计算机工作过_ 量子计算征程尚远，还有多少坑要踩？

pixtools.com

量子计算这门学科在这两年来首次进入普通视野，听起来很困惑。

的确，当“量子”前缀十分困难时，其姿态伴随着“霸权”“二次信息革命”“千亿级市场”。 在这里所有的语言都流露着惊人的“能量”和焦虑。

去掉高度和不可能的面具，量子计算在做什么？ 到着地有多远？会有什么样的影响呢？

11月9日在北京召开的腾云峰会的鸿沟中，面对记者们抛出的一系列问题，腾讯量子实验室负责人张胜誉变得非常平静。

据他说，自己交往了18年的量子计算机不是万能的，其最大的意义是人类能够迅速解决一些古典计算机难以解决的无能的问题。

“从算法复杂性角度研究量子计算的主要任务是找到这些问题，设计合适的算法，完成计算”“关于着陆，认为相当远的科学家仍然处于商业应用前的研究开发阶段”，他精心总结。

的确，对于像张胜誉这样真正以量子计算为事业的人来说，他们清楚知道自己选择的不是投资的热点，而是前所未有的跨学科学术挑战。 虽然这件事很难，但正因为很难，所以想做好。

01 .突破《摩尔定律》:十字路口的命题

50多年前，英特尔创始人戈登摩尔( Gordon Moore )预测，今后集成电路上的晶体管数量将每两年翻一番，后者被称为“摩尔定律”。

这种“法则”的继续，使得人们在不创新计算机的工作原理的情况下，不断加快芯片的计算能力，制作出笔记本电脑和智能手机等具有象征性的产品成为可能。 但是，这样的“好日子”，其实预言着“摩尔法则”生效之日起，总有一天会结束。

简而言之，现在我们所知道的各种计算机基于“古典力学框架”，这些芯片无一例外地以晶体管为基本数据单位(比特)，通过控制其电压的高低来决定“1”或“0”的单一状态，进行二进制运算。

几十年来，经典计算机芯片计算能力的提高大部分来源于晶体管元件的缩小――单位面积内元件数的增加增大了信息容量，元件间距的减小加快了逻辑操作。

然而，物理因素不能无限缩小。 近年来，摩尔定律被业界很多人所缓和，认为已接近尾声

这是张胜誉所述的“无论算法多么精巧，古典计算机都不能迅速计算，甚至有意义的时限也不能完成”的计算问题。 这些共同点是计算的复杂性急剧增加(以指数形式)。

例如，为了找到上面提到的五辆车的最佳路径，可能需要计算并比较十条100次方的不同路线的组合之间的距离。 经典计算机的计算量以倍数增加——具有n位的计算机，即使是一次只能改变n个系数的超级计算机也尽可能多地重叠处理器，不断编码“n”，解决小尺度的问题。

要从根本上克服这些问题，最直接的想法就是让计算机通过少量的操作完成指数倍的系数变更，感动的是量子计算的特征。

02 .量子力学的双刃剑

说到量子计算机和古典计算机的相似点，两者都是通过操作基本数据单位的比特来实现计算的，前者使用的是基于量子力学原理的“量子比特”。

在量化比特中，与古典比特一样具有“0”和“1”两个基态，但在量化理论中，在实际测量之前不是“0”和“1”的状态，而是两个状态以一定的概率比率重叠，即a概率为“0”，b概率为“1”，并且a和b的平方和为1。 这显然是个好消息。 意味着量子计算机能够同时操作两个状态，每次操作都改变两个系数。

如果添加第二个和第三个量化比特，则量化理论中同样重要的量化缠绕现象也会带来更重要的变质。

简而言之，这意味着当多个量化比特相互作用时，它们的物理属性(状态)相关联以形成一个系统。 在这种情况下，不能简单地说在具有第一比特的状态下且在具有第二比特的状态下系统总体上处于某一状态。 有n位时，我们一次操作就可以同时改变2^N个系数，实现梦想所需的指数倍数的加速计算。

然而，在此阶段实现和应用量子计算仍然很困难。 由于这些困难，给人们带来希望的量子计算理论也曾数次投入“垃圾箱”。

首先，所有的量子系统都不是不安，而是与外部环境相纠缠。 于是，量化比特系统内部的物理性质之间的相关性随时间减弱并消失，没有相关性，也谈不到指数倍的加速度。

这种被称为“去相干”的量子力学现象导致系统信息的一部分或完全丢失，严重影响量子计算的效率和准确性。

目前，科学家已经使用众多的量化编码技术实现少量化比特量化计算机的纠错，但实现5000多个量化比特容错量化计算仍然是一大长期问题，这会引起如何在硬件上实现统一量化计算机的问题。

第二，算法是计算机的灵魂，即使我们有突破所有壁垒的高度统一的量子计算机，也没有能够利用自己的原理解决问题的算法，对人来说没有任何价值。

因此，即使有费曼这样的诺贝尔奖获得者“家庭”，直到1994年，马萨诸塞州理工学院的彼得·施尔提出分解大因数的高效量子算法为止，量子计算在学术界并不感兴趣

然而，秀尔算法最终只能解决一个问题。 面对上述路径规划、分子模拟等问题，张胜誉表示，各领域的人员需要合作，逐一研究，提出算法，以验证给哪些问题带来加速。

值得注意的是，并非所有的问题都只靠量子计算就能加快。 "某些现实问题，例如重新排序被证明量化算法实际上不太有帮助. "

03 .路还很远，还有很多坑要踩

对于年轻而蓬勃发展的量子计算界来说，目前学科人才的不足也是个棘手的问题。 回顾一下张胜誉指出的“三项任务”，似乎都不是只有数学家和计算机科学家能够解决的——。

为了寻找适合量子计算的问题，从化学到经济需要各个学科，甚至工业界的员工首先要带来想法和诉求。

设计的算法要求科学家们深入理解问题，积累知识，最终制造出可复制、稳定容错计算的设备，需要能够维持摩尔定律的半导体技术人员和新的批量生产技术人员的贡献。

也许是因为这个原因，从IBM到谷歌，各大机构的量子计算商们在各种各样的会议场合，邀请了其他领域的研究者和创业者们，想要深刻理解具有这种“神秘感”的学问。 当然，张胜誉和他的腾讯量子实验室也不例外。

从加入腾讯的第一天开始，他就在做他在大学做不到的事——聚集了各个领域的高质量人才，从他们共同合作的项目中迅速理解量子计算，成为这个行业所需要的“通才”。

与此同时，他试图从化学领域的应用中切入，积极地与药物开发企业、机构等开展交流与合作。 在他看来，这种合作在五年内可能很难产生有商业价值的应用，但在他看来，开放的理念离这个行业更远是必不可少的。

经历了过去两年的量子话题在投资界大受欢迎，张胜誉认为，今天公众和员工都更加了解实现量子计算所面临的困难，更加冷静合理。

“也有人认为量子计算不行，一两年内就能看到大的东西了。 现在回顾一下，整个行业虽然没有我们想要的那样飞跃，但正在稳步发展。 这也是科学研究的正常状态。 张胜誉总结了两年量子计算界的变化，也感谢团队不设论文发表的指标就能安心工作。

最后，关于量子计算未来的展望，他再次重申了自己两年前的意见。 “大家应该更加开放，路还很远，许多不同的路径中有这么多洞。 不是一队能踩，而是人类整体的智慧合作是必要的”。

参考资料

1. Patterson，Alan .「nvidiaceosaysmooreslawsisdead .」eetimes，ee times，1 June 2017，https://www.ee times.com/document.ASP？ doc_id=1331836。

2.Fujitsu global .“soluvingconnotrialoptimizationproblems-Fujitsu quantum-insiredcomputingdigitalannelarer”YouTube，28 March 2019，http v=6av0pdp2udva