量子计算的人才、软件和硬件：解开你对量子的困惑

量子计算的人才、软件和硬件：解开你对量子的困惑

近几年，量子计算屡屡登上媒体的头条，从量子计算机到量子手机，量子计算仿佛已经悄然走进我们的生活。量子计算到底是什么？它和量子力学有什么关系？它的发展历程怎么样？它能否取代现有的电子计算机？量子计算的软件能否带来 AI的跨越式发展……

针对上述热点问题， AI Time在5月16日晚上特别邀请了清华大学计算机系特聘教授、中科院软件所学术副所长应明生教授；清华大学交叉信息研究院马雄峰副教授；中科院计算所孙晓明研究员；百度研究院量子计算研究所段润尧所长四位大咖为我们一起剖析量子计算将会带来的革命性影响，以及量子计算领域人才培养、硬件研发、软件设计、落地应用等内容。

话不多说，我们现在就开始详细看一下吧。

认识量子及量子计算

在正式讨论前，让我们先认识一下什么是量子计算。如果对量子计算进行追根溯源，我们要回溯到《费曼物理学讲义》中关于原子的假设：世界万物均由原子构成。在这个基础上， 量子理论的发展经历了两次革命 。

第一次革命是量子力学的建立及其直接应用 ，催生了原子 弹、核磁共振、晶体管、激光等技术的诞生。 第二次革命是我们目前正处在的新的阶段，目标是能实现量子状态和量子系统的精准制备和调控，最终造出宏观的量子计算机 。研究的内容包括量子计算、量子通信、量子密码以及量子测量等。其中，量子计算将量子力学和计算理论结合，充分利用了量子的叠加、纠缠、干涉等特性，从而展现出了强大的计算能力。

按照目前的研究情况，段润尧老师的研究团队对量子计算技术发展趋势做出了如下判断。

如果还不了解量子比特、量子叠加、量子纠缠、量子霸权等基本信息，可以阅读《一文读懂量子计算》，网址为 https://mp.weixin.qq.com/s/-J99Vk50d2MqwrDtkYcUSQ 。

 

量子计算：一场从根上开始的革命

活动伊始，应明生教授以“量子计算：一场从根上开始的革命”为题，高屋建瓴地介绍了量子计算的发展历程和研究现状。

首先，应教授提出计算模型是“树根”，而今天大火的 AI是 “树叶”，量子计算将是一场从根本上进行的革命。

之后，应教授回顾了量子计算机的发展历程，指出图灵机和量子图灵机的关系，并指出量子革命其实早已经悄然掀起。

接着，应教授特别介绍了“ Turing可计算 ⇔ 量子 Turing可计算 ”定理，并列举了 Grover算法、Shor算法、量子模拟、量子随机游走、HHL(Harrow-Hassidim-Lloyd)算法、量子机器学习、量子人工智能、VQO(Variational Quantum Optimisation)等研究成果（更多资源请参考http://math.nist.gov/quantum/zoo/），解释了为什么需要量子革命。因为约翰·麦卡锡曾提出“Artificial Intelligence = Computational Intelligence（计算速度产生智能）”，而量子计算可能成为未来人工智能的核心竞争力。

最后，应教授简要介绍了 Google、IBM、英特尔、霍尼韦尔、Rigetti、 IonQ 等公司在量子计算硬件领域的研究进展，以及Google（Cirq+TensorFlow Quantum）、微软（Q#）等公司在量子计算软件领域的研究进展，量子计算在学术上的研究机会，并着重指出： 量子计算是一个在我们在初创期就可以参与其中的领域，有非常多的机会，但是机会稍纵即逝，我们需要及时把握 。

人才的培养与储备

2018年，纽约时报曾报道“全球真正的量子计算科研人员不过寥寥千人”。虽然这一论断的尚未可知准确性，但却质朴地道出了量子计算领域人才短缺的现象。

近年来，包括百度、阿里巴巴、华为、腾讯、谷歌、微软、 IBM、Amazon等在内的国内外头部企业纷纷加入量子计算这条赛道，并逐步将校企联合培养计划绘入蓝图之中。但是，研究的准入门槛较高、进展难度大等现实情况仍成为阻碍着补齐巨大的人才缺口的难题。

培养量子计算人才的准入门槛到底高不高？产业落地周期有多长？人才培养和技术突破究竟谁先谁后？对此，各位嘉宾分享了自己的看法。

对此，孙晓明老师基于自己 2018年在中国计算机大会上的分享进行了介绍。首先，从数量上来说，目前量子计算领域的研究者还很少，人员的数量级大致只在千级规模，其中物理背景的研究者占到三分之二以上，量子计算其实还需要很多计算机背景的研究者参与，只有多个领域的学者一起努力，才可能推进量子计算领域的高速、和谐发展。其次，整个领域处于类似“地理 dafaxian ”的时代，是一个非常好的发展时期，研究者更容易取得突破性进展。不过从事量子计算的门槛也很高，大家要提前做好心理和知识上的储备。

作为物理背景的研究者，马雄峰老师认可依据物理背景和计算机背景去划分人才，并解释了自己其实更关注如何去实现量子计算机。之后进一步指出：物理背景的研究者可能侧重于打造量子计算机，目前常见的系统包括超导系统、离子阱系统、光学系统等，这其中的工作是一些非常典型的物理实验，标准路径是学完四大力学以后按部就班地做实验，这本身没有很难的点，需要注意的是 要学习一些信息论甚至统计的东西，这对后期的研究非常有帮助 。而计算机背景的人才侧重于使用量子计算机。

段润尧针对马雄峰的观点提出了自己的看法，他首先明确提出： 量子计算既不是量子力学也不是计算理论，而是量子力学和计算理论交叉形成的全新学科 ，是一个单独的研究领域，有自己独特的方法论，所以这个学科的入门非常难，并没有捷径可以快速掌握相关的知识。量子计算涉及计算理论、超导物理等多领域的知识，了解量子物理是必要的，但是不能陷入研究物理的“陷阱”，而是应该从计算机学生的特长入手，夯实数学基础，掌握形式化的方法，弄懂量子力学的四条公理，清楚如何用线性代数刻画四条公理，掌握基本的“语言”之后再尝试解决一些小问题，以此逐步进入量子计算的“门”，之后再逐步补充物理的知识，形成一个螺旋式上升的过程。他还提到两个不同背景的研究人员之间交流量子计算时经常会出现这样有趣的现象：非常投入地进行数小时讨论之后，突然发现你在说“量子”，我却聊“计算”。

应明生老师最后总结指出做计算机科学家去做量子计算机是不容易的，没有快速成才的道路，要扎扎实实学习、做研究。

硬件的现状、困难与展望

针对量子计算相关硬件的发展现状、核心问题、最亟待解决的挑战、退相干的影响、近期可能取得的进展与突破，以及 量子霸权 到底代表什么，各位老师提出了自己的观点。

马雄峰指出不同的研究者对量子计算硬件发展的乐观程度存在差异。他本人持谨慎乐观态度，不过中国科学技术大学朱晓波教授（研究方向为超导量子计算）认为从目前 50多个量子比特做到成千上万个量子比特之间，在物理上看，目前尚未发现不能克服的困难。现存的问题主要是在工程层面上的，比如超导系统中的低温电子学问题。正因如此，Google也选择超导量子计算作为研究平台。清华大学交叉信息学院金奇奂副教授（研究方向为离子阱）也比较乐观，认为在几百个量子比特范围内上，目前看也只是工程问题。但是到几百个量子比特以后，可能需要一个新的架构，需要很多其他领域的力量。

段润尧老师分享了自己的观点：（ 1）实现量子计算的技术路线还需要进一步摸索，如扩展和消除噪声还存在一些困难；（2）硬件和软件的研究不能割裂开来，硬件的发展需要考虑需求的驱动，也需要软件工具的协助，这样才能提升效率。

针对量子霸权，段润尧老师首先表达了自己对这种表述的不认可，认为很容易让人产生不当联想引发不必要的争议。他接着分享了自己对量子霸权的理解：所谓量子霸权是指对于某个具体的计算任务（可以是目前看起来完全没有任何实用性的完全人为的问题），比较量子计算设备和当前最先进计算能力的超级计算机完成同一任务所消耗的时间，如果量子计算设备比传统的计算机更快地完成任务，我们就可以认为基本实现了量子霸权。段老师指出量子霸权其实是一种比较形象但粗略地度量量子计算的优势的做法，本身没有办法进行严格的定义，因为当前计算机的性能也在不断提升，所以某种意义上量子霸权有点“伪概念”的意味。

当我们用仅包含几十个量子比特的量子计算机和包含上万块 GPU的传统计算机去比较时，其实这已经代表了一场革命，展现了一个不可逆转的技术发展趋势。 将传统计算的“巨人”和量子计算的“婴儿”进行对比，本身就显示了量子计算的巨大潜在优势 。

孙晓明老师指出： 量子计算的原理和经典计算的原理不一样 ，如果能做到几千个 逻辑比特，就能完成很多目前超级计算机都无法完成的情况。但是在未来五到十年，可能大家的目标是做出了含噪的系统（实现物理比特而非逻辑比特），考虑在这种小规模、浅层、含噪的电路上能做什么。类似于上个世纪五六十年代经典计算机科学家做的加法器之类的事情。

最后，应明生老师从 EDA（量子时代应该成为QDA）的角度进行了展开，并指出QDA是一个非常有前景的研究方向。

量子计算相关软件的发展

相比于硬件，量子计算相关软件的发展起来好像更快一些。随着 Noisy Intermediate Scale Quantum（NISQ）计算机（具有约 50 到 100 量子比特和高保真量子门的设备）的出现，开发用于探索这些机器强大能力的算法变得越来越重要。

Google与微软两大巨头在这方面已有应用成果。Google开发的TensorFlow Quantum专注于量子数据并建立混合量子经典模型。它集成了Cirq中设计的量子计算算法和逻辑，并提供与现有TensorFlow API兼容的量子计算原语，以及高性能的量子电路模拟器。微软则发布一种专门针对量子计算机的新编程语言Q#和量子计算开发套件。

那么，国内外量子计算相关软件的发展现状到底如何？量子计算软件开发 VS传统的软件开发有何不同？开发难点在哪里？

对此，应明生教授首先给出讨论明晰了边界，指出量子计算的软件和设计量子计算机的软件（ QDA）是不一样的，然后各位嘉宾进行了发言。

段润尧老师首先介绍了应明生老师的专著《量子编程基础》（ Foundations of Quantum Programming），然后批判了“硬件出来了，软件很容易就会出来了”的误解，进而指出量子计算的相关软件是一个巨大的工程，需要考虑量子的特性，需要既懂量子特性、又懂计算理论的人才，而对应的人才目前基本没有，企业招聘的人员需要先培训才可以开展工作。最后，段老师还补充提到，早在2017年10月，他和应明生老师领导的一个UTS团队就发布了一个基于应老师专著研发的量子编程环境QSI。

孙晓明老师介绍了应明生老师在编程语言、量子编译领域的一整套工作。

马雄峰老师回顾了自己了解量子软件的过程，同时介绍了量子软件从开始到被企业关注的过程。

应明生教授介绍了国外量子软件的研究其实应该开始于 1996年，并进一步剖析，程序的控制流在经典计算和量子计算中是很不一样的，存在经典变量上或者直接去是非常不一样的，要考虑不同的东西，底层的理论也完全不一样。并总结到： 我们可能成不了量子计算时代的阿兰·图灵，但是可能会成为量子时代的比尔·盖茨 。

量子计算机能不能做出来

随着量子计算日渐火爆，各类不同的声音也逐渐出现，量子计算机能不能实现，理论上存不存在问题？现实中能不能实现？各位老师从逻辑、公理、实际进展等角度做出了精彩、深刻的讨论，这一部分尤其精彩，但是考虑各位读者都看好量子计算机，因此不再以文字呈现，感兴趣的读者可以观看我们的视频回放，相信一定可以刷新大家对量子计算的认识。

未来（ Future）=量子计算（QC）+人工智能（AI）

图灵奖得主姚期智院士在 2018年8月的墨子论坛中对未来进行展望时提出“F=QC+AI”，即未来（Future）=量子计算（QC）+人工智能（AI）。利用量子计算和人工智能，我们有可能搭建一个足以匹敌人类大脑的系统，利用我们的知识，创造新的智慧。

目前，世界各地的相关研究团队在探寻未来量子计算与人工智能的交叉方向。量子人工智能的计算能力为人工智能发展提供革命性的工具，能够指数加速学习能力和速度，促进 AI应用发展。而利用人工智能技术（如深度学习框架）也可能突破量子计算研发的瓶颈。

在下一个十年里，人工智能技术与量子计算将会如何互相影响 ?人工智能是否会在量子计算助力下，更迅速地进入到“强人工智能”的阶段?

段润尧老师首先罗列了公众对量子计算机可行性、落地时间等问题的迫切期待，指出了打造量子计算机最基础的两个条件：（ 1）一群聪明的头脑；（2）最先进、最好的技术。

（ 1）需要通过艰苦而漫长的人才培养来实现。至于（2），他认为目前最先进、最好的技术就是以深度学习为代表的AI技术，探讨包括百度飞桨（PaddlePaddle)在内的多个最为重要的深度学习框架在量子计算的应用非常值得关注，因此，量子计算的发展肯定离不开AI技术。另一方面，量子计算可以模拟量子系统，优化大数据的搜索、处理效果，因此，量子计算对AI很有可能有一个很大促进作用。但是，实现强人工智能应该会不太容易，因为强人工智能的定义也还不够明确，但是量子机器学习将是一个很大、很热的领域，因为已经有很多有前景的工作被完成了。毫无疑问，未来十年，AI将会是量子计算一个非常大的发力点，二者是相互纠缠，密不可分的关系。

孙晓明老师补充说：量子计算将会推动 AI的发展，反过来，AI也将会影响量子计算、量子信息，甚至是物理学的发展，可能不仅仅是下一个十年，两个学科可能一直是互相推动。目前，将量子计算应用到AI已经看到了好几个有潜力的研究点，但是理论分析需要认真去做。比对，在围棋或其他有限步终止的棋类游戏中，基于量子计算，能不能从计算复杂性角度确定先手和后手谁有必胜策略？换言之，从做理论的角度，量子计算能不能求解多项式空间完全的问题？做到强人工智能，可能比这个目标还要困难。

马雄峰老师指出，作为一名物理出身的研究者，他个人习惯把所有问题都看作是量子力学。但是人脑到底是量子计算为主，还是经典计算为主？

应明生教授对马雄峰的发言做了补充。目前来看，还没有看到量子计算在逻辑 AI中的应用，但是针对机器学习有很多应用，也有很多优质的工作，如TensorFlow Quantum平台，但是这个思路还需要我们认认真真的思考。量子计算提供了一种不同的计算方式，它必定对AI有帮助，因为前的AI还是计算AI。

目前， AI应该作为一种技术而不是科学，如果把 AI作为科学，我们可能还处于史前期。仔细思考过后会发现，我们现在说计算是智能、推理是智能、设备是智能，但是反过来看，我们从来不知道智能是什么，在这其中，量子计算也许会有帮助。

现在是播种量子巨树的黄金季节

量子计算是一个空前的领域，可以在全新的层面上检验我们的知识体系，但每一个进展都艰难而伟大，最终建立实际的量子计算体系将会是极其重大的挑战。面对挑战与机遇，需要我们保持求知之心，不断完善自己。前人栽树，后人乘凉，而现在正是播种量子树的黄金季节！对于未来，各位老师也给出了精彩的论述。

段润尧老师认为：生命短暂，这导致人们往往不愿意做长远思考。量子力学已经被发现了 100多年，但是我们对这一学科的认识几乎还停在实验室以及仅限于一些神秘的现象，广大人民群众对它几乎没有认识，相对于牛顿力学已经深入人心，量子力学根本没有充分发挥它的实际影响力和价值。他特别提到2007年他在日本京都参加完亚洲量子信息会议（AQIS2007）后在去机场的高铁上邂逅Charles Bennett博士（量子信息领域的奠基者之一），二人随即展开了热烈的讨论。这次印象深刻的讨论之后，他突然明白了量子信息科学可以把以前很多无法直观感受到的微观量子世界中的神秘现象通过计算和通信等方式最终在宏观世界加以展示出来，这将是人类文明的一个重大的进展。因为量子力学是目前我们对这一世界的最精确的刻画，由此打造出来的机器也将代表了计算的极限。我们今天做的事情，还存在不确定性，但是我们不能因为畏难而退缩。现在我们最需要的是投入，既包括年轻人的投入、也包括资金的投入。量子计算的生命之芽已经孕育，它肯定能破茧而出，但是在这之前，需要我们每一个人的呵护（就实现通用量子计算而言，最重要的是要解决纠错问题，目前尚无完整的一个量子逻辑比特被做出来，这个问题一旦取得突破，后续一定会实现指数增长）。

随后，孙晓明老师引用姚期智院士的观点做了总结：“量子计算只差最后一公里路，但是这会是一个非常艰难的，也是需要经过一段时间的最后一公里路”，我们需要前赴后继，不断努力。前景非常乐观，但是需要我们不断的投入，不懈的努力，需要更多的人加入进来，现在是量子计算的”地理dafaxian时代。在量子算法和复杂性领域，著名的量子算法好像很少，两只手都能数得过来，但这是因为做理论研究，要实实在在严格证明出来，要很硬核，要比现有的最好的经典算法更快。此外，量子计算的人才培养还不够，孙老师与段老师、中科院数学所尚云老师一起组织了量子计算的 Winter School，并依托中国计算机学会ADL举办了两次量子计算学科前沿讲习班（CCF ADL88、CCF ADL101），但覆盖的人群还不够多，期待更多相关老师同学能加入量子计算领域，促进学科发展，实现自身价值, 推动科学进步。

马雄峰老师表示完全同意段老师和孙老师的意见。在十几年前，量子计算可能还是黑夜状态，但是今天，量子计算已经到了凌晨，第一缕阳光已经出现，量子计算是一个朝阳行业。

最后，应明生教授做了总结。量子计算已经走过了半个世纪，以后我们还需要继续坚持，今天，行业内的青年才俊做出了出色的工作，量子计算一定是有前途的。

由于活动时间限制，我们对问题没有全部进行解答，后续我们将以文字形式整理出来各位嘉宾对问题的解答，期待大家持续关注 AI Time和各位老师。

编辑：田志远

审稿：应明生、孙晓明、马雄峰、段润尧

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