蒲慕明 王玲撰文知识分子来源史聪一校译余其身翻译

姚期智院士专访:量子计算的未来 | NSR专栏

图片来源:pixabay.com

本文由机器之心经授权转载自知识分子(ID:The-Intellectual ),未经授权禁止二次转载。

近年来,量子计算和量子计算机在科学界和工业界都引起了大量关注。科学家们期望利用材料的量子性质,来打破传统计算机小型化的摩尔定律,进而建立起新型的量子计算机。量子计算这一概念是著名物理学家理查德·费曼(Richard Feynman)在1981年首先引入的。该领域的早期创始人之一,图灵奖获得者姚期智先生在1993年曾为量子计算理论基础的建立做出过核心贡献。自2011年起,姚期智担任清华大学量子信息中心(CQI)创始主任,旨在将后者打造成为世界级的量子计算研究中心。在近期与《国家科学评论》(National Science Review, NSR)的一次对话中,姚期智细数了量子计算的历史,并表达了他对该领域未来发展的看法。他认为,量子计算机擅长的任务包括新材料设计、药物设计以及化学反应模拟等方面,但在传统计算机已经被证明高效的领域,是不太可能取而代之的。


NSR:量子通信和量子计算受到媒体的广泛关注。二者是两个不同的概念吗?

:量子通信和量子计算是两个相互关联,但是彼此独立的概念。量子计算所需的技术更为高级。驱动量子通信发展的主要目标是为保密通信建立密码学保障,在量子通信中,从一地到另一地的待传送信号不必是高度准确的。但量子计算却要求信号的高准确性。在过去十几年中,谷歌等大型公司开发出了一些量子计算相关的新兴技术。一般的看法是,可用的技术将在未来五六年中出现。量子计算的理论基础在20年前就已经建立了,现在的问题是如何实现它。

挑战计算机小型化的摩尔定律

NSR:量子计算已然成为热点话题。它的基本原理是什么?

:半导体电路小型化的快速发展使得传统计算机的性能不断提升。然而,这个小型化存在一个固有极限——当芯片上电路元件的尺寸缩小到纳米尺度时,量子力学效应将会占据主导地位,并影响元件的性能。这将是摩尔定律的终点。(译注:摩尔定律认为在价格不变的前提下,集成电路上可容纳的元器件数目每隔18-24个月增加一倍,其性能也提升一倍。)

对于传统计算机来说,这是不可避免的命运;但是科学家们已经开始考虑,能否把这种情况下有害的量子现象转变为有益的——构建一个利用由薛定谔方程描述的量子力学逻辑进行计算的计算机,而不再是利用布尔逻辑进行计算的传统计算机。量子计算机这个理念是费曼在1981年首次提出的。他说,原则上,人们可以设计一种计算机,该计算机通过量子力学特性来工作,模拟量子系统并采用量子方程得到解。费曼的这个理念在学术领域吸引了很大重视。

姚期智 ,清华大学交叉信息研究院院长

传统计算机通过集成电路利用双值布尔逻辑(0和1)发挥功能。其计算是:把由比特表示的输入点映射到更高层次,通过多重映射,得到输出点以提供最终解。然而,量子计算机的量子比特可以表示1、0或者这两个态的任意叠加。量子计算机系统的计算类似于固体的旋转;在这个类比中,量子计算机的计算结果类似于测量固体旋转所得到的读数(旋转角度可以是连续的任意角度)。传统计算机的一个操作,对应一个确定的路径;量子计算机的一个操作,可以沿着多个计算路径进行,而最终达到的是同一个目标,因为量子波函数允许在同一时刻存在多个态。这个现象就是量子并行性。量子并行计算是量子计算机的速度可以远快于传统计算机的关键原因。

NSR:就硬件设计而言,传统计算机与量子计算机的主要区别是什么?

量子计算机是一个相对闭合的系统;其计算几乎能够做到瞬时完成。基本上,量子计算机表现得十分“羞怯”:一经查看,计算就会被打断并停止。此外,量子计算机是非常复杂的系统,其涉及到多重前沿性技术。例如,量子计算机的存储单元、多个单元之间的通信、量子比特态的调制等,都需要用到激光器。就量子计算机的材料与制造工艺而言,其不仅代表着过去三四十年中诸多先进技术的集成,还涉及到各学科间的紧密合作。

NSR:量子现象的不确定性会影响量子计算的精度吗?

:会的,但是一个不确定的答案并不一定是错误的。事实上,有些量子计算总是能够得出正确的答案。而且就实际计算而言,有一些误差是可以被接受的,无需100%精确。

从理论到实践

NSR:量子计算机的概念早在1980年代初期就已经出现,但在之后几十年中似乎进展缓慢。

:的确如此。在费曼提出这一理念后,主要是物理学家在进行深入的理论探索。直到上世纪90年代初期,在物理学家基本上阐明了量子计算机的运行机制后,计算机科学家才开始进入这一领域——我本人也是其中之一。1994年,贝尔实验室的Peter Shor设计了破解密码的量子计算算法,引发了计算学界的广泛兴趣,美国政府和美国宇航局开始投入这一领域。多个相互竞争、尝试制造第一台实际量子计算机的研究团队也开始出现。

NSR:从那时开始,主要的进展有哪些?

:自那之后的主要工作是对实现量子计算机的方案进行探讨和选择。在过去十几年里,为制造量子计算机,科学家们尝试了各种材料,例如离子阱、超导体和钻石。最近,拓扑绝缘体也因其自身优异的可校正功能而成为备选之一。但是前面还有很长的路要走,主要困难之一是保持功能态的超低温度。

NSR:您认为第一台量子计算机将在何时出现?

:许多人预测第一台量子计算机将在未来五六年中出现,但我认为,要制造出能够在数千量子比特水平上进行可靠计算的量子计算机,绝非易事。谷歌和IBM等大公司都在量子计算机研发上斥入巨资。特别是谷歌,它招募了该领域中最重要的专家John Marinis以及他在加州大学圣芭芭拉分校的整个团队,而他们的研究进展良好。

NSR:在您的倡议下,清华大学在2011年建立了量子信息中心(CQI),这个中心的目标是什么?

:我们的目标是打造量子信息的世界级中心,并为该领域培养下一代科学家。因此,我们的当务之急就是招募高质量研究人员,例如我们招募到的美国密西根大学费米讲席教授段路明。过去几年里,他在我们中心做出了优秀的工作。他的团队研究的钻石色心量子计算在同行业中保持前列。他们还采用固体自旋实现了普适几何量子门 [Zu C, Wang W-B, He L etal. Nature 2014; 514: 72-75]。

NSR:采用钻石系统的优势是什么?

:钻石系统有两个优点:其一,它可以在室温下运行;其二,它具有固态晶体结构,如果系统能在几个量子位水平表现良好,就有可能扩展到更大的尺度。除了钻石系统,我们中心也在进行离子阱、超导体ƒ和光子网络的研究,而且正在做出很好的进展。

不止于量子计算

NSR:量子计算机性能卓越,它们是否将会替代传统计算机?

:我认为传统计算机和量子计算机将会共存,因为二者各具优势。传统计算机具有量子计算机尚不具备的准确性和成熟度。但相比于传统计算机,量子计算机将在解决涉及量子力学效应的问题上具备优势。例如,在材料设计、药物研发和物理化学领域,量子计算机将会展现出优势,而使用传统计算机则很难解决这些问题。

NSR:量子计算机的硬件和软件都与传统计算机有很大不同。目前的主要挑战是什么?

:量子计算是一个典型的跨学科领域,需要相关领域的科学家与工程师密切合作,尤其是量子物理学家与计算机科学家之间的合作。算法的突破将激发硬件的改进,反之亦然。例如,我在上文中所提到的Peter Shor教授,他不仅证明了量子计算可以解决密码破解的问题,还解决了量子计算中的误差修正问题。正是基于他的这一研究,物理学家们开始确信量子计算机的可行性。而当量子计算机发展到一定阶段,将会需要计算机科学的变革。传统计算机的数据存储、运算系统和编程语言都需要被重新设计。目前尚不清楚这将怎样完成,但这是一个重要的研究方向。许多IT行业的领军公司早已构建了大量的项目来发展量子软件。

量子计算方法和算法的研究是一个具有巨大潜力的领域。过去数十年中已经出现了多个优雅的计算方法,理论上都很有吸引力。我希望看到更多与实际相契合的量子计算方法出现,诸如用于材料设计的方法。

NSR:量子计算机似乎需要科学和制造技术的共同发展?

:没错。我已经强调过,在中国,制造量子计算机的重要性远远超过只研究量子计算——因为这将带动相关技术行业的发展。与中国登月计划类似,这种大工程将激发科学家和工程师的潜力,他们会为了求解特定问题而创造出新方法和新技术,这些方法和技术可以在工业发展、国家安全等诸多领域中做出有益于社会的贡献。70年前,中国错过了占据微电子学高地的机遇;希望我们这次不会错过发展量子计算机的机遇。现在全球很多国家都大力投入量子计算,以期未来在这一领域中占据领先位置。

在进行实际实验时,还会有一些眼前的顾虑。例如,适合于量子计算机的钻石材料依赖于国外进口。当竞争变得更加激烈,其它国家可能会拒绝将材料出售给我们。如果我们不自力更生发展这些材料,未来将很容易受到限制。另外,在该领域工作,无法在短期内发表个人评价和职位晋升所需的文章。除非我们改变现有的评价体系,否则很难激励研究人员从事这种基础性研究工作。这些都导致了我们目前仍然依赖于进口的材料和技术。

“姚班”与计算机科学的创新教育

NSR:您为改进中国的计算机科学教育付出了巨大努力。而清华“姚班”也已经成为培养年轻学子的典范。姚班是怎样诞生的?

:2005年,我与时任微软亚洲研究院主任沈向洋进行了一场关于中国计算机科学高等教育的深入探讨。我们都认为中国有很多优秀的学生,但是由于课程设置和教育方式的问题,他们中的大多数人都落后于美国学生。即使是那些赴美攻读更高学位的顶尖中国学生,也会由于在本科阶段缺乏对独立和深度思考能力的培养,而不得不在研究生期间经历一个艰难的过渡期。而这种不足的另一个反映是:在获得美国终身教职的计算机科学领域研究者中,华裔的数量远远少于印度裔。在经过广泛讨论和细致考虑之后,我们决定在清华大学建立一个新模式,来培养在计算机科学领域具有天分的本科生。

NSR:您怎样为姚班选拔学生?

:我们每年都会为清华大学的新生举行一场自选性质的入学考试,选拔大约30个学生;他们大多为新生中的尖子生,或是数学、物理和信息科学的国际奥林匹克竞赛获奖者。

姚期智教授给姚班上课(图片由姚期智提供)

NSR:姚班的课程设置有什么特别之处?

:首先,我们加强了计算机算法课程。这是美国计算机科学专业的本科课程,但在中国的大多数高校中还未开设。其次,我们主要从课程的质量而非数量出发,来优化课程设置。中国的本科教育倾向于设置大量课程以使学生获得学分,而不是鼓励他们进行深入研究。我们的新教学方法强调发掘学生的天赋和潜力。在我们的课程设置中,包括了最新的挑战性课程,这些课程由我们聘请的最好的教授来讲授。我们也通过研究课题来激发学生的兴趣和想象力。最后,姚班的全部课程都采用英文教学,并为所有学生提供去国外交流一个学期的机会。这些努力的结果便是:在本科一二年级时,姚班的许多学生就能提出很好的问题,并能够持续对自己所提出的问题进行研究。而到本科三四年级的时候,他们就具备了做研究的能力,甚至达到了研究生的水平。这一点是非常值得我们骄傲的。

NSR:这着实令人钦佩。但是,有资质的导师同样也很重要?

:事实上,在这一点上我们不同于其它大学。姚班的大多数教授都很年轻;他们非常具有创造性,并且乐于与学生互动。在教学之外,他们也对本科生的研究进行指导。

NSR:研究生的教学情况如何?

:研究生院的培养着重于研究。教授们开设与其自身研究领域相关的高级课程。院方希望学生们学习自己导师的课程,并与他们一起工作。也就是说,研究生的培养方法与全球其它地方并无二致。研究生培养的质量如实地反映了研究院的质量。在我们院(交叉信息学研究院,IIIS),我们尽职尽责地建立了一个高质量教研团队,在教学和研究两方面都获得了极高的声誉。

计算机科学的交叉未来

NSR:跨学科研究和跨界创新在全球都是一个新趋势。对于计算机科学也是这样吗?

:是的,这是不可避免的。正是由于预见到这一趋势,我们早在2011年就在清华大学建立了IIIS,这可能是全世界第一批交叉研究机构之一。你们可能知道,在过去近半个世纪中,计算机科学是一个有些闭门造车的学科,主要致力于研究领域内部的问题,积累了大量理论和知识。过去十几年来,情况发生了变化。随着互联网的快速发展,计算机科学的许多技术突然变得非常有用起来。例如,计算机科学领域中有一个叫做分布式计算的分支学科,它能够保证计算系统的稳固性和准确性。几年前,区块链概念逐渐流行,并在金融系统中得到了广泛应用,而它正是对分布式计算的改进和应用。对于计算机科学家而言,这是一个黄金时代——他们的研究能够走出象牙塔,对世界产生巨大冲击。这也将改变我们对于研究成果的评价准则。

NSR:在其他许多领域,类似的变化也正在发生。神经科学和计算机科学之间也有越来越多的交叉。作为中国2030主要前沿科学计划之一的“中国脑计划”即将启动,其中有很多内容与新的计算方法和基于大脑信息处理原理的算法相关。

:这个领域很有前景。脑科学涉及多层次和多方面的探索,而且脑科学和计算机科学都关心学习问题。AlphaGo已经击败了最出色的人类围棋手,但是,我们距离理解人类的大脑学习过程仍然很远。这个困难问题也许可以通过这两个领域之间的融合来解决。

NSR:这个问题确实是中国脑计划的目标之一。类脑智能研究着重于把脑特征集成于机器学习,旨在超越大多数当前范式的监督学习模型,例如需要大量数据组和计算功率的深度学习网络。

:对于进入该领域的不同学科的科学家而言,这也是个挑战,也正是我们需要交叉研究和跨学科合作的原因。

个人回顾

NSR:对于您的个人经历,我们同样备感兴趣:您总是处于计算机科学的前沿,这是如何做到的?

:在我转行进入计算机科学之前,我曾从事物理学研究,并获得哈佛大学物理学博士学位。物理学是一门问题驱动型的科学,有助于研究人员养成开放性思维习惯。在进入计算机科学领域之后,我沿袭了这一习惯:首先找出核心问题,然后尝试找出适当的解决方法。

在1975年获得计算机科学博士学位后,我开始研究计算理论和复杂性问题,并取得了一些成绩。1980年前后,个人计算机和计算机网络的计算方案开始发生改变,我意识到网络安全和密码学是重要课题。于是我及其他科学家建立了基于复杂性理论的密码学体系,这是计算机科学领域中的一项重要成果。

1990年前后,我注意到物理学家们正在研究量子计算机。我发现这个想法非常有趣。它开始引导我涉足量子计算和量子通信,于是我也在这些新学科里做出了一些贡献。

NSR:您最近的研究兴趣是什么?

:除了量子计算之外,我最近还对计算经济学感兴趣,尤其是拍卖理论——包括人们在拍卖市场中的行为模式,以及拍卖市场的特性。在过去10年里,计算机科学家开始加入经济学家的行列,使拍卖理论成为一个新的交叉领域。通过对拍卖机制和策略的设计与分析,我们能够建立数学公式,来描述为达到特定目标而采取的最佳市场法则和拍卖机制。

NSR:您放弃美国国籍,获得了中国公民身份。您为何会做出这个决定?

Yao:这是一个非常自然的决定,我非常高兴能够成为一名100% 的中国公民。我已经在清华大学工作了14年,深切体会到了与这里的同事和学生一起收获成果的喜悦。

蒲慕明:中国科学院神经科学研究所所长,NSR执行主编;王玲:NSR特约撰稿人。

版权声明

英文原文发表于《国家科学评论》(National Science Review, NSR )2018年第4期,原标题为“Andrew Chi-Chih Yao: the future of quantum computing”。NSR是科学出版社旗下期刊,与牛津大学出版社联合出版。《知识分子》获NSR和牛津大学出版社授权刊发该文中文翻译。

本文由机器之心经授权转载自知识分子(ID:The-Intellectual ),未经授权禁止二次转载。

原文链接:https://mp.weixin.qq.com/s/7FaCU3D9OCRSpupPhMLRyA

理论姚期智摩尔定律量子计算
2
相关数据
微软亚洲研究院机构

微软亚洲研究院于1998年在北京成立,是微软公司在亚太地区设立的基础及应用研究机构,也是微软在美国本土以外规模最大的一个研究院。微软亚洲研究院从事自然用户界面,智能多媒体,大数据与知识挖掘,人工智能,云和边缘计算,计算机科学基础等领域的研究,致力于推动计算机科学前沿发展,着眼下一代革命性技术的研究,助力微软实现长远发展战略。通过与微软产品部门紧密合作,微软亚洲研究院将众多创新技术转移到了微软的核心产品中,如Office、Windows、Azure、Bing、Visual Studio、Xbox Kinect以及小冰、Cortana和Microsoft Translator等人工智能产品。

https://www.msra.cn/
英特尔机构

英特尔是计算创新领域的全球领先厂商,致力于拓展科技疆界,让最精彩体验成为可能。英特尔创始于1968年,已拥有近半个世纪产品创新和引领市场的经验。英特尔1971年推出了世界上第一个微处理器,后来又促进了计算机和互联网的革命,改变了整个世界的进程。如今,英特尔正转型成为一家数据公司,制定了清晰的数据战略,凭借云和数据中心、物联网、存储、FPGA以及5G构成的增长良性循环,提供独到价值,驱动日益发展的智能互联世界。英特尔专注于技术创新,同时也积极支持中国的自主创新,与产业伙伴携手推动智能互联的发展。基于明确的数据战略和智能互联全栈实力,英特尔瞄准人工智能、无人驾驶、5G、精准医疗、体育等关键领域,与中国深度合作。面向未来,英特尔致力于做中国高价值合作伙伴,在新科技、新经济、新消费三个方面,着力驱动产业协同创新,为实体经济增值,促进消费升级。

https://www.intel.com/content/www/us/en/company-overview/company-overview.html
相关技术
微软机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
沈向洋人物

微软全球执行副总裁,美国工程院院士。

区块链技术

区块链是用分布式数据库识别、传播和记载信息的智能化对等网络, 也称为价值互联网。 中本聪在2008年,于《比特币白皮书》中提出“区块链”概念,并在2009年创立了比特币社会网络,开发出第一个区块,即“创世区块”。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

神经科学技术

神经科学,又称神经生物学,是专门研究神经系统的结构、功能、发育、演化、遗传学、生物化学、生理学、药理学及病理学的一门科学。对行为及学习的研究都是神经科学的分支。 对人脑研究是个跨领域的范畴,当中涉及分子层面、细胞层面、神经小组、大型神经系统,如视觉神经系统、脑干、脑皮层。

阿尔法围棋技术

阿尔法围棋是于2014年开始由英国伦敦Google DeepMind公司开发的人工智能围棋程序。AlphaGo是第一个打败人类职业棋手的计算机程序,也是第一个打败围棋世界冠军的计算机程序,可以说是历史上最强的棋手。 技术上来说,AlphaGo的算法结合了机器学习(machine learning)和树搜索(tree search)技术,并使用了大量的人类、电脑的对弈来进行训练。AlphaGo使用蒙特卡洛树搜索(MCTS:Monte-Carlo Tree Search),以价值网络(value network)和策略网络(policy network)为指导,其中价值网络用于预测游戏的胜利者,策略网络用于选择下一步行动。价值网络和策略网络都是使用深度神经网络技术实现的,神经网络的输入是经过预处理的围棋面板的描述(description of Go board)。

映射技术

映射指的是具有某种特殊结构的函数,或泛指类函数思想的范畴论中的态射。 逻辑和图论中也有一些不太常规的用法。其数学定义为:两个非空集合A与B间存在着对应关系f,而且对于A中的每一个元素x,B中总有有唯一的一个元素y与它对应,就这种对应为从A到B的映射,记作f:A→B。其中,y称为元素x在映射f下的象,记作:y=f(x)。x称为y关于映射f的原象*。*集合A中所有元素的象的集合称为映射f的值域,记作f(A)。同样的,在机器学习中,映射就是输入与输出之间的对应关系。

监督学习技术

监督式学习(Supervised learning),是机器学习中的一个方法,可以由标记好的训练集中学到或建立一个模式(函数 / learning model),并依此模式推测新的实例。训练集是由一系列的训练范例组成,每个训练范例则由输入对象(通常是向量)和预期输出所组成。函数的输出可以是一个连续的值(称为回归分析),或是预测一个分类标签(称作分类)。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

摩尔定律技术

摩尔定律是由英特尔创始人之一戈登·摩尔提出来的。其内容为:积体电路上可容纳的电晶体数目,约每隔两年便会增加一倍;经常被引用的“18个月”,是由英特尔首席执行官大卫·豪斯所说:预计18个月会将芯片的性能提高一倍。

动量技术

优化器的一种,是模拟物理里动量的概念,其在相关方向可以加速SGD,抑制振荡,从而加快收敛

分布式计算技术技术

在计算机科学中,分布式计算,又译为分散式運算。这个研究领域,主要研究分布式系统如何进行计算。分布式系统是一组电脑,通过网络相互链接传递消息与通信后并协调它们的行为而形成的系统。组件之间彼此进行交互以实现一个共同的目标。

布尔逻辑技术

布尔逻辑得名于乔治 · 布尔,他是爱尔兰科克的皇后学院的英国数学家,他在十九世纪中叶首次定义了逻辑的代数系统。现在,布尔逻辑在电子学、计算机硬件和软件中有很多应用。在 1937 年,克劳德 · 艾尔伍德 · 香农展示了布尔逻辑如何在电子学中使用。

暂无评论
暂无评论~