量子計算的人才、軟體和硬體：解開你對量子的困惑

量子計算的人才、軟體和硬體：解開你對量子的困惑

 

 

 

近幾年，量子計算屢屢登上媒體的頭條，從量子計算機到量子手機，量子計算彷彿已經悄然走進我們的生活。量子計算到底是什麼？它和量子力學有什麼關係？它的發展歷程怎麼樣？它能否取代現有的電子計算機？量子計算的軟體能否帶來 AI的跨越式發展……

 

針對上述熱點問題， AI Time在5月16日晚上特別邀請了清華大學計算機系特聘教授、中科院軟體所學術副所長應明生教授；清華大學交叉資訊研究院馬雄峰副教授；中科院計算所孫曉明研究員；百度研究院量子計算研究所段潤堯所長四位大咖為我們一起剖析量子計算將會帶來的革命性影響，以及量子計算領域人才培養、硬體研發、軟體設計、落地應用等內容。

 

話不多說，我們現在就開始詳細看一下吧。

認識量子及量子計算

 

在正式討論前，讓我們先認識一下什麼是量子計算。如果對量子計算進行追根溯源，我們要回溯到《費曼物理學講義》中關於原子的假設：世界萬物均由原子構成。在這個基礎上， 量子理論的發展經歷了兩次革命 。

 

第一次革命是量子力學的建立及其直接應用 ，催生了原子 彈、核磁共振、電晶體、鐳射等技術的誕生。 第二次革命是我們目前正處在的新的階段，目標是能實現量子狀態和量子系統的精準製備和調控，最終造出宏觀的量子計算機 。研究的內容包括量子計算、量子通訊、量子密碼以及量子測量等。其中，量子計算將量子力學和計算理論結合，充分利用了量子的疊加、糾纏、干涉等特性，從而展現出了強大的計算能力。

 

 

 

 

 

按照目前的研究情況，段潤堯老師的研究團隊對量子計算技術發展趨勢做出瞭如下判斷。

 

 

如果還不瞭解量子位元、量子疊加、量子糾纏、量子霸權等基本資訊，可以閱讀《一文讀懂量子計算》，網址為 https://mp.weixin.qq.com/s/-J99Vk50d2MqwrDtkYcUSQ 。

 

量子計算：一場從根上開始的革命

 

活動伊始，應明生教授以“量子計算：一場從根上開始的革命”為題，高屋建瓴地介紹了量子計算的發展歷程和研究現狀。

 

首先，應教授提出計算模型是“樹根”，而今天大火的 AI是 “樹葉”，量子計算將是一場從根本上進行的革命。

 

 

之後，應教授回顧了量子計算機的發展歷程，指出圖靈機和量子圖靈機的關係，並指出量子革命其實早已經悄然掀起。

 

 

接著，應教授特別介紹了“ Turing可計算 ⇔ 量子 Turing可計算 ”定理，並列舉了 Grover演算法、Shor演算法、量子模擬、量子隨機遊走、HHL(Harrow-Hassidim-Lloyd)演算法、量子機器學習、量子人工智慧、VQO(Variational Quantum Optimisation)等研究成果（更多資源請參考），解釋了為什麼需要量子革命。因為約翰·麥卡錫曾提出“Artificial Intelligence = Computational Intelligence（計算速度產生智慧）”，而量子計算可能成為未來人工智慧的核心競爭力。

 

 

最後，應教授簡要介紹了 Google、IBM、英特爾、霍尼韋爾、Rigetti、 IonQ 等公司在量子計算硬體領域的研究進展，以及Google（Cirq+TensorFlow Quantum）、微軟（Q#）等公司在量子計算軟體領域的研究進展，量子計算在學術上的研究機會，並著重指出： 量子計算是一個在我們在初創期就可以參與其中的領域，有非常多的機會，但是機會稍縱即逝，我們需要及時把握 。

 

 

 

人才的培養與儲備

 

2018年，紐約時報曾報導“全球真正的量子計算科研人員不過寥寥千人”。雖然這一論斷的尚未可知準確性，但卻質樸地道出了量子計算領域人才短缺的現象。

 

 

近年來，包括百度、阿里巴巴、華為、騰訊、谷歌、微軟、 IBM、Amazon等在內的國內外頭部企業紛紛加入量子計算這條賽道，並逐步將校企聯合培養計劃繪入藍圖之中。但是，研究的准入門檻較高、進展難度大等現實情況仍成為阻礙著補齊巨大的人才缺口的難題。

 

 

培養量子計算人才的准入門檻到底高不高？產業落地週期有多長？人才培養和技術突破究竟誰先誰後？對此，各位嘉賓分享了自己的看法。

 

 

對此，孫曉明老師基於自己 2018年在中國計算機大會上的分享進行了介紹。首先，從數量上來說，目前量子計算領域的研究者還很少，人員的數量級大致只在千級規模，其中物理背景的研究者佔到三分之二以上，量子計算其實還需要很多計算機背景的研究者參與，只有多個領域的學者一起努力，才可能推進量子計算領域的高速、和諧發展。其次，整個領域處於類似“地理 dafaxian ”的時代，是一個非常好的發展時期，研究者更容易取得突破性進展。不過從事量子計算的門檻也很高，大家要提前做好心理和知識上的儲備。

 

 

作為物理背景的研究者，馬雄峰老師認可依據物理背景和計算機背景去劃分人才，並解釋了自己其實更關注如何去實現量子計算機。之後進一步指出：物理背景的研究者可能側重於打造量子計算機，目前常見的系統包括超導系統、離子阱系統、光學系統等，這其中的工作是一些非常典型的物理實驗，標準路徑是學完四大力學以後按部就班地做實驗，這本身沒有很難的點，需要注意的是 要學習一些資訊理論甚至統計的東西，這對後期的研究非常有幫助 。而計算機背景的人才側重於使用量子計算機。

 

 

段潤堯針對馬雄峰的觀點提出了自己的看法，他首先明確提出： 量子計算既不是量子力學也不是計算理論，而是量子力學和計算理論交叉形成的全新學科 ，是一個單獨的研究領域，有自己獨特的方法論，所以這個學科的入門非常難，並沒有捷徑可以快速掌握相關的知識。量子計算涉及計算理論、超導物理等多領域的知識，瞭解量子物理是必要的，但是不能陷入研究物理的“陷阱”，而是應該從計算機學生的特長入手，夯實數學基礎，掌握形式化的方法，弄懂量子力學的四條公理，清楚如何用線性代數刻畫四條公理，掌握基本的“語言”之後再嘗試解決一些小問題，以此逐步進入量子計算的“門”，之後再逐步補充物理的知識，形成一個螺旋式上升的過程。他還提到兩個不同背景的研究人員之間交流量子計算時經常會出現這樣有趣的現象：非常投入地進行數小時討論之後，突然發現你在說“量子”，我卻聊“計算”。

 

 

應明生老師最後總結指出做電腦科學家去做量子計算機是不容易的，沒有快速成才的道路，要紮紮實實學習、做研究。

 

硬體的現狀、困難與展望

 

針對量子計算相關硬體的發展現狀、核心問題、最亟待解決的挑戰、退相干的影響、近期可能取得的進展與突破，以及 量子霸權 到底代表什麼，各位老師提出了自己的觀點。

 

 

馬雄峰指出不同的研究者對量子計算硬體發展的樂觀程度存在差異。他本人持謹慎樂觀態度，不過中國科學技術大學朱曉波教授（研究方向為超導量子計算）認為從目前 50多個量子位元做到成千上萬個量子位元之間，在物理上看，目前尚未發現不能克服的困難。現存的問題主要是在工程層面上的，比如超導系統中的低溫電子學問題。正因如此，Google也選擇超導量子計算作為研究平臺。清華大學交叉資訊學院金奇奐副教授（研究方向為離子阱）也比較樂觀，認為在幾百個量子位元範圍內上，目前看也只是工程問題。但是到幾百個量子位元以後，可能需要一個新的架構，需要很多其他領域的力量。

 

 

段潤堯老師分享了自己的觀點：（ 1）實現量子計算的技術路線還需要進一步摸索，如擴充套件和消除噪聲還存在一些困難；（2）硬體和軟體的研究不能割裂開來，硬體的發展需要考慮需求的驅動，也需要軟體工具的協助，這樣才能提升效率。

 

 

針對量子霸權，段潤堯老師首先表達了自己對這種表述的不認可，認為很容易讓人產生不當聯想引發不必要的爭議。他接著分享了自己對量子霸權的理解：所謂量子霸權是指對於某個具體的計算任務（可以是目前看起來完全沒有任何實用性的完全人為的問題），比較量子計算裝置和當前最先進計算能力的超級計算機完成同一任務所消耗的時間，如果量子計算裝置比傳統的計算機更快地完成任務，我們就可以認為基本實現了量子霸權。段老師指出量子霸權其實是一種比較形象但粗略地度量量子計算的優勢的做法，本身沒有辦法進行嚴格的定義，因為當前計算機的效能也在不斷提升，所以某種意義上量子霸權有點“偽概念”的意味。

 

 

當我們用僅包含幾十個量子位元的量子計算機和包含上萬塊 GPU的傳統計算機去比較時，其實這已經代表了一場革命，展現了一個不可逆轉的技術發展趨勢。 將傳統計算的“巨人”和量子計算的“嬰兒”進行對比，本身就顯示了量子計算的巨大潛在優勢 。

 

 

孫曉明老師指出： 量子計算的原理和經典計算的原理不一樣 ，如果能做到幾千個 邏輯位元，就能完成很多目前超級計算機都無法完成的情況。但是在未來五到十年，可能大家的目標是做出了含噪的系統（實現物理位元而非邏輯位元），考慮在這種小規模、淺層、含噪的電路上能做什麼。類似於上個世紀五六十年代經典電腦科學家做的加法器之類的事情。

 

 

最後，應明生老師從 EDA（量子時代應該成為QDA）的角度進行了展開，並指出QDA是一個非常有前景的研究方向。

 

量子計算相關軟體的發展

 

相比於硬體，量子計算相關軟體的發展起來好像更快一些。隨著 Noisy Intermediate Scale Quantum（NISQ）計算機（具有約 50 到 100 量子位元和高保真量子門的裝置）的出現，開發用於探索這些機器強大能力的演算法變得越來越重要。

 

 

Google與微軟兩大巨頭在這方面已有應用成果。Google開發的TensorFlow Quantum專注於量子資料並建立混合量子經典模型。它整合了Cirq中設計的量子計算演算法和邏輯，並提供與現有TensorFlow API相容的量子計算原語，以及高效能的量子電路模擬器。微軟則釋出一種專門針對量子計算機的新程式語言Q#和量子計算開發套件。

 

 

那麼，國內外量子計算相關軟體的發展現狀到底如何？量子計算軟體開發 VS傳統的軟體開發有何不同？開發難點在哪裡？

 

 

對此，應明生教授首先給出討論明晰了邊界，指出量子計算的軟體和設計量子計算機的軟體（ QDA）是不一樣的，然後各位嘉賓進行了發言。

 

 

段潤堯老師首先介紹了應明生老師的專著《量子程式設計基礎》（ Foundations of Quantum Programming），然後批判了“硬體出來了，軟體很容易就會出來了”的誤解，進而指出量子計算的相關軟體是一個巨大的工程，需要考慮量子的特性，需要既懂量子特性、又懂計算理論的人才，而對應的人才目前基本沒有，企業招聘的人員需要先培訓才可以開展工作。最後，段老師還補充提到，早在2017年10月，他和應明生老師領導的一個UTS團隊就釋出了一個基於應老師專著研發的量子程式設計環境QSI。

 

 

孫曉明老師介紹了應明生老師在程式語言、量子編譯領域的一整套工作。

 

 

馬雄峰老師回顧了自己瞭解量子軟體的過程，同時介紹了量子軟體從開始到被企業關注的過程。

 

 

應明生教授介紹了國外量子軟體的研究其實應該開始於 1996年，並進一步剖析，程式的控制流在經典計算和量子計算中是很不一樣的，存在經典變數上或者直接去是非常不一樣的，要考慮不同的東西，底層的理論也完全不一樣。並總結到： 我們可能成不了量子計算時代的阿蘭·圖靈，但是可能會成為量子時代的比爾·蓋茨 。

 

量子計算機能不能做出來

 

隨著量子計算日漸火爆，各類不同的聲音也逐漸出現，量子計算機能不能實現，理論上存不存在問題？現實中能不能實現？各位老師從邏輯、公理、實際進展等角度做出了精彩、深刻的討論，這一部分尤其精彩，但是考慮各位讀者都看好量子計算機，因此不再以文字呈現，感興趣的讀者可以觀看我們的影片回放，相信一定可以重新整理大家對量子計算的認識。

 

未來（ Future）=量子計算（QC）+人工智慧（AI）

 

圖靈獎得主姚期智院士在 2018年8月的墨子論壇中對未來進行展望時提出“F=QC+AI”，即未來（Future）=量子計算（QC）+人工智慧（AI）。利用量子計算和人工智慧，我們有可能搭建一個足以匹敵人類大腦的系統，利用我們的知識，創造新的智慧。

 

目前，世界各地的相關研究團隊在探尋未來量子計算與人工智慧的交叉方向。量子人工智慧的計算能力為人工智慧發展提供革命性的工具，能夠指數加速學習能力和速度，促進 AI應用發展。而利用人工智慧技術（如深度學習框架）也可能突破量子計算研發的瓶頸。

 

在下一個十年裡，人工智慧技術與量子計算將會如何互相影響 ?人工智慧是否會在量子計算助力下，更迅速地進入到“強人工智慧”的階段?

 

段潤堯老師首先羅列了公眾對量子計算機可行性、落地時間等問題的迫切期待，指出了打造量子計算機最基礎的兩個條件：（ 1）一群聰明的頭腦；（2）最先進、最好的技術。

 

（ 1）需要透過艱苦而漫長的人才培養來實現。至於（2），他認為目前最先進、最好的技術就是以深度學習為代表的AI技術，探討包括百度飛槳（PaddlePaddle)在內的多個最為重要的深度學習框架在量子計算的應用非常值得關注，因此，量子計算的發展肯定離不開AI技術。另一方面，量子計算可以模擬量子系統，最佳化大資料的搜尋、處理效果，因此，量子計算對AI很有可能有一個很大促進作用。但是，實現強人工智慧應該會不太容易，因為強人工智慧的定義也還不夠明確，但是量子機器學習將是一個很大、很熱的領域，因為已經有很多有前景的工作被完成了。毫無疑問，未來十年，AI將會是量子計算一個非常大的發力點，二者是相互糾纏，密不可分的關係。

 

孫曉明老師補充說：量子計算將會推動 AI的發展，反過來，AI也將會影響量子計算、量子資訊，甚至是物理學的發展，可能不僅僅是下一個十年，兩個學科可能一直是互相推動。目前，將量子計算應用到AI已經看到了好幾個有潛力的研究點，但是理論分析需要認真去做。比對，在圍棋或其他有限步終止的棋類遊戲中，基於量子計算，能不能從計算複雜性角度確定先手和後手誰有必勝策略？換言之，從做理論的角度，量子計算能不能求解多項式空間完全的問題？做到強人工智慧，可能比這個目標還要困難。

 

馬雄峰老師指出，作為一名物理出身的研究者，他個人習慣把所有問題都看作是量子力學。但是人腦到底是量子計算為主，還是經典計算為主？

 

應明生教授對馬雄峰的發言做了補充。目前來看，還沒有看到量子計算在邏輯 AI中的應用，但是針對機器學習有很多應用，也有很多優質的工作，如TensorFlow Quantum平臺，但是這個思路還需要我們認認真真的思考。量子計算提供了一種不同的計算方式，它必定對AI有幫助，因為前的AI還是計算AI。

 

目前， AI應該作為一種技術而不是科學，如果把 AI作為科學，我們可能還處於史前期。仔細思考過後會發現，我們現在說計算是智慧、推理是智慧、裝置是智慧，但是反過來看，我們從來不知道智慧是什麼，在這其中，量子計算也許會有幫助。

 

現在是播種量子巨樹的黃金季節

 

量子計算是一個空前的領域，可以在全新的層面上檢驗我們的知識體系，但每一個進展都艱難而偉大，最終建立實際的量子計算體系將會是極其重大的挑戰。面對挑戰與機遇，需要我們保持求知之心，不斷完善自己。前人栽樹，後人乘涼，而現在正是播種量子樹的黃金季節！對於未來，各位老師也給出了精彩的論述。

 

段潤堯老師認為：生命短暫，這導致人們往往不願意做長遠思考。量子力學已經被發現了 100多年，但是我們對這一學科的認識幾乎還停在實驗室以及僅限於一些神秘的現象，廣大人民群眾對它幾乎沒有認識，相對於牛頓力學已經深入人心，量子力學根本沒有充分發揮它的實際影響力和價值。他特別提到2007年他在日本京都參加完亞洲量子資訊會議（AQIS2007）後在去機場的高鐵上邂逅Charles Bennett博士（量子資訊領域的奠基者之一），二人隨即展開了熱烈的討論。這次印象深刻的討論之後，他突然明白了量子資訊科學可以把以前很多無法直觀感受到的微觀量子世界中的神秘現象透過計算和通訊等方式最終在宏觀世界加以展示出來，這將是人類文明的一個重大的進展。因為量子力學是目前我們對這一世界的最精確的刻畫，由此打造出來的機器也將代表了計算的極限。我們今天做的事情，還存在不確定性，但是我們不能因為畏難而退縮。現在我們最需要的是投入，既包括年輕人的投入、也包括資金的投入。量子計算的生命之芽已經孕育，它肯定能破繭而出，但是在這之前，需要我們每一個人的呵護（就實現通用量子計算而言，最重要的是要解決糾錯問題，目前尚無完整的一個量子邏輯位元被做出來，這個問題一旦取得突破，後續一定會實現指數增長）。

 

隨後，孫曉明老師引用姚期智院士的觀點做了總結：“量子計算只差最後一公里路，但是這會是一個非常艱難的，也是需要經過一段時間的最後一公里路”，我們需要前赴後繼，不斷努力。前景非常樂觀，但是需要我們不斷的投入，不懈的努力，需要更多的人加入進來，現在是量子計算的”地理dafaxian時代。在量子演算法和複雜性領域，著名的量子演算法好像很少，兩隻手都能數得過來，但這是因為做理論研究，要實實在在嚴格證明出來，要很硬核，要比現有的最好的經典演算法更快。此外，量子計算的人才培養還不夠，孫老師與段老師、中科院數學所尚雲老師一起組織了量子計算的 Winter School，並依託中國計算機學會ADL舉辦了兩次量子計算學科前沿講習班（CCF ADL88、CCF ADL101），但覆蓋的人群還不夠多，期待更多相關老師同學能加入量子計算領域，促進學科發展，實現自身價值, 推動科學進步。

 

馬雄峰老師表示完全同意段老師和孫老師的意見。在十幾年前，量子計算可能還是黑夜狀態，但是今天，量子計算已經到了凌晨，第一縷陽光已經出現，量子計算是一個朝陽行業。

 

最後，應明生教授做了總結。量子計算已經走過了半個世紀，以後我們還需要繼續堅持，今天，行業內的青年才俊做出了出色的工作，量子計算一定是有前途的。

 

由於活動時間限制，我們對問題沒有全部進行解答，後續我們將以文字形式整理出來各位嘉賓對問題的解答，期待大家持續關注 AI Time和各位老師。

 

編輯：田志遠

審稿：應明生、孫曉明、馬雄峰、段潤堯

 

 

 

https://mp.weixin.qq.com/s/296FCFybn31IUiPyx-SmQQ