【独家】段路明“量子计算与人工智能”讲座精华报告（附论文、课件下载）
量子革命的浪潮扑面而来，
不想被淘汰就看过来！
▼
美国密歇根大学费米讲席教授
段路明特邀报告
温馨提示：本文将报告涉及的量子计算与人工智能相关概念及事件进行了梳理，可以先下载阅读以下文章（后台回复关键词“清华大数据”，限时七天下载）：
1.段路明教授论文
2.《基本概念及重要人物介绍参考资料》（本资料根据现场口述整理，不是官方课件，若与真实情况有出入，请见谅）
再进行下面的学习。
如果在百度搜索“量子计算”相关新闻，段路明教授的大名一定赫然显示在相关人物列表中，他富于传奇的经历让人啧啧称叹。从安徽桐城化学状元到中科大的“中科院院长特别奖”，从美国密歇根大学终身教席、美国斯隆研究奖获得者，到再回国兼任清华大学姚期智讲座的教授，参与支持清华交叉信息研究院工作，“段大神”不仅实现了量子信息应用领域的一系列开创性举措，还不遗余力地为推动中国量子科技领域的人才培育而奔波劳碌。
2017年5月9日晚，作为清华交叉信息研究院姚期智讲座的教授，段教授在FIT楼二层多功能厅做了“学在清华真人图书馆”系列讲座之《量子计算与人工智能》的特邀报告。当晚现场座无虚席，很多所高校物理系、化学系、材料系等院系的同学、教师以及科技工作者都慕名而来，而段教授更是帅气亮相，引得全场掌声不断。
下面将对近两小时的报告精华做分享，其中会涉及很多量子科技领域的最新研究成果及重要理论发展。本文考虑科普性，节选了精华内容。小伙伴们要搬好小板凳，睁大眼睛认真阅读哟！
段教授本次做的报告大致分为两个部分：
量子计算的发展；
目前待解决的核心问题。
报告开始
▼
第一部分
量子概念的起源及量子计算的发展
目前，量子计算和人工智能两个概念都非常热门，其实两个领域都有着悠久的发展历史，经历了起起落落。
首先看量子计算领域。量子计算的发展也有很长一段历史了，量子计算概念的起源跟爱因斯坦(Einstein)和玻尔(Bohr)的著名争论有关。爱因斯坦和玻尔是所谓的量子力学奠基人，他们关于量子力学的解释和本质有不少有名的争论。
他们俩最著名的争论就是爱因斯坦以“上帝不会掷骰子” （Einstein:I can’t believe God plays dice with the universe.）的观点反对海森堡的不确定性原理，而玻尔反驳道，“爱因斯坦，不要告诉上帝怎么做”（Bohr: Albert, stop telling God what to do!）。在这里我们要排除爱因斯坦不喜欢量子力学统计的误解，相反地，爱因斯坦作为统计物理的奠基人之一，他对这种概念的起源有非常深刻的理解。
我们知道量子力学不是简单的概率的问题，它是概率幅的问题，量子力学里用复数代表波函数的形式，它的每一点都代表概率幅的形式，而概率幅与概率的关键区别在于它是复数，有相干性。所以，量子计算机与经典计算机有本质区别的特性，就在于概率幅，而从这个概念出发，就引入了所谓的量子相干性概念。
爱因斯坦最早指出了量子力学本质跟经典力学不一样的特性，叫EPR悖论（EPR Paradox），而这个特性在很长的时间里面没有得到关注，因为大家觉得这个解释太偏哲学，争论不清楚，所以很多人没有想到这个问题实际上是量子力学里面最深入的一个问题。
大概几十年以后，Bell依据EPR Paradox理论设计了一个实验，说明了一个最本质的概念—量子纠缠，而量子计算本质就是利用了量子纠缠的概念，其中还涉及量子相干性等一系列概念，后面会具体讲到。
现在是信息社会，我们拥有非常好的处理信息方式的计算机（每个手机也都是一个计算机），因为信息社会的本质特征就是对大量信息有快速处理的能力。那么，计算机为什么在过去的半个世纪里面得到这么大的发展呢？从物理学来讲，很大程度上是因为摩尔定律（Moore's Law）。
在过去大约半个世纪里，半导体工业的飞速发展支撑了信息体系的快速提升，每一年半集成电路的集成度就会翻倍，带来相应信息处理能力的不断提高。但在去年年初的时候，美国主要的大公司召集了一个会议，决定正式放弃摩尔定律，停止据此设计的所有产品。为什么摩尔定律走不下去了？
因为今天的电脑已经遇到了一些瓶颈效应，即信息容量的问题，它主要包括两方面，一个是受到集成电路不断做小的极限限制，另一个是原理的限制，即计算的瓶颈。
计算机科学的奠基人Alan Mathison Turing最早提出了图灵机的概念，他预测到：无论计算机多么强大，它基本上都代表的是图灵机的人性，并且有些问题的计算时间一定是需要指数增加的。而指数增加是一个非常可怕的增加规律，就跟原子弹爆炸一样，它是一分二、二分四不停地指数增长。这就意味着我们只要把问题的规模稍微增加一点，计算时间马上就翻倍，再增加一点时间就以10倍、100倍、一万倍这样增长。所以即使经典计算机的速度再快一亿倍，对于解决这样的问题实际上并不起什么作用。
但是，在量子的世界却可以克服这一限制。
大家知道量子世界一个最本质的特征就是，经典的0、1比特用量子比特代替，除了0和1以外，还有量子任意线性叠加形式，这个叠加有什么好处呢？这里引用个典故。
古时候有个名叫扬子的哲学家，有一天他坐在路口哭，大家问他为什么哭，他说：“这个分岔路口可以往东走也可以往西走，我不知道往哪里走”。这就是古典哲学里面的“杨子见歧路而哭之”。这个故事说明了人实际上也是一个电脑，也在做决定，有时候我们搞不清楚到底往哪个方向才是正确的决定，而这样的决定在人生里面是非常多的，时时刻刻都要做决定，所以人走上错误的路径的可能性也很多。在计算机里面也是同样的问题，在计算机世界也是同样的分岔路口，每个分岔路口都有可能走向错误的方向，所以要选择出正确方向的可能性就很小。
那么，在量子世界里如何解决这个问题呢？这就涉及到我们前面提到的量子相干性。经典计算里面的一个数字，0或1，你对它做一个操作，每一次只能走一个路径，但在量子里面，由于量子态是所有的路径完全相干叠加的形式，就相当于可以同时沿着很多条计算路径出发，最终到达目标，这样就推出了一个新概念，叫量子并行。
大家知道并行是现在所有做超算的最基本的技术，要把计算机做快，最基本的概念就是并行。量子并行（Quantum parallelism）跟经典并行有一个不一样的地方，经典并行中，如果我有100万个核，我可以最多快100万倍，但在量子里面的并行和问题的规模有关，问题规模越小越不明显，规模越大它会指数增长，因为它是加速的规律。
比如：一个比特只有两种可能性，两个比特有四种可能性，三个比特就有八种可能性，你有10个比特的话就有1000种可能性，就变成1000种路径的叠加，如果你有100个量子比特的话，它就变成2的100次方，就是一个非常庞大的数字，超过1亿亿亿个的路径的叠加。
而这实际上是它最本质的优越性，也是它为什么第一次超越了经典图灵机的概念，现有的超算理论都不能超越经典的图灵机，因为最多常数加速，但在量子里面它是指数加速，因此指数加速是量子计算机最本质的特性。
一个常见问题是量子计算机比及经典计算机快多少倍？这个问题没法笼统回答，因为指数加速不是常数加速，加速倍数依赖于问题规模。大家知道经典计算机的主频一般是几个G，但量子现在是几个兆。所以如果你只有几个比特的话，量子计算机实际上比经典计算机要慢；如果你得到10个有效量子比特以上，有可能与经典计算机差不多；但如果你做到100个有效量子比特以上的话，它的加速就有可能超过亿亿次倍；如果变成1000个有效量子比特的话，它就变成一个差不多无限大的数，就是10的300次方。
以上说法假定了量子指数加速的存在，要得到指数加速并不容易。量子计算完了得到一个量子态，我们不能直接看出量子态的信息来，只能通过测量，一旦测量往往就只有一个路径起作用了，所以简单的量子加速在考虑测量以后往往就没了。
那么，在量子里面怎么克服这个问题呢，这就要利用量子相干性和量子纠缠了。并不是指数多的路径就能够导致量子加速，而是要巧妙利用不同路径之间的量子相干性。2的N次方路径之间可以有某种相干的叠加的特性，使得往正确的路径上的概率得到一个指数的提高。当然要得到这一点是很不容易的事情，这就是所谓的量子算法的问题，怎么巧妙设计量子算法实现指数加速，是量子计算领域的一个核心问题，这些问题在实践上有非常大的应用，这里就不细谈了。
第二部分
量子计算待解决的核心问题
目前，量子计算领域的核心问题主要是两条，第一条可以归结为硬件的问题，也是目前最关心的问题，就是如何把量子计算机给做出来，第二条是有了这个机器以后到底有什么用，也就是量子算法设计的问题。
“你这个机器不管怎么神奇，如果你做不出来仍然没用。”
首先，量子计算机的物理实现：固体系统和离子、光学系统。
为什么量子计算机很难实现呢？因为它相当于一个宏观的量子态，这是个相当宏观的系统，但我们需要它按照微观的量子的规律做事，在量子里面我们有一系列的方法能够解决这个问题，最重要的是量子纠错。我们用量子纠错的方法完全可以在宏观系统里面实现量子效应，但是在实践中做起来还是有很多控制的问题。
现在主要有两类系统来实现量子计算机，一类是固体系统，类似于经典计算机，其中有几个代表，包括超导量子计算、金刚石自旋量子计算和半导体拓扑量子计算。第二类是离子、光学系统，美国政府现在投入了大量的资金做超导和离子量子计算系统。
我们现在主要是实现三类量子计算系统，包括金刚石量子计算、超导量子计算、离子量子计算。
在两年前，我们在常温系统里面实现了几何量子计算的形式，可以实现高保真的量子逻辑门。
另外，我们通过网络的方法，把整个计算机联在一起，利用与光子的纠缠可以把不同的计算芯片联结在一起，实现更大规模的量子计算，这就是所谓的量子网络的概念。
我们的实验在这方面也做了些努力，例如：金刚石芯片，这是一种很小很小的芯片，里面刻一些很小的光学微结构，可以跟光子联系起来。
另外，在超导量子计算方面我们也有很好的团队，包括青年千人计划的孙麓岩等老师，都在做超导量子计算的相关研究。
这是实验装置。离子实际上就是单个的原子，但是它带一个电荷，所以它更容易控制，在单个原子尺度上来控制它，一个一个原子排列起来，然后按照你的意志来做一些相关的量子计算。当然你要能够抓住原子，通过激光来控制它。抓住以后离子就可以排出一个很完美的晶体。实际上单个离子发光，通过放大镜以后，可以看到单原子发光，然后就可以用一些激光装置控制这些单个的离子，实现量子计算。这是这方面一些代表性的工作，包括多个离子的纠缠。
另外一方面，我们也需要把这个系统规模化实现大规模量子计算，其中一种是通过量子网络的方法，离子发射光子，然后制备离子和光子的纠缠态，可以把单个的原子或光子纠缠起来，这是大概十年前发表在Nature上的一个工作。
我们另外一个主要的实验方向就是做所谓的量子中继。大家知道，光信号在光纤里面传播会有衰减，而且它是指数衰减。为了克服这个问题，过一段时间就要把信号放大，这就是中继器的概念。
在量子里面也要做类似的事情，但是量子中继比经典中继要复杂很多，因为量子信号是不能放大的，它是单光子，一放大就变成经典的了。目前主要的方案是我们几年前跟Lukin、Cirac、Zoller提出的所谓的DLCZ方案，这个仍然是目前实现量子中继的国际主流方案。
感兴趣的童鞋，可以阅读段教授近日发表于《自然·通讯》（Nature Communications）》的研究论文《225个存储单元的量子存储器的实验实现》（“Experimental realization of a multiplexed quantum memory with 225 individually accessible memory cells”）及量子中继器相关资料辅助学习。温馨提示：后台回复关键词“清华大数据”，下载阅读段路明教授论文。
另外一个最主要的问题是：如果有了量子计算机，到底能解决什么问题？要如何广泛应用呢？
“它当然不能解决所有的问题，但是它确实可以解决很多重要的问题。”
这里面包括信息安全、量子模拟、量子优化和量子人工智能领域的问题。下面就每一方面大致介绍一下。
1.信息安全：我们现在所有的通讯，加密方式利用了公钥体系，目前流行的公钥体系都可能被量子计算机破解。像网上银行、手机银行都利用了公钥体系。很多银行网页都是“http”后面要加个s，这个“s”就代表安全，表明它的所有的信息传输要进行加密，这个加密实际上不需要你做任何加密动作，它是一种自动加密的方式，用了一套数学的算法，最主要的算法是所谓的Diffie-Hellman密钥交换系统（2015年图灵奖）和RSA公钥体系（2002年图灵奖）
ps：作为华人的骄傲，我们的姚期智院长因为对计算理论包括伪随机数生成、密码学与通信复杂度的突出贡献，在2000年被美国计算机协会（ACM）授予图灵奖，这是图灵奖创立以来获此殊荣的唯一华裔计算机科学家。
量子计算里面的算法能够破解Diffie-Hellman 密钥交换系统、RSA，或者由RSA所有的变形，所以一旦量子计算机得以实现，对目前的通信安全将有很大的改观，目前以美国为首的很多国家都在征集、制订未来的可以抵抗量子算法的公钥体系和通信标准方案。
2.量子模拟。现在很多事情都要依靠计算机模拟，比如人类要设计飞机，原来要做很多的风洞实验，现在可以直接做计算机模拟风洞实验。我们可以通过计算机模拟，把它所有的环境条件都写下来，用计算模拟来预测这个实验的结果。
那么，为什么要用量子计算机做模拟呢，因为现在很多模拟设计量子系统，用经典计算机做起来非常困难，包括很多的材料问题，许多科技发展依赖于新材料，新材料的设计现在已经到了一个程度，我们在原子的尺度上来设计这个材料，把一个一个原子排列起来，根据不同原子的不同的排列设计这个材料的不同特性。但是所有的原子都服从量子的规律，而用经典计算机模拟量子规律一般都需要指数级的时间，所以如果用量子计算机的话这些问题就可以自动指数加速。
另外一些包括化工的模拟，因为化工很多依赖于催化剂，也是一个分子反应，分子反应实际上是一个量子动力学的过程，它是很小的微观粒子之间的一些动力学反应过程，这些过程经典计算机非常难算，要用量子计算机才能模拟这些情况。
另外，包括在生物上面，生物药品的设计，所有的药品都是一些分子，我们现在的生物学已经推进到分子生物学的层次，我们在分子生物学的尺度上理解生命的规律，而所有的分子，小分子或者大分子药物对疾病起什么作用、怎么理解这个规律，这对经典计算机也是非常困难的一件事情，因为它是微观粒子，不管原子还是分子都是微观粒子，你要理解它的规律的话必须依靠量子计算机才能提供解释，因为它有量子相干性。所以量子模拟在材料、化工、生物分子等方面都有很多应用。
3.量子优化。你希望达到一个什么样的人生目标，这就是优化的问题，有很多的变量，这些变量时时刻刻都在改变，怎么在这么多的限制条件情况下实现你的优化。优化一直是计算机里面最困难的问题之一，你很难找到全局最优解，它涉及到的时间都是指数级的时间。量子优化有可能提供指数加速。在经典世界里面，如果前面有堵墙，你就永远穿不过这堵墙，但在量子里面，你可以撞墙，你不停撞就有可能通过去，因为有量子隧穿。量子隧穿提供了一种可能的方法，能够解决优化的题，这也是量子优化的一个很大的动机。
（本资料根据现场口述整理，不是官方课件，若与真实情况有出入，请见谅！并欢迎读者在留言区挑错~）
温馨提示：本文将报告涉及的量子计算与人工智能相关概念及事件进行了梳理，请在后台回复关键词“清华大数据”下载阅读（限时七天下载）：
1.段路明教授论文
2.《基本概念及重要人物介绍参考资料》（本资料根据现场口述整理，若有出入，请见谅）
量子计算对人工智能的影响
讲了这么多，我最后想简单回答关于量子计算和人工智能的关系，这两个为什么会连在一起？
最后，让我们来简单总结并展望下计算科技的飞跃。
目前，量子计算正处于突破性的发展阶段，而且未来要突破的话，最重要的是还需要一些年轻的研究力量，我们需要一些新的想法，不管是在物理世界方面还是在算法方面都需要新想法，所以我们非常欢迎大家，特别是一些本科生、研究生能够加入我们的研究队伍。我们清华量子信息最近也在做这方面的事情，我们希望有更多的人，特别是本科生队伍、研究生队伍能够加入我们，如果大家对我们这边感兴趣的话，我们在5月20-21日会办一个夏令营，欢迎关注清华大学交叉信息研究院官网：iiis.tsinghua.edu.cn，上面会有更具体的介绍。
谢谢大家！
整理：朱玲
校对：丁楠雅
编辑：刘文清
为保证发文质量、树立口碑，数据派现设立“错别字基金”，鼓励读者积极纠错。
若您在阅读文章过程中发现任何错误，请在文末留言，或到后台反馈，经小编确认后，数据派将向检举读者发8.8元红包。
感谢一直以来您的关注和支持，希望您能够监督数据派产出更加高质的内容。
转载须知
如需转载，请在开篇显著位置注明作者和出处（转自：数据派THUID：DatapiTHU），并在文章结尾放置数据派醒目二维码。有原创标识文章，请发送【文章名称-待授权公众号名称及ID】至联系邮箱，申请白名单授权并按要求编辑。
发布后请将链接反馈至联系邮箱（见下方）。未经许可的转载以及改编者，我们将依法追究其法律责任。
公众号底部菜单有惊喜哦！
企业，个人加入组织请查看“联合会”
往期精彩内容请查看“号内搜”
加入志愿者或联系我们请查看“关于我们”