雷鋒網(wǎng) AI 科技評論消息，12 月 28 日，香港中文大學計算機系任副教授張勝譽正式以騰訊量子實驗室負責人、杰出科學家的身份現(xiàn)身由騰訊 SNG 主辦的 TSAIC 大會。雷鋒網(wǎng)了解到，這是繼賈佳亞、劉威等眾多大牛后，又一位知名學者加盟騰訊。

值得一提的是，本次 TSAIC 大會也是量子實驗室首次浮出水面，張勝譽教授在會場談及了實驗室的籌備進展和未來的規(guī)劃。

面對在座定向邀請的 150 名來自全球高校的學者，張勝譽博士在本次論壇上深入淺出地以「薛定諤的貓」為切入點，闡述了量子計算的定義一些非正式的量子信息（如量子疊加、量子觀察、量子糾纏等），引申到學術上量子計算的主要領域，回顧了量子計算的發(fā)展歷史、現(xiàn)狀以及物理實現(xiàn)，并對未來作出了發(fā)展可能性的探討。

在分享的最后，張勝譽博士表示騰訊啟動量子實驗室的最新動態(tài)，并提及了兩個招聘的主要方向：一個為量子方向；另一個則為 AI 方向。

據(jù)雷鋒網(wǎng)了解，張勝譽本科畢業(yè)于復旦大學數(shù)學系；碩士畢業(yè)于清華大學計算機系，師從應明生教授；博士畢業(yè)于普林斯頓大學計算機系，師從姚期智教授。后在加州理工學院跟隨 Prof. John Preskill，Prof. Alexei Kitaev 及 Prof. Leonard Schulman 做博士后研究?，F(xiàn)在張勝譽在香港中文大學計算機系任副教授，研究方向包括量子計算，算法設計和計算復雜性分析，以及人工智能基礎研究。他在理論計算機會議 STOC/FOCS/SODA/ICALP，量子信息處理會議 QIP，人工智能會議 ICML/AAAI/IJCAI 等上面均發(fā)表多篇文章，擔任 Theoretical Computer Science 及 International Journal of Quantum Information 雜志的編委。

以下為張勝譽在 TSAIC 現(xiàn)場的演講全文，雷鋒網(wǎng) AI 科技評論做了不改動原意的編輯和修改：

張勝譽：謝謝各位學者的到來，今天在這里簡單介紹一下量子計算的發(fā)展。

我們先來看一些最近一兩個月的新聞。第一個是英特爾做了 17 個量子位的芯片，第二個是 IBM，公布 20 位的量子計算機，也宣布了一個 50 位的下一步計劃的。這里還有一些其它的有趣的新聞，比如一家在加拿大的公司 D-Wave，他們最近升級了他們一個 2000Q 的量子計算機，這個 2000Q 的意思就是說它有 2000 多個量子位。在這些新聞中已經(jīng)看到一個現(xiàn)象，像 IBM 和英特爾這樣很傳統(tǒng)的大公司只有十幾位、二十位，但是一個相對年輕的公司卻可以有 2000 多位。我們再看一些更年輕的公司，有一個初創(chuàng)公司 QCI 最近剛剛融了 A 輪 $18M，還有一個公司 1QBit 剛剛融了 B 輪 $45M。這里還有一個新聞說中國最近要投入$10B 的一個實驗室。

我挑出來的幾個新聞，僅僅是發(fā)生在過去 1-2 個月的事情，如果看整個量子計算在過去二十年，一開始沒有那么多新聞，但是最近集中在 1-2 年會發(fā)現(xiàn)很多新聞?？吹礁鞣N各樣的新聞也許你會有一些疑問，會覺得什么是量子計算，量子計算是什么，什么時候我們才有量子計算機在手里，什么時候可以買一臺。如果真有這樣的計算機，是不是把我們手里的計算機扔掉，騰訊開展什么方面的量子計算機的研究。

我們倒回到歷史，大概一百年前，去看一下整個量子力學的發(fā)展。其中有一個很有名的，可能每一位在座的都聽到過的一個思想試驗。這里假設有一個貓，圖片右邊有一個小錘子，錘子可以砸碎下面的毒藥，打碎毒藥瓶，這個毒藥釋放出來，這個貓就被毒死了，如果沒有砸碎毒藥瓶，這個貓會活著。但是量子物理似乎在說，可以讓錘子處于落下來和不落下來的疊加狀態(tài)，也就是說，這個錘子可以同時落下和沒有落下，這導致的結果是這只貓同時處于生和死的狀態(tài)。這對經(jīng)典物理來說是非常難以理解的事情。

這個現(xiàn)象就是疊加態(tài)（Superposition），是說一個系統(tǒng)可以同時處于兩種不同的狀態(tài)的疊加中。

現(xiàn)在我們再換一個角度看這只貓。因為我不知道它是生還是死，我想去看一眼。我們平時所謂的看到、聽到，如果在物理上，都是一個觀測的過程，也就是說，我們觀察一個東西，實際上在對這個系統(tǒng)進行測量。跟我們日常生活的宏觀世界感知不一樣，微觀現(xiàn)象中觀測本身有兩個很奇怪的性質。第一個是如果你對同一個，確定的量子狀態(tài)進行多次觀測，可能會得到不同的答案. 也就是說，即使用完全一樣的觀測去看那只貓，可能這次你觀察這個貓是死的，下次看到這個貓是活的。對于同樣確定的東西，如果我觀測兩次，會得到完全不一樣的結果。

還有一個很奇怪的性質，如果你觀測到它是死的，你改變了原來這個貓即生又死的狀態(tài)，它就真的變死了，如果觀測它活著它就真的活了。當你觀測這個東西的時候會改變這個物品本來的狀態(tài)。如果真的宏觀世界是這樣，那將是件很麻煩的事情。比如你想量一下自己的身高，發(fā)現(xiàn)每一次量完都不一樣，本來你以為你是 1.8 米，你量完發(fā)現(xiàn)結果是 1.7 米，而且量完以后真的變成 1.7 米了，這時候你就會很頭疼?？磥砹孔游锢硎澜鐣尸F(xiàn)出跟宏觀物理世界很不一樣的東西。

大家還會聽到一個概念叫「糾纏」，就是兩個粒子之間在很強的意義下不可分：即使你們把這兩個粒子分別放到非常遠的地方，對其中一個粒子進行操作，會改變另外一個粒子的狀態(tài)。

下面簡單說一下量子計算研究從學術界的角度看有哪些重要的領域。首先一個是量子算法，在這個領域中，我們關注如何去設計有效的量子算法，使得這些算法需要花的時間要遠遠短于經(jīng)典算法花的時間。一個相關的領域是計算復雜性的問題：我們想知道量子計算機最終研制出來之后到底計算能力有多么強，在那些問題中它有很大的作用，哪些問題中沒有那么大的作用。還有一個領域是糾錯：如果真的做量子計算機實現(xiàn)，好的糾錯方案往往是是不可避免的。還有量子計算機一開始就帶來很大的影響的一個領域是密碼學。如果有量子計算機，可能會攻破現(xiàn)有的密碼體系。量子相關的密碼學也包括我們要設計一些新的密碼體系，可能是量子的，也可能是經(jīng)典的，使得即使是量子計算機也無法攻破。另外，如果將量子計算機做得越來越好、越來越大，就不可避免的產生編程問題，我們希望設計高級的語言，研究如何把高級的語言變成一個低級語言描述，軟硬件當中怎么來結合，這都是在學術界比較關注的問題。

下面再簡短的展開一下剛才說的這幾個領域里面的第一個領域，也就是量子計算。假設以這條線為時間軸。1981 年到 1982 年 Feymann 第一次提出量子計算機的概念：既然用經(jīng)典的計算去模擬量子系統(tǒng)會發(fā)生指數(shù)差的問題，為什么不干脆做一個量子計算機，這樣可以反過來達到快速計算的效果。1985 年 Deutsch 形式化了量子圖靈機的概念，1993 年 Berstein-Vazirani 研究了量子圖靈機上的一些基本復雜性問題，Yao 研究了量子電路的復雜性問題，把量子圖靈機轉成我們比較熟悉的量子電路的概念。1994 年 Shor 提出了大數(shù)據(jù)分解和算法，這是我們比較熟悉的。1995 年 Shor 還提出了一個量子糾錯碼。1996 年 Grover 發(fā)現(xiàn)可以用量子計算機進行大量快速搜索，在密碼里面有廣泛的應用。搜索這件事情，肯定是到處都會建造一個任務，所以對于一個搜索這樣一個一般的而且沒有任何結構的問題都可以加強，這大大提高了量子算法的可應用型。再之后到 2003 年，Ambainis 和 Szegedy 做了量子隨機游走算法，為后面的學者提供了量子算法的新方法。2009 年幾位科學家研究怎么解線性系統(tǒng)，線性系統(tǒng)有著的廣泛應用，但是這個算法并不是把所有的變量解全部輸出出來，而是把解壓縮到一個小的空間中。最近出現(xiàn)了越來越多的量子機器學習的有趣研究。

下面想講一些經(jīng)常聽到的概念，這些概念有一些是正確的，有一些可能不是那么精確。剛才我說到疊加態(tài)的事情，疊加態(tài)，本身就是帶來了自然并行的能力，這當然很好。但這并不是說，可以把搜索空間讓量子計算機并行搜索，然后把正確解的那一個分支拿出來這么簡單。在整個量子系統(tǒng)演化當中，它必須遵循量子物理的規(guī)律，其中一個就是整個確定性演化過程是一個酉變換。再加上之前提到的觀測的不確定性和破壞性，給量子算法的設計帶來很大挑戰(zhàn)。量子算法設計的過程，基本上是你想辦法去利用量子并行的能力，然后需要去克服由于酉變換和測量給你帶來的麻煩。

我們有時也會聽到一些概念不是很準確，比如說糾纏態(tài)可以實現(xiàn)瞬間的信息傳輸。這個問題的答案現(xiàn)在很清楚，我們其實不能利用糾纏進行瞬間的信息傳輸，對兩個糾纏的粒子中的一個進行測量確實會影響另外一個的狀態(tài)，但是這個測量結果的隨機性我們沒法控制，我們也沒有辦法用這個來傳輸我們想要傳輸?shù)男畔ⅰ?/p>

另外一個常見的不準確的說法是量子計算機可以快速解決 NP-complete 的問題。這個我們并沒有絕對確定性的答案，但是絕大部分學者認為這個事情是做不到的。當然我們還沒有嚴格地證明，事實上，如果能證明這個，那么它馬上就能推出 P 不等于 NP，而這是計算機科學中最大的一個 open problem。所以我們可以想像，想證明量子計算機不能多項式時間解決 NP-complete 問題，將會是一個非常難的問題。

下面再講一下量子密鑰分配的問題?；旧?，任務是生成隨機數(shù)分配給雙方，使得如果中間有人竊聽，通訊雙方會發(fā)現(xiàn)這件事情，通訊雙方就會放棄使用這一對密鑰。當然現(xiàn)實應用中需要結合身份認證，不過總的來說，量子通信及其再密鑰分配上的應用比量子計算走得超前，市場上也可以買到量子密鑰分配的產品。

一個有趣的方向是量子模擬如果有了量子計算機，我們可以用這個量子計算機來模擬量子系統(tǒng)，這會大大改變整個人類探索微觀世界的根本方式。這在將來在化學，材料，制藥等問題上有相信會有跟以前不一樣的辦法，產生比較大的幫助。

還有一些其他的研究領域，比如說信息領域，研究編碼解碼，信道容量等問題，量子精準測量希望可以對時間和空間上進行非常精準的測量。最后還有量子相關的機器學習和智能領域。

我們可能都想看看現(xiàn)有的量子計算機長什么樣。這是 D-Wave 的機器，都封裝到一個大機箱里面了。一回會看到更多的圖片，但是這里先談一個問題，為什么這樣一個公司可以做 2000 位，而很多傳統(tǒng)的大公司只能做 10 幾、20 位呢？因為做量子計算機基本上有兩個不同的目標，一個是要做一臺專用機，這個機器只能處理一些特殊的事情，比如說目標是某一類優(yōu)化的問題。另一個不同的目標是做通用機，實現(xiàn)通用電路。這個目標非常高，可以想象，一方面要量子比特之間交互，另一方面還不許他們和外界環(huán)境有交互。這本身是優(yōu)點矛盾的事情，工程工藝實現(xiàn)上很有挑戰(zhàn)。在實現(xiàn)的條件上很苛刻，比如很多實現(xiàn)方案要求超低溫。所以整個通用量子計算機實現(xiàn)是個非常艱辛的事情，從二十年前就一直做這個事情，也一直有比較穩(wěn)定的進展，可喜的是最近的三五年能明顯看到一些加速的跡象。也出現(xiàn)了越來越多的實現(xiàn)方案，有一些現(xiàn)在看起來跑得更快一些，當然最終哪個能成為贏家現(xiàn)在預言還有點為時過早。我們可以看看更多的 IBM 和 Google 公布的圖片。其實這是給芯片做冷卻的裝置。這一張圖是從 IonQ 的報道中取的，IonQ 應該是做離子阱最好的技術團隊之一。

這是今年 8 月份的一個總結（見 PPT），可以看到大概的業(yè)界發(fā)展現(xiàn)狀。這張 slide 是總結量子位數(shù)。右上角是通用機，右下角是專用機，左邊是模擬機的。這里我們應該注意不應該只是簡單比較有多少位，因為除了要有這么多的量子位排在那里，還要看能實現(xiàn)的電路有多深，可以進行怎樣的操作，電路的連接程度怎么樣，產生的狀態(tài)可以保存多長時間，等等。基本現(xiàn)狀是，現(xiàn)有的通用量子計算機還是比較小規(guī)模的幾十位，對差錯的控制還有待進一步提高。大家還在努力一點點把這個做得越來越好。

整個工業(yè)的現(xiàn)狀，大家是比較關注的，也看到很多未來得應用，有的應用在 3-5 年之后就有有一些小規(guī)模的原型出現(xiàn)。

從投入來說，各國在量子計算機投入很大，比如去年歐盟推出一個 Billion 的研究計劃，北美大概也是這樣的量級，中國也開始有打的投入大家都投入到這場人類改變認識自然方式的革命中。

我們經(jīng)常聽到不同的對量子計算機的語言，我們認為量子計算機可以改變人類認識自然的方式，如果將來大量用量子計算機，確實會有非常革命性的顛覆式的變化，但是它不會取代經(jīng)典計算機，至少目前看來，很多實現(xiàn)條件都太苛刻而且昂貴。但是截止到目前，看不到任何本質上的跨不過的坎，所有問題都在工程工藝上?，F(xiàn)在各國都在投入，也有很多公司加入，我相信這些力量一定會推動量子計算機最終實現(xiàn)。所以總的來說，前途是很光明的，但是道路是很曲折的。這里我覺得要避免兩個極端，在短期來說，可能不會 6 個月或者一兩年就能造出一個大型的量子計算機，解決一個不得了的問題；這個事情沒有那么簡單，比公眾想象的更加困難。但是長期來看也不應該那么悲觀，有人覺得十年甚至五十年也做不出來什么，我覺得太悲觀了?？萍嫉陌l(fā)展突破有時候難以預料，而且關鍵環(huán)節(jié)一旦突破，發(fā)展會非常迅速。

剛才主持人也介紹了，騰訊準備啟動量子實驗室，我們希望招聘到跟量子相關的算法、復雜性、通訊、模擬、量子物理、量子化學等等各方面的人才。

另外我們也很看重量子力學和人工智能的結合?？赡苡幸恍奈锢碇羞^來的想法，這些想法是完全可以實現(xiàn)在經(jīng)典量子計算機上，如果有人喜歡做 AI、喜歡做機器學習中的基礎問題，但是又想多一些理解和多一些本質性的突破，也希望加入我們，大家一起來研究探討這個問題。

最后是我們的聯(lián)系方式。謝謝大家！

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。