对话腾讯量子张胜誉：量子计算需要扎实严肃的推进科技

光子盒研究院

「光是遇见就很美好」——”光遇“是光子盒开展的一项全新栏目。在这里，我们将邀请量子等硬科技业内专家学者、企业高管，围绕技术创新、行业应用以及产业发展等相关主题进行采访交流，切身探讨行业内的机遇与挑战。

一直以来，腾讯董事会主席兼首席执行官马化腾在公开讲话中多次强调企业参与基础科学研究的重要性。

这些年，腾讯持续加大基础科学研究投入，构建了人工智能(AI)、大数据(Big Data)和云计算(Cloud Computing)的新ABC核心技术布局，还在量子计算、机器人、5G等领域频频落子，以探索前沿技术对产业发展可能带来的积极影响。

2018年，腾讯提出了用“ABC2.0”技术布局(AI、Robotics、Quantum Computing)——即利用人工智能、机器人和量子计算，构建面向未来的基础设施，探索推动以技术服务B端实体产业。为了加强量子计算技术的应用，构建产业生态，腾讯先后发布高效量子模拟开源软件Tensor Circuit、高性能量子计算化学软件包TenCirChem；自研量子参量放大器、优化量子电路......

这一切成就，都离不开其背后的量子团队。2018年初，香港中文大学著名量子理论计算机科学家张胜誉教授受邀加入腾讯，担当起组建和领导腾讯量子实验室的重任。

张教授也是腾讯为数不多的T5级科学家。

 此次，光子盒特邀腾讯量子实验室的负责人、腾讯杰出科学家张胜誉，共同从量子计算算法及软件的角度，对相关业务进行了更深层次的讨论。

要点一览

1）腾讯量子实验室的布局，一部分是推动基础科研，一部分是探索行业应用。

2）领域里NISQ量子算法研究可以更加严肃和深入。

3）科研成果如果真的想在现实世界/工业界中有一些应用，行业间的深入交流很重要。

4）整个AIGC未来会对量子科研会起到非常大、非常深远的影响。

5）做基础科技研发，长期来看是一定是需要踏实认真、实事求是的。

光子盒

请介绍一下您的职业背景？

我本科学的数学专业，之后硕士、博士转到计算机专业，做的也跟量子计算有关。之后在香港中文大学做了9年多老师，2018年1月加入腾讯，组建量子实验室，现在也在持续管理这个实验室。

张胜誉

从2018年1月我加入至今，腾讯量子实验室的创建已经有了五年半时间。我们希望能够创造一个国际一流的量子计算科研和产业体系。

有实验室这个平台之前，我个人在量子计算上的兴趣是始于数学角度的，做量子算法的设计、量子复杂性的分析等。在量子实验室平台搭建中，有意识的拓宽到物理、化学、生物、医药、材料等量子计算可能的应用方向，从量子计算的数学角度开始慢慢蔓延出来的很多其他学科有关的研发工作。

光子盒：是什么契机，让腾讯开始投入量子领域研发？

张胜誉：可能一开始确实是一个模糊的感知，大概是2015年到2017年这几年，量子科技蓬勃发展，相关的报道也越来越多，也会讨论到量子在未来可能产生的颠覆性的影响。同时也能看到国外的一些头部互联网和IT公司，像谷歌和IBM等，很早开始布局、成果也逐渐显现，行业中也开始涌现出一些初创公司，一个行业正在形成。

腾讯的管理层对基础科学和技术都比较好奇，也非常愿意去推动基础科技的进展。同时，在企业发展方面，腾讯对一些长期的赛道也希望能够尽早布局，不希望错过一些可能有比较大影响的机遇。

前沿科技准确而不失趣味的报道是一件不容易的事情。早些年，量子相关的新闻报道也会有各种各样的风格、甚至出现难辨真假的一些情况。比如，一些理论突破或者科研实验室中的新奇发现，是否有实用的价值，是否能够落地，是否可扩展，这些我觉得即使是对专业人士，也比较难判断，而一些突破对未来的影响又不容忽视。所以这类尖端科技的发展需要有一个专业的团队去研判，尖端科技产生的价值需要一个优秀的团队去创造。这里的优秀，既包含卓越的学术能力，也包含卓越的产学研结合能力。

光子盒：请您简单介绍一下腾讯的量子布局？

张胜誉：这里介绍一点我们在量子算法和软件方面的布局。我们研究的量子算法包括组合优化问题的容错量子算法，就是在纠错过的逻辑比特上进行算法设计分析。我们也研究近期中等规模含噪（NISQ）的量子算法，就是不进行量子纠错的系统上运行的算法。我们还研究量子电路的优化，理解如何压缩电路，以及如何克服比特连接限制来最优化地编译电路。我们也研究量子噪声的刻画，不同类型噪声的抑制，和量子纠错的原理和高效实现。

还有一类工作是对外应用合作，如与化学、材料、制药、金融等行业合作，探讨如何用量子计算或量子AI帮助推动这些行业中的一些核心问题的解决。这种合作既包含量子算法相关的内容，也包含经典算法，AI，软件开发，数据库构建，工作流搭建，云平台上的SaaS服务等多方面的理论和实践研发。

光子盒：我们知道您主要在做量子软件算法，能展开聊一聊您的相关成果、工作吗？

张胜誉：简单来说，量子算法有两种比较常见的类型：一是传统的容错量子算法，这种算法往往有严格的数学分析和加速证明，但是需要运行在经过量子纠错后的逻辑比特上；另外一种近十年出现的量子算法是所谓的NISQ算法，这种大多可以在现在的小规模量子计算机上跑起来，但都是小规模演示，而在大规模下的效果通常还不清晰。

这两类算法目前都面临挑战。容错算法的一个问题是它的代价太大了：目前的纠错算法和物理比特及物理操作的错误率，导致需要使用大量的物理比特才能构成一个逻辑比特。也有基本操作的时间问题：即使是比较快的超导方案，每一个基本操作需要的时间相对于经典硬件上的一个类似的操作也要有几个数量级的差别，如果离子阱方案就更慢了。这个慢就会带来一个问题：虽然很多量子算法比经典算法需要的“复杂性低”，这通常意味着需要的基本操作步骤少。但是每一步如果都很慢，最终量子计算消耗的总时间不一定比经典快。另外量子比特的寿命往往非常短，所以我们需要尽快完成计算。

腾讯在容错量子算法方面做了一系列工作。一方面在大图计算，量子AI，组合优化等方面做过一些有指数或多项式加速的量子算法，另一方面也对一般的量子电路和一般的量子态生成电路进行了优化，利用辅助比特来指数地缩短量子电路的运行时间，达到理论最优值，也发展了通用方法来克服比特连接性有限的障碍。另外关于纠错本身，我们做了噪声刻画，串扰噪声抑制等工作。这些算法系列工作都发表在相关领域的顶级会议或期刊上，一个关于量子噪声的工作近期也获得了国家专利奖银奖。

我们回到量子算法领域。第二个大类，NISQ算法，也有很多自己的问题。NISQ算法中最多的是量子变分算法。虽然量子变分算法原则上有可能在含噪的中小规模量子计算机上比经典计算机有优势，但这只是一种潜在的可能性。量子变分算法在真实量子计算机上体现出来达到可规模化的加速上，还面临诸多挑战。比如说电路结构设计问题，训练中的损失函数局域最优解数量和质量的问题，梯度消失的问题，真实量子计算机梯度计算低效的问题，硬件噪声及采样偏差造成的影响问题等等。

除了上述技术问题，还有研究方式和评价的问题。我感觉五到十年前一些变分量子算法刚提出的前几年，领域里（尤其是偏物理和化学领域）把它当作一个新生的事物，给了更多的容忍度鼓励其发展。几年过去了，大家逐渐不满足于只是提概念、框架、小规模演示等，而是希望有真实的应用，或者至少是通往实际应用的真实可行路径。究竟是否可以不用量子纠错容错也可以达成清晰切实的量子优势，现在在全球范围都还是一个很大的一个问题。我想可以更加严格、认真的做一些资源分析（如运行时间、门的个数、比特个数等），对问题规模从小到大时算法效果的趋势分析等。对NISQ算法研究的严肃和深入的程度，我觉得还可以再加强。

NISQ量子算法方面我们也做了不少工作。比如提出了量子电路结构的搜索方法来帮助解决电路结构设计问题，再比如用经典神经网络来做一些后处理，去提升量子经典混合算法的效率，或者用经典增强学习帮助设计量子退火算法的。除了算法之外，我们也开发了TensorCircuit这样的量子电路高效模拟开源软件，以及TenCirChem面向量子计算化学的高效软件，可以很好的帮助大家研究中小规模的量子算法和量子系统。

光子盒：腾讯有跟药企合作解决下游的行业应用问题，能跟我们分享一下与工业界合作的相关案例吗？

张胜誉：药物方面我们做过罗氏抗体蛋白质的结构预测/建模问题。我们根据罗氏的需求，做了容错的量子算法和仔细的资源分析。我们首先设计了量子算法并证明其有平方加速，然后仔细进行了容错计算下的时间分析。结果发现在新的量子算法一顿操作猛如虎之后，得到所谓的加速反而导致实际耗时更多。原因就是刚才提到的容错在抗体蛋白这个具体问题及规模下代价太大的问题。如果想进一步加速，需要在算法、硬件或者纠错方案上有大的突破。这些结果让我们都对这个实际应用问题的理解得到切实的加深。

这件事也让我们觉得，量子计算如果想在工业界落地，需要尽早和应用端的真实需求对齐：了解相关行业中的真实场景和问题，具体输入实例，明确具体解决方案在时间、空间、成本等方面的要求。这方面踏实低调，心态开放是重要的，不能“圈地自嗨”的以为自己做成了什么量子算法而不管落地，声称解决了什么实际问题而没有验证。那样是不能长久的，对量子计算这个行业长久来看也是一种伤害。

业界的务实还体现在结果和方法的区别中。用户一般最在意的是结果，而对达到结果的方法是第二位的。比如材料设计中的一些计算问题，用户在意计算的准确性和成本，而计算是用量子还是经典方法不一定那么重要。所以我们也借助腾讯云海量经典算力，开发了TEFS弹性第一性原理和分子动力学的计算平台，为助力相关领域的高校和企业用户在材料研究和药物设计提供算力、算法和软件的一站式服务。

光子盒：您对于 AI 大模型、ChatGPT结合量子算法，或者量子机器学习方面有什么样的看法和预测？您觉得这些技术将来可能会对量子计算产生什么影响？

张胜誉：我对通用人工智能是充满希望的，相信 GPT及其他AIGC方法会发展的越来越好。我们已经看到即使在数学研究中，GPT等AI工具也开始发挥一些作用。虽然不是直接解决数学难题，但是可以让AI做为一个合作者去提一些启发思路。AI有的时候会说出一些很有启发性的话，虽然这些话落实到具体证明可能现在还不是AI自己能全部完成的，AI甚至有的时候会胡说；但是它有的思路会比较有用。

我对于基础大模型的未来是极为看好的。我甚至都不确定到底智能、创造性、甚至意识和情感等是不是像我们以前想象的那么主观，只有高等生物才能拥有？自然语言是不是不止是思维的外壳，而且是思维的本质？当然这可能有点玄学了，但我完全相信AIGC对于量子科研或者更广范围的科学会起到非常大、非常深远的影响，而且人类现在还没有打开这个魔盒的一角。

另一方面，AI for Science的路可能会很长。AI虽然肯定会对人类科研有很大帮助，但如果问是否能终极解决一些核心问题，要看具体的问题和标准。之前AI成功的领域，如视觉、语音、自然语言处理、围棋对弈等，很多判断标准是和人类比，但是AI for Science希望解决的核心问题，往往是一些客观的硬标准，这比超过人类的标准要高得多。到底什么问题能够解决、解决到什么程度、是如何解决的，这些都让人非常期待！

参考链接：

[1]https://quantum.tencent.com/news/2023/0323_2152

[2]https://www.sohu.com/a/316229827_257489

相关阅读：

每周一到周五，我们都将与光子盒的新老朋友相聚在微信视频号，不见不散！

|qu|cryovac>

|qu|cryovac>

你可能会错过：|qu|cryovac>

|qu|cryovac>