量子计算“热”下的“冷”思考 | 张林峰

关注风云之声

提升思维层次

导读


那些在“不懂”的前提下就热捧量子计算的人，或许会因为预期过高而在五六年后迎来第一次“大规模失望”。

《量子计算公开课：从德谟克利特、计算复杂性到自由意志》译后感

这篇译后感可能来的比较晚。事实上，本书主干部分的翻译完成于6年前。那时候，我和另一位译者李雨晗还在北京大学元培学院读本科。撰写这篇译后感的日子恰好是我与雨晗的结婚两周年纪念日。时光飞逝，当初翻译本书纯粹是出于对量子领域的兴趣、好奇心与热情。等到本书的中文版终于面世之时，我们二人都已成长，投入各自的新事业中。

我在翻译斯科特·阿伦森（Scott Aaronson）的这本书时还在读本科。当时，我发现找不到获取量子计算相关知识的好途径。在2013年冬天的北大，量子场论、弦论是物理系“大神”们的必修课，但量子计算还没有形成成熟的课程体系。于是，我在网上随手搜索关键词“量子计算公开课”，试图寻找高质量的视频课。结果，视频课没找到，却找到了这本书的翻译招募信息。于是，翻译这本书的过程变成了我的学习过程。

紧接着，威斯康辛大学的罗伯特·乔因特（Robert Joynt）教授恰好来北大访问，并开了一门质量极佳的量子计算课；在那个学期，计算机系的刘田老师开设了一门名为“理论计算机科学基础”的课。我抱着要翻译好这本书的目的，选了这几门课。

后来在2014年的夏天，我访问了麻省理工学院机械系的田天老师组。恰好，斯科特和量子计算领域另一位“重磅人物”彼得·肖尔（Peter Shor）等人当时都在麻省理工学院。因此，我得以有机会和他们讨论、学习书中的相关内容。

有趣的是，这本书还涉及不少哲学的讨论，于是，修读政治经济哲学方向的雨晗也积极参与了翻译。我们的翻译在一些地方或许有不够专业的地方，还希望读者包涵指正。

这些年，我并没有把量子计算作为自己的研究领域，但“量子计算”一词变得越来越“火”：我在最近一年读到的一些有趣的相关读物竟然来自BCG这家咨询公司；与我交流相关概念和进展的朋友竟然更多来自投资界和制药界。从这个意义上来看，这本书的中文版或许来的正是时候。

然而，我想提醒读者的是，如果这波热潮推动的是知识的传播和技术的飞跃，那么它是值得的；如果它助长的是资本的泡沫和资源的浪费，那我们就该保持警惕。

本书作者阿伦森·斯科特本人在2015年当了一回“D-Wave首席怀疑官”（Chief D-Wave Skeptic这个词最初也是我翻译的），澄清了当时D-Wave公司利用媒体炒作的某些概念。在这里，我也贸然当一回“量子计算怀疑官”，陈述自己一些不成熟的想法，特别是我觉得需要特别警惕的事情。

量子计算绝对是天才们施展才华的领域，它给我们提供了极佳的问题设定。

这些设定既与现实息息相关，又大多尚未成为现实，因此，它需要伟大的洞见和难以预测的灵光一闪。但是，我在2016年考虑自己的博士研究方向时，却很难将它作为我深入研究的方向——我选择了一条“曲线”道路，一边干点别的事情，一边等着别人把量子硬件搞定。不得不承认，在翻译斯科特的书之后，我对量子复杂度失去了兴趣。当时的我认为，人们对量子复杂度的研究已经到了一定阶段，如果没有真正的量子硬件，相关研究再往后就会像弦论一样，得靠“脑洞”了。而我不觉得我在这方面的“脑洞”足够有趣（当然，这不代表我否定斯科特，甚至爱德华·威滕的品味）。我也没有选择做量子硬件的道路，因为我对此了解得太少。我觉得，不妨基于已有的基础发展解决现实问题的算法。

于是我来到普林斯顿，从师分属应用数学与分子模拟领域的两位“集大成者”鄂维南与罗伯托·卡尔（Roberto Car）。跟随两位导师，我渐渐收敛到机器学习辅助分子模拟的各项课题中来。有趣的是，2020年，我与合作者们在当时最大的超级计算机Summit上第一次实现了第一性原理精度上亿原子的分子动力学模拟，得到了高性能计算领域最高奖“Gordon Bell奖”——我算是站在了用经典计算求解量子世界的一个小小的高峰上。进一步，随着对高性能计算的逐渐深入，我对经典硬件有了越来越多的理解，并愈发庆幸自己当初没有选择量子计算。

在我看来，这几年补补经典世界的课、在经典世界搞点突破，这一策略至少是“不亏”的。再过几年，等到量子世界大门真正打开的时候，这些经验将是有用的。

最近，我看到不少鼓吹用量子计算做药物、材料设计的文章，仿佛这已经是一个触手可及的未来。我对此深表顾虑。

首先，在这个问题上，量子计算尚未显现相比于经典计算的优势。

有一种说法是，药物、材料的微观基础都是电子问题，它们天然是量子的，所以量子计算一定更适合解这类问题。我一直对此深表困惑。量子比特和电子虽然都是量子的，但电子是连续空间的费米子，电子问题并不能直接映射到我们现在设想的量子电路上。

经典算法的困难在于满足交换反对称性质的函数的表示和逼近，现有的量子方案不像能从本质上更好地解决这个问题；更不必说，这里面的可扩展性和多尺度问题是更麻烦的问题。我想不出，也没看到任何量子方案能带来本质的“加速”——要知道，药物、材料相关的实际问题体系往往动辄数万、数十万原子。这里还涉及动力学和采样的问题，量子计算该如何加速原子体系的牛顿动力学和电子体系的量子动力学？即便量子算法在一些问题上有算法上的优势，它想成为商业上有竞争力的解决方案，还有很长的路要走。

试想，在经典计算机诞生后，机器学习、人工智能这些概念“火”了不只一次。但直到经典算力和算法井喷式发展的今天，机器学习才真正迎来了极广泛的用武之地。我们尚未看到量子计算在一个具有实际意义的问题上显示优越性。甚至，谷歌声称的“量子霸权”可能也还差那么点儿意思。我非常建议有兴趣的读者可以关注一下中科院理论物理所张潘老师组的工作（https://arxiv.org/abs/2103.03074）及后续进展，我在此就不做过多讨论了。

我从来没有否认相关突破的可能性，也没有否定相关研究的意思——我的不少好朋友都是相关工作的主力。我想提醒读者的是时间尺度和预期的问题。那些在“不懂”的前提下就热捧量子计算的人，或许会因为预期过高而在五六年后迎来第一次“大规模失望”。而量子计算在商业上迈出的“一小步”，或许恰恰要等上5到10年。这一小步或许是一些NISQ算法（例如见https://arxiv.org/abs/1801.00862）以云服务的形式解决问题。但这里，我不确定这些问题需要带来多大收益，才值得投入相应的成本；或许早期愿意为之付费的都是一些以科研为目的的机器使用者。而那真正的“一大步”，现在还不太有眉目。等到真有眉目的时候，也得再等数年或数十年去解决实际问题。因此，我很担心在这个过程中，有些人会给彼此的预期疯狂地加杠杆。

2020年4月，当我看到《现代物理评论》（Review of Modern Physics）发表了一篇名为“量子计算化学”（Quantum Computational Chemistry）的文章时，我略感失望。我本以为《现代物理评论》是最严肃的物理期刊，上面都是功成名就的人展望某个领域的发展。而“量子计算化学”这个领域看起来甚至还没好好地开始，相关内容就匆匆被发表。并且，那篇文章没有解决我所理解的“计算化学”中的任何难点问题。我还看到不少学界和业界的研究机构，以及一些初创公司，把量子计算、量子通信、量子化学和量子退火等概念混淆了，这样做是无益于该领域发展的。

这里有一个问题，我说了不少自己“跑路”的原因，但是，谁该“留下”来造那些量子硬件呢？我想，必须是那些想象力无比丰富，同时又务实到极致的“疯子”。

或许，世界上已经有这样一群人或者几群人了。声称要做这件事的人是不是拥有相应的气质，还是很容易看出来的。我想加入的是另一类“疯子”的阵营：他们想尽办法用经典硬件——甚至软硬件协同设计的方式——去解决量子问题，以及材料和药物设计中的所有算法问题。我甚至与小伙伴们创立了一家名为“深势科技”的公司来推动这些事情的发展。我们得先为经典硬件说话，把基于经典硬件的物理模型、科学计算和机器学习都做到极致。等这一天真的到来时，或许量子硬件差不多就被造出来了，我们就能更进一步。如果到时候量子硬件还没被造出来，我估计我自己就会跑去造了。或许，这就是我为自己设想的通往量子计算的道路。

最近，因为这本书中文版的出版，我重新联系了斯科特，并告诉他我最近的进展。

我问：“你觉得，何时是我重返量子计算的最佳时机？我确实看见，这方面有了突飞猛进的发展，包括谷歌的‘量子霸权’和关于量子计算化学的若干提议。但我仍然觉得现在不是最佳时机，因为一台真正的、有相当能力解决实际问题的量子计算机还没有出现。但它什么时候才会来呢？”

他答道：“……我只想继续保持观望态度——无论那些企业在自家的营销材料中怎么说（哈哈），量子计算显然还没有准备好应用于材料和药物设计。如果有人成功地构建了容错量子比特，那显然是开始关注的大好时机。一个更难的问题是，人们能否在‘没有’完全容错的情况下，找到一种有实际用途的量子模拟应用方向？我不知道，但人们肯定会在接下来的十年里不断尝试。”这个答案或许已经足够中肯了。

以上就是我在近期的一些思考。读者在阅读这本书时，或许感受到更多的是一些有趣的、跳跃性的思考。我只有一个建议：不用抱有太多“实用”的目的。

在翻译这本书的过程中，我和雨晗得到了大量的帮助。时隔多年，我们很难跟所有帮助过我的人一一表达谢意。我们的翻译还有很多不成熟之处，我们会再去勘误，并收集更多的意见。在这一过程中，我们也会联系那些帮助过我们的人，并希望以后有机会专门感谢他们。

张林峰，写于2021年6月26日

扩展阅读：

背景简介：本文作者张林峰，2016年本科毕业于北京大学元培学院，2020年博士毕业于普林斯顿大学应用数学系。通过有效结合机器学习和多尺度建模方法，有效解决了计算化学、分子模拟、增强采样等方向中的一些关键问题，对物理、化学、材料、生物等领域的第一性原理建模和模拟产生较大影响。与合作者发展了DeePMD-kit等开源分子模拟软件和DeepModeling社区。林峰作为核心开发者的工作获得2020年度高性能计算领域最高奖ACM戈登贝尔奖。

李雨晗，2017年本科毕业于北京大学元培学院；罗德学者，2021年硕士毕业于牛津大学地理与环境系。雨晗致力于野生动物保护工作，从雪豹到美洲豹，从亚洲、南美洲到非洲，从旷野到城市。雨晗现就职于山水自然保护中心。文章2021年7月7日发表于微信公众号 图灵教育（太多人关注，太少人理解，这就是“量子计算”），风云之声获授权转载。

责任编辑：杨娜