智能和区块链都归类为「所有可能改变市场的东西」。

银行业务方面

QxBranch 和 1QBit 这样的公司扮演着量子专家与行业之间的一个中间人角色，它们负责调查如何以及是否能够通过量子方法来改进公司业务，例如优化交易策略或供应链、监控网络活动以发现网络攻击等。1Qbit 的联合创始人 Landon Downs 说这会产生一些可投入使用的解决方案。他说：「通过监控量子计算机上的算法制定过程，你往往会发现经典算法有了很好的改进.」。「这就是我们取得成功的源泉。」