查看原文
其他

当前量子计算技术前沿是什么水平?

2018-03-20 远望智库 战略前沿技术

远望智库:与智者同行,为创新加速

专家库 | 人才库 | 企业库 | 项目库 | 投资机构库 | 招商信息库


来源:知乎

作者:王之鑫


本人坐标耶鲁大学,是 Devoret-Schoelkopf 超导量子计算实验室迄今唯一本科来自中国的博士生。


文章很长,分为九个独立的问题,可分别阅读:

(一)量子是个啥?

(二)各种量子技术都是啥?

(三)量子计算机有啥用?

(四)量子计算机怎么做?

(五)当前量子计算实验研究的各路高手都是谁?

(六)量子计算到底难在哪?进展到哪一步了?

(七)量子计算何时商业化?

(八)中国的量子计算处于什么水平?

(九)结束语:我们为什么研究量子计算?


不过在长篇大论之前想先喊几句:

  1. 量子计算机不是摩尔定律的延续,没有理由取代经典计算机

  2. 在现阶段,“量子比特数大战”是没有意义的

  3. 近几年量子计算“商业化”的泡沫极多,各种项目鱼龙混杂

  4. 中国的量子科技有个别亮点,但总体显著落后于美国和欧洲


这两年来,自己在被看过各种新闻的小伙伴们不停地问:

量子计算机还要多久才能造出来?听说马上就要/已经造出来啦?......

量子计算是不是快要商业化了?有了量子计算机,IT 产业会彻底颠覆吗?程序员会大量失业吗?......

中国是不是也要造出量子计算机了?中国的量子科技世界领先吗?你们实验室做得过中科大吗?......

问话地点包括但不限于餐桌、微信、剧场、超市、洗手间等。由此意识到两件事:开心的是自己的领域最近确实在受到不一般的关注;但尴尬的是大家平时接触到的有关量子计算的报道(哪怕来自看似“专业”的媒体)几乎都带着很强的宣传甚至营销风格,极少会用科学的态度说事情,一次次地展示“科技新闻”的下限,让人分不清这究竟是一场科技革命,还是又一轮商业炒作。这实在令人遗憾——在信息最发达的时代,铺天盖地的新闻却多是噪声,普通人依旧没什么机会弄清热门话题的真相。

这也是我动笔的主要原因——我希望更多理性的童鞋能了解一些有关量子计算的事实。


本文主要面向非专业读者,只需要基本的物理和信息技术常识即可。本文也不是学术论文,重点是介绍这个领域的整体图像、主要挑战,尽量不涉及太多知识细节。其实与当下的其它科技热潮(例如人工智能)相比,量子计算、尤其是它的物理实验是一个规模很小、离生活较远、有相当专业门槛的严肃科学领域(量子力学只是其中最最基本的知识),想通俗但准确地把事儿说明白挺不容易。但我会努力尝试滴~ 不过最重要的是——区分什么是科学、什么是炒作:(预览一下正文第六部分的几条屡试不爽的经验判据)

  1. 当前所有以量子比特数作为首要亮点的“进展”几乎都是炒作

  2. 所有在新闻媒体上首发或大肆渲染的“进展”几乎都是炒作

  3. 所有在朋友圈里大量转发、被非专业人群大量关注的“进展”几乎都是炒作

  4. 在现阶段,所有“多少年后做出量子计算机”的承诺都是炒作


车辆起步,请扶稳坐好。[本文谈到的所有进展都已经公开发表,不会透露任何实验室的内部消息和图片]


首先也最重要的是,我们在谈论任何科技进展的时候都必须分清三个概念:科学事实、理论构想、未来展望。

科学事实必须是清晰、准确、可重复的实验结果。确凿的实验事实是最扎实的科学知识。例如,氢原子有一个质子和一个电子,正常人有23对染色体等等。当前量子计算机的研究也是建立在非常坚实的实验基础之上——后面会讲到,在过去的二十多年里,科学家已经在量子物理的两条新战线上分别取得了里程碑式的重大进展。


理论构想是依据已知科学事实、通过逻辑推演得出的预言或设计。再精妙的理论构想也要经过实验检验之后才能被称为事实。例如,1916年,爱因斯坦在广义相对论的基础上提出了引力波的预言;但是这个构想直到1974年天体物理学家 Russell Hulse 和 Joseph Taylor 用 Arecibo 射电望远镜发现脉冲双星 PSR 1913+16 后才首次得到明确验证(敲黑板,并不是最近的 LIGO 实验)。不过,不是所有的理论家都像爱因斯坦一样伟大。科学史上,优美的理论预言最终没能通过实验的检验是再常见不过的事。

另一类未能实现的理论构想存在于工程设计中。很多童鞋可能都知道达·芬奇的“飞机”设计手稿,这里我们说另外一个例子——英国数学家和工程师 Charles Babbage 最早在1837年设计出了一种叫分析机 (Analytical Engine) 的机械计算机。用现代的计算理论看,分析机就是一台图灵完备 (Turing-complete) 的通用计算机,它有内存、有算数逻辑单元、有指令集、有条件与循环控制,编程方式很接近今天的汇编语言,理论上可以用纯机械方式完成现代电子计算机的所有运算。1843年,英国数学家 Ada Lovelace(著名诗人拜伦的女儿)为分析机编写了一段伯努利数的计算程序,被认为是地球上的第一只程序猿。但是,分析机的复杂与精密程度超过了十九世纪机械工程的水平,Babbage 生前也没能为此得到足够的经济支持,于是这个原本可以成为人类第一台通用计算机的伟大设计就永远地停留在了图纸上,直到一百年后电子计算机问世。

其实,今天我们研究的量子计算机很像当年 Babbage 的分析机——都是非常精妙的理论构想,但在工程实践上都超前于时代,并且量子计算机的超前程度要远大于分析机。今天的“量子算法”研究者也很像当年的 Ada Lovelace——在给一台现实中还不存在的机器写程序。探索未来是基础研究非常迷人的地方;但我们同是要明白,不是所有构想都能成为现实,量子计算机从理论设计到真正问世中间有很长很长的路要走。


未来展望不用多说,举一个例子就够了:“二十一世纪是生命科学的世纪。”


事实、理论和展望在科研中都是必要的,但它们可靠性依次显著降低。科技炒作的核心手段之一就是在宣传中把构想当作事实,把主观展望当作客观结论。当下关于量子计算的种种“大新闻”大多如此。所以请大家在阅读下文的时候特别注意三者的区别。分清这几个概念,在我看来是比具体知识更重要的科学素养的体现。



(一)量子是个啥?

量子不是一种粒子,它在多数情况下是一个形容词而不是名词。它也不是指分立、不连续,而是一套自然规律的总称——这套规律是人类现有认识范围内物质世界的“基本法”。

用个类比:古时侯人们就懂得万物生长靠太阳、种田栽树要浇水施肥,这些都是农作物生长的规律;而现在我们知道,这些绿色植物生命活动的本质是细胞中的光合作用、呼吸作用等一系列生物化学过程。物理世界也是如此。我们日常生活中接触到的各种力、热、电、光现象大多可以用建立于十七到十九世纪的经典物理学解释;但进入二十世纪后,科学家们发现世界是由原子组成的,如果想从分子、原子水平的上更本质地理解自然现象,就必须引入一套与经典物理很不一样的新规律,这就是量子力学。引用当代最知名的理论物理学家 Sheldon Cooper 博士的话:

Quantum physics makes me so happy. It's like looking at the universe naked.

量子物理是人类迄今为止建立的最基础、最精确的科学理论,现代物理学的主体就是量子力学在各种不同物质尺度上的具体延伸和应用。然而,依人们日常的经验和直觉来看,这套规律非常诡异,尤其是下面三点:

  1. 量子叠加 (quantum superposition):在量子世界中,物体可以同时处于不同状态的叠加上。从另一个角度说就是“波粒二象性”。

  2. 量子纠缠 (quantum entanglement):在量子世界中,相互作用的物体之间存在着一种不受距离限制的、用任何经典规律都无法解释的关联。这种关联携带着信息,使得发生纠缠的各个物体处于一种不可分割的整体状态,不能分别描述。著名的“薛定谔猫态”就是思想实验中一只猫和一个放射性原子的纠缠态(猫也因此成为了量子物理学家的图腾,喵星人表示很无辜)。控制和利用量子纠缠,是量子信息处理的物理本质。

  3. 量子测量 (quantum measurement):量子世界中不存在安静的暗中观察者,测量不是被动地读取信息,而会根本地改变被测物体的状态。它最简单的表现就是“海森堡不确定关系”。量子测量的这种必须干扰被测物体的诡异属性使得人们从量子系统中获取信息变得极其困难。实际中,我们制造量子计算机遇到的大部分难题最终都能归结到量子测量。


量子在不少人的印象中可能非常前沿甚至有点玄妙;但熟悉现代物理的童鞋都知道,量子力学正式建立距今已有九十多年,是一套相当成熟的科学理论。那么今天的科学家又在研究什么?按照理论造一台量子计算机不就完了?

不是这样的。科学家对任何一种自然现象的研究必须经过“发现-理解-控制”三个阶段之后才有可能将其转化为实际应用。以我们比较熟悉电磁学为例:人们在古代就发现了雷电、磁石,在近代又发现了电流磁效应、电磁感应、电磁波......;经过库伦、安培、法拉第、麦克斯韦等几代科学家的努力,人们逐渐理解了各种电磁现象的内在规律,并最终形成了统一电、磁、光的经典电磁理论;与此同时,科学家们发明了莱顿瓶、伏打电堆、螺线管、电动机、发电机、天线等最基本的物理装置来控制电磁场,使得人们最终可以利用这种自然力进行工程实践,才有了后来的电气革命和信息革命。

那我们对量子的研究走到哪一步了?量子的概念主要起源于19世纪末、20世纪初的一系列原子物理发现;量子力学在1925年后建立并迅速成熟,但是这套完备的理论建立在一些诡异的基本原理之上,人们对这些基本原理的理解至今还很欠缺;不过真正要命的是,尽管量子力学可以用来解释和预测海量的自然现象,“如何控制量子物体”的研究却一度进展地相当缓慢——在1990年代之前,科学家都几乎没有控制单量子态的能力。由此导致的结果是,人类对量子力学的应用至今仍非常初级。类比来说,晶体管、激光、核磁共振、原子钟这些发明对量子原理的开发程度,大概也就和指南针对电磁原理的开发程度差不多。简言之,相比于对微观世界的认识,人类在实验上控制、测量量子系统的能力还很落后,这至今仍是量子技术发展的最大瓶颈。



(二)各种量子技术都是啥?

A. 涉及量子原理的经典机器

这一类发明大多在上世纪中期出现,包括晶体管、激光、原子钟、核磁共振等等。

“涉及量子原理”是指这些仪器的核心工作原理都源自原子尺度上的、必须用量子力学解释的物质性质——半导体的能带、原子的受激辐射、超精细能级结构、原子核的自旋磁矩等。

那为什么说它们是“经典机器”?这是因为这些仪器只是在微观组成上涉及量子力学,人机交互的过程是完全经典的。例如,晶体管的功能来源于半导体中电子和空穴的运动;但是人使用晶体管不是去控制每一个电子和空穴,而是控制各个接口电压、电流的输入输出。这里的电压、电流都是有大量微观粒子参与的、完全经典的物理量,观测不到什么量子涨落 (quantum fluctuation)、不可同时测量之类的怪事。电路中的晶体管也不会处于开和关的量子叠加,晶体管之间也不会发生量子纠缠...... 所以,晶体管只是在工作的微观原理上涉及量子现象,人使用晶体管的过程、用晶体管设计电子电路的方法则完全不涉及量子物理。

把晶体管、激光这类发明称为量子技术很容易让我们落入逻辑滑坡——万物的微观组成都是量子的,半导体是,木头、棉线也是,那照着么说木工、针线活也都算是量子技术咯?因此,活在21世纪,我们需要明白:尽管微观组成不同,激光器和缝纫机一样属于经典机器,真正的“量子机器”是我们需要依据量子力学原理来控制、使用的机器,比如——


B. 量子通信 (quantum communication)

激光、晶体管不算量子机器的本质上是因为人们在这些仪器中控制的只是大量微观粒子的集体运动,而不能对单个原子、电子或光子的量子态进行单独操控。人类在单量子态水平上的第一种工程实践直到上世纪末才出现,那就是量子通信。

量子通信直白地说就是“量子电报”。传统电报机收发的是经典电磁波,信息加载在电磁波的幅度、频率或者相位上;“量子电报机”收发的是单个光学频率的光子,信息加载在光子的不同量子态上。量子通信的物理基础就是单光子的产生、操纵、传输和测量。

量子通信最早的理论方案在1984年和1991年被分别提出,1992年第一次得到了实验的原理性验证,随后在科学家们的努力下向着距离更长、装置更简单实用的方向发展。此中最配得上“量子通信之父”称号的当是瑞士日内瓦大学的 Nicolas Gisin,他领导的实验室除了一系列使用纠缠光子实现量子通信的标志性实验外,最重要的是在1997年发明了不用纠缠光子的“plug & play”方案,成为实用量子通信的标准方法。1995年, Gisin 实验室借用瑞士电信公司跨日内瓦湖的湖底光纤,在日内瓦和尼永 (Nyon) 两个相距23公里的城市之间实现了第一次长距离户外量子通信。Gisin 与同事创办的 ID Quantique 公司于2003年实现了量子通信的商业化。2007的瑞士大选中,日内瓦大学与 ID Quantique 为日内瓦州的电子选票传输提供了量子加密,这是量子通信技术第一次被官方公开使用。此外,美国的 MagiQ Technologies 和法国的 Smart Quantum 公司等也很早都开始提供商业化的量子加密服务。

那么,这种收发单个光子的“量子电报机”究竟强大在哪?人群中对此流传着几个误解:


误解一(低级错误):量子通信可以超光速

不可以。所有利用了量子纠缠的量子通信方案同时还都需要一个经典信道的辅助,而经典通信不可以超光速。


误解二(中级错误):量子通信比经典通信更快

不是。量子通信的主要意义不是加速,而是保密。它传递的不是信息正文,而是加密密钥(也就是余则成藏在抽屉里的密码本)。量子通信的实际应用通常也被称为量子密码学 (quantum cryptography) 或量子密钥分发 (quantum key distribution)。经过量子加密的信息正文依然是由普通通信方式传递的。


误解三(高级错误):量子通信是绝对保密的

并不是。正确的说法是:在理想条件下,量子通信在信息传输过程中是无条件安全的。特别地,这种的安全保障并非来自加密的数学复杂度,而是测量必须干扰量子态、未知量子态不可复制等基本物理原理——这是量子加密与经典加密最本质的区别。

然而,量子通信的安全性只是理想条件下的数学结论——假设光子传输过程中没有损耗、假设单光子态的制备、测量是完美的等等,很显然这些条件在实际中都不成立。在2008年到2010年间,就至少有三个利用由实际中非理想条件导致的安全漏洞攻击 ID Quantique 或 MagiQ 商用量子通信系统的实验取得了成功,从事实上证明了现阶段的量子加密技术绝非不可破解。现实条件下量子通信的安全问题和优化方式目前仍是一个活跃的研究领域。

更重要的是,量子通信的安全范围仅限于光子的传输过程中;而一个完整的通信过程至少包括编码、发送、传输、接收、解码几个步骤,量子力学定律可以保证密钥在理想的量子信道中不被窃听,但对收发两端的经典安全问题无能为力。这一点其实让量子通信的实用价值大打折扣——在现代保密系统中,最大的安全隐患经常就在于收发两端,而不是传输过程。所以,尽管物理学家一直在大力宣传量子通信,不少信息安全专家却对此相当怀疑——不可否认,量子通信是非常有趣的物理实验,但它在现实中真正对信息安全有多大提高是个不小的疑问。介于这些实际问题,尽管量子通信的基础研究在1990年代就已达到高峰(瑞士之外比较有代表性的还有奥地利维也纳大学、美国 Los Alamos 国家实验室、伊利诺伊大学、IBM 实验室、英国电信实验室等),进入新世纪之后热度却逐渐下降,除了小范围之外没有得到大规模的应用和政府支持,直到2017年中国的量子保密通信“京沪干线”开通。


如此说来,量子通信的意义到底在哪?我认为客观地说,量子通信的基础研究意义远大于实用价值。且不谈量子加密在实际中的安全问题,保密通信本身在科技发展的大局中也只是一件小事。即使量子通信得到了大规模推广,它对社会的影响依然是很有限的。但是,量子加密技术的基础是1980年代以来一轮量子物理的重大进展——利用光学光子研究量子纠缠。这轮研究的主要动机是对量子力学基本问题的探索——在此之前,人们对量子力学诡异属性的理解主要限于量子叠加,对更加诡异的量子纠缠、特别是纠缠和测量结合后出现的一些严重挑战经典世界观的深刻问题主要限于哲学讨论,而缺乏科学实验。这其中最著名的就是量子非定域性 (quantum non-locality) 检验,它将直接判明经典世界观中的局域因果性 (local casuality) 和客观实在性 (objective reality) 是否在真实世界中同时存在。对此的实验探索起源于1970年代的美国,但最关键的工作主要出现在欧洲——除 Nicolas Gisin 外,最具代表性的还有法国光学研究所 (Institut d’optique) 的 Alain Aspect 和奥地利维也纳大学的 Anton Zeilinger 等。这一领域的科学家们在二三十年间通过一系列基本而巧妙的光子实验极大地深化了人类对于量子纠缠的理解,让量子力学通过了最严苛的检验;同时积累了大量制备、操纵、测量单光子的实验技术,并开始思考量子纠缠的实际应用,直接导致了量子通信技术的诞生。这在我的理解中是当代量子科技的第一个里程碑。即使当前实用价值有限,理解和控制量子纠缠都是构造更复杂量子机器的必要前提,比如——


C. 量子计算 (quantum computing)

量子计算机不是“下一代计算机”,不是电子计算机的升级版,而是科学家构想中的一种高度复杂、高度可控的人造量子系统,兼具信息处理的功能。量子计算机是人类当前设想中最复杂、实现难度最大的量子机器,一旦建成对科学和社会的影响也最深远。

量子计算是本文之后全部内容的主角。


此外,量子技术还包括量子仿真(quantum simulation)、量子传感 (quantum sensing) 等。



(三)量子计算机有啥用?

先澄清一种流言:量子计算机一旦做成,直接秒杀经典计算机。

正确的说法是:理论构想中的大型、通用、容错量子计算机会在几类特定问题上有超出经典机器的计算能力。

量子计算机和“摩尔定律”到没到头关系不大。


量子计算机并不是一种更快的计算机。它在逻辑、输出方式等方面与经典计算机根本不同,其中最本质的就是量子纠缠的存在。在量子信息学的观点中,量子纠缠是与物质、能量、信息并列的一种自然资源,利用好这种资源能使量子计算机发挥出巨大威力。但是,如何用它设计更快的算法,在理论上就是很大的挑战。目前,对绝大多数计算问题,理论家们都还没有找到超过经典算法的量子算法;但在一些特殊问题上确实有了新的发现。哪些问题呢?最早发现的主要有两类:一类可以归结为质因数分解(Shor 算法),比已知最快经典算法有指数加速(准确说是超多项式加速);另一类可以归结为无序搜索(Grover 算法),比经典算法有多项式加速。

Shor 算法和 Grover 算法分别于1994年和1996年被提出,可以说是它们的发现引起了科学界对量子计算的真正重视——尽管量子计算的初步概念在80年代初就已出现,但十几年来都只是很小圈子内的理论游戏,被认为既无法实现也没有用处;Shor 算法和 Grover 算法终于为量子计算机找到了可能的实际应用。其中 Shor 算法的影响尤其大——现代密码学中,几类常用的公钥系统包括 RSA (Rivest–Shamir–Adleman) 和 ECC (elliptic-curve cryptography) 等的基本加密原理就是大数分解的计算复杂度。因此量子计算机一旦出现,将给现有的信息安全带来巨大威胁。

不过这种威胁并不紧急——想运行 Shor 算法破解密码需要有至少上百万个量子比特的通用、容错量子计算机,这其中的任何一个词在短时间内都无法实现。并且,关于量子计算机无法破解的“后量子时代加密技术”的研究也已经有了不少成果。所以,单是破密码这类“黑客活动”并不会赋予量子计算机科技革命式的重要意义。在 Shor 和 Grove 算法提出后的十来年里,再没有第三类重要的量子算法被发现,量子计算理论的发展一度走向平缓。


但新的突破在2008年出现—— Aram Harrow、Avinatan Hassidim 和 Seth Lloyd 提出了 HHL 算法:在一系列前提假设下,量子计算机可以在对数复杂度内求解一些特殊的线性方程组。这让这个领域又一次火了起来——与 Shor 算法只有“黑客应用”不同,线性方程组在现代计算中可以说是无处不在。特别地,它是很多拟合、推断、优化问题的基础。HHL 的各种衍生算法与这些年人工智能的热潮结合,让这类研究有了个不能更时髦的名字——量子机器学习,这也让量子计算机第一次拥有了商业价值。更好的是,一些量子机器学习算法只需要有50到100个量子比特的小型量子计算机就能展现出优势,这在当前实验发展的趋势下并非遥不可及。在潜在利润的驱动下,从2011年开始,特别是2014年之后,各大商业公司开始纷纷关注量子计算。这也是量子计算开始在各种媒体上频繁出镜的时候。

该说但是的时候又到了。HHL 算法与之前的 Shor 算法和 Grover 算法有根本的不同——严格地说 HHL 不是一个具体算法,而是一个在特殊假设和限制条件下的算法模版,或者说是一个完整算法的一部分。它没有回答数据应该怎样读入读出,没有回答如何才能让量子计算机按照给定的参数演化,并且有非常苛刻的适用范围。任何一个细节条件不满足,量子加速都会消失。以 HHL 为模版设计一个具体算法就需要填补上这些细节,但极少有实际问题满足全部的限制条件,且满足这些条件的特殊问题很多时候都有更好的经典算法(各种量子机器学习算法中声称的加速绝大多数都是在用特殊条件下的量子算法和通用的经典算法做比较)。当前量子机器学习的研究多是在抽象地发掘量子算法在某些计算步骤中的优势,而少有人下大功夫考虑具体问题和完整的计算过程。简言之,理论家们找到了算法模版,但还没有明确落实可以使用这套模版的具体问题,也没有可以运行这套算法的机器。因此,现在我们的结论只能是:量子算法有希望加速机器学习中的某些步骤,但具体该怎样做还有待研究。


以上似乎有些悲观:量子计算机短时间内在传统的计算问题上还没有清晰明确的应用。但其实从物理学家的视角看,量子计算机最有价值的潜在应用并不是传统意义上的计算,而是量子仿真 (quantum simulation)——自然界中原子、分子的微观过程遵守的都是量子力学;可由于量子纠缠的存在,再强大的经典计算机也不能对规模稍大的量子系统(比如几十个原子)进行严格求解,而只能借助近似(密度泛函、Monte Carlo 等),这就是现代计算物理、计算化学的核心。然而,量子计算机就是一台自带量子纠缠的机器,最适合在编程之后模拟待研究的复杂量子系统,也就是用量子机器求解量子问题。最原始的量子仿真在近二十年里已经是冷原子物理的重要方向,但它真正发挥出威力还是要等量子计算机的出现。那时,凡是涉及大量微观粒子的研究,例如凝聚态物理、量子化学、分子生物学都将发生很深刻的变革;相应的应用学科,例如材料合成、药物研发等,也都会有很本质的改变。


说了这么多,量子计算机到底有啥用?量子计算起源于好奇心驱动的思维游戏,近二十年有了坚实的实验进展,但它在短期内还将是一种基础研究,没有立即可操作的实际应用。可从长远来说,它将给给现有的计算理论带来深刻变革,将极大加深人类对物质与信息的理解;特别地,它将是一种前所未有的计算微观世界的强大工具。类比来说,量子计算机像是计算机中的火箭。火箭再强大,也不能取代火车、汽车、自行车,因为它们的根本用途不同。同理,量子计算机价值的并不是取代经典计算机,甚至主要不在于加速传统计算,而是在于一些经典计算机不能解决的特殊问题,比如复杂微观系统的模拟。量子计算并不是“后摩尔时代”的计算,它与传统的微电子是两个目标不同、平行发展的领域,不可以相互替代。未来量子计算机的第一波应用也将是对科学的意义大于对商业,对科学家的意义大于对普通人。

所以,现在的程序员们大可继续安居乐业。研究奇怪的新机器就交给一小撮量子发烧友就好啦~



(四)量子计算机怎么做?

量子计算机是用“原子”和光子做的。更确切说,是直接用“原子”和光子做的。这里的“原子”既可以是天然原子,也可以是固体系统中的“人造原子”;光子有的在光学频率,有的在微波频率。

量子计算机运行的物理过程,就是单量子尺度上的原子-光子相互作用。这是人类有史以来最精巧的物理实验之一。


量子力学主要是微观粒子的科学。但是在它创立之初,科学家们没有能力在实验上控制单个微观粒子,以至于玻尔、海森堡、薛定谔、爱因斯坦这一代前辈们只能在脑子里做单个粒子的思想实验,例如关着一个光子的盒子、观测单个电子的显微镜之类。真的在实验中做到这些一度被认为是根本不可能的。

1971年在巴黎高等师范学院,一位叫 Serge Haroche 的博士生用光学泵浦 (optical pumping) 方向的课题参加答辩。一位评委问他:“你的实验中有大量的原子和光子,为什么要用量子理论去描述呢?” Haroche 回答:“老师,有一天我会用一个光子做这个实验。”

这是 Serge Haroche 在他的 Nobel Lecture 上讲的。2012年,他与 David Wineland(美国国家标准与技术研究所 NIST)因为首先实现单个原子和光子之间的非破坏测量与控制获得诺贝尔物理学奖。Haroche 的实验系统叫腔量子电动力学 (cavity quantum electrodynamics)——让处于极高激发态的原子一个个地飞过微波腔,与腔中囚禁的一个或几个光子相互作用,用原子控制和测量光子的量子态;Wineland 的实验系统叫离子阱 (ion trap)——用激光冷却和射频电场囚禁一个或几个带电离子,再用电磁场和激光对离子进行量子操纵和测量。

腔量子电动力学实验概念图(巴黎高等师范学院 Serge Haroche 实验室)

Paul 离子阱实验概念图(奥地利因斯布鲁克大学 Rainer Blatt 实验室)

腔量子电动力学和离子阱实验刚开始时,量子计算的概念还很不受重视。它们本来也只是纯粹的基础物理研究。但是到了90年代后期,大家开始意识到单量子态的操纵和测量就是量子计算的基础。随后,物理学家又在几类不同的物质系统(超导量子电路、半导体量子点、固体缺陷等等)中实现了非常可靠单量子态控制,宣告了量子计算实验研究的开始——在我的理解中这是当代量子科技的第二个里程碑。如果把未来的“量子工程”比作建高楼,那么这一步就好比是学会了烧砖。人类从此可以开始以高度可控的方式操纵量子世界的基本单元,逐渐构建复杂的人造量子系统。


每一种高度可控的单量子系统理论上都有可以作为量子计算机的基本组成。然而在实际中,不同的物理方案的差别很大。目前最领先的量子计算实验系统只有两种——一个是离子阱,另一个是超导量子电路。


用电磁场囚禁带电离子的研究从1950年代就已经开始。Paul 阱和 Penning 阱的发明人—— Wolfgang Paul(德国波恩大学)和 Hans Dehmelt(美国西雅图华盛顿大学)在1989年分享了诺贝尔物理学奖。1970年代,原子的激光冷却技术出现并迅速应用于离子阱;1989年,David Wineland 实验室首次实现了汞离子的基态冷却,离子阱走入量子时代。早期,离子阱主要的发展动力是精密测量,例如测量电子反常磁矩、提供超高精度频率标准(原子钟)等。直到1995年,科学家们才意识到这是一个非常理想的量子计算平台。21世纪的头十年里,离子阱几乎在各类量子计算实验系统中保持绝对领先,它最明显的优势有:

  1. 干净:单个或几个离子是干净的无杂质系统,量子相干时间很长。

  2. 精密:离子的量子逻辑门和测量的保真度 (fidelity) 很高。

  3. 容易多体纠缠:任意两个离子之间都可以相互作用(产生纠缠)。另外,自然中的同种原子是完全相同的,离子阱也特别适合模拟量子多体系统。

而然它的劣势也是明显的:

  1. 慢:天然原子与光子的相互作强度有限,导致离子的控制和测量都很慢(大概比超导量子电路慢一千倍)。

  2. 实验手段复杂:冷原子类实验都需要非常精巧复杂的激光、真空和电磁场装置。

  3. 集成困难:离子依靠电磁场“悬浮”在阱中。同一个阱中最多也就囚禁十几到几十个完全可控的离子,大规模集成几乎没有可能。

在离子阱的研究者试图攻克这些难题的时候,一种很不一样的系统开始逆袭。



量子理论自创立之初就一直有个重大疑问:这套理论究竟是只适用于微观粒子,还是也适用于宏观物体?这与量子纠缠一样都是历史遗留问题,长期只有理论争辩而没有实验进展。1982年,一支伯克利加州大学的三人小组——英国物理教授 John Clarke、法国博士后 Michel Devoret 和美国博士生 John Maritnis,开始用一种叫 Josephson 结的超导体-绝缘体-超导体三明治结构试图观测宏观量子现象;几年之后,他们通过宏观量子隧穿和微波谱的测量得到了明确结论——在极低温下,Josephson 结的宏观相位遵守量子力学规律。特别的是,这里的宏观量子现象不是指“大量量子力学粒子组成的宏观物体(例如超导体)”,而是一个必须用量子力学描述的宏观自由度(Josephson 结相位)。尽管这个人造器件中有几百亿甚至更多的原子,它们的一个集体运动自由度却是量子的,我们可以像控制单个原子一样控制这个超导器件。因此,这类包含 Josephson 结的宏观量子器件也被称为超导人造原子 (superconducting artificial atom),它们组成的电路就是超导量子电路 (superconducting quantum circuits)。

2000年前后,世界各地的多个实验团队( 法国 Saclay 原子能研究所、日本 NEC 基础研究室、荷兰 Delft 理工学院、美国国家标准与技术研究所 NIST 等)先后实现了几类不同超导人造原子的量子叠加。2004年,耶鲁大学 Robert Schoelkopf 实验室首先观察到单个微波光子与超导人造原子的相互作用,这类实验系统被称为电路量子电动力学 (circuit quantum electrodynamics)。2007年和2009年,耶鲁大学 Robert Schoelkopf 实验室和 Michel Devoret 实验室发明了两种目前最重要的超导人造原子——transmon 和 fluxonium。接二连三的重要进展让超导量子电路在十年内迅速成为最有希望的量子计算系统之一。

电路量子电动力学实验概念图(耶鲁大学 Robert Schoelkopf 实验室)


超导量子电路最大优势在于它是一套可以在宏观尺度上对光子和“原子”进行相互控制和测量的“人造工具箱”。它的各种参数和性质不是由大自然设定,而是可以通过设计在很大范围内进行调整,让科学家可以通过工程方法解决各种实验问题。这使得它相比天然原子

  1. 快:通过器件设计可以增大“原子”-光子相互作用强度,实现纳秒速度的量子逻辑门。

  2. 实验手段简化:超导量子电路需要在 20 mK(绝对零度之上0.02摄氏度)以下的极低温工作,这用目前已经商品化的稀释制冷机 (dilution refrigerator) 很容易实现,无需各种复杂的激光冷却和囚禁装置。

  3. 作为固体器件,很容易通过现代微纳加工进行大规模集成。

但是超导量子电路也有不少缺点。人造原子终究没有天然原子干净完美,超导量子电路在量子相干时间、逻辑门准确度、频率稳定性等方面一直都不如离子阱。但科学家们一直在不断通过新的器件设计来试图解决这些问题——超导人造原子的相干性在十几年内已经提高了十万倍(从最初的几纳秒到现在的上百微秒)。这几年来,超导量子电路已经成为最受关注的量子计算技术,在学界和业界都很受青睐。


除此之外,比较热门的量子计算实验系统还有固体缺陷(金刚石色心、碳化硅色心等)、半导体量子点等。但是,离子阱和超导量子电路目前处于明显的领先状态,我认为有两个根本原因:

  1. 基本组成简单。人们对单个原子的结构和低温超导体的性质已经相当清楚。

  2. 控制方法成熟。激光和微波技术都已经经过了半个多世纪的发展,激光冷却和稀释制冷目前也都相当成熟。

这使得物理学家不再需要花很大精力研究“原子”和光子本身,而是可以把它们作为可靠的基本工具来构造更复杂的量子系统。而很多关于固体缺陷和量子点的研究重点还是制备、控制方法和基本物理性质,它们是非常有价值的物理和材料研究,但是在量子计算的水平上暂时与离子阱和超导量子电路不处在同一个发展阶段。此外,中性原子、线性光学等系统在基本的原理验证上有一定意义,但一般认为在实用方面的发展空间比较有限。

最后需要单独一提的是“拓扑量子计算 (topological quantum computing)”,它基于一种理论预言中的非阿贝尔任意子 (non-Abelian anyon)——Majorana 费米子。过去五年间,已有多个实验室在固体系统中观察到了 Majorana 费米子存在的迹象,但至今仍未确定,也无法对其进行任何量子操作。准确地说,当前的“拓扑量子计算”是一种以量子计算为潜在应用的凝聚态物理研究,而非真正的量子计算研究,处于基本单元尚未发现的最初构想阶段。这个方向近几年热度很高,但它还属于基础的凝聚套物理,暂时不应该和其他量子计算实验系统并列起来,相互比较没有太大意义。


不同实验系统之间孰优孰劣一直是大家津津乐道的话题。然而绝大多数宣传(包括学术论文和报告)的基本思路就是以己之长比他人之短,为自己的方案吸引关注、申请经费,撕来撕去没有什么客观结论。从我自己的角度认为,

  1. 所有实验系统都为量子计算的原理验证做出了贡献

  2. 离子阱和超导量子电路暂时领先

  3. 超导量子电路更接近一种灵活实用的工程系统,未来的设计空间和发展潜力更大(当然这属于展望,我很有可能是错的~)



(五)当前量子计算实验研究的各路高手都是谁?

离子阱和超导量子电路作为最领先的实验系统,已经开始出现“巨头垄断”的趋势——在长期的经验积累下,个别超一流实验室已经和其他竞争者拉开了一个身位。这种优势并不只是技术领先,更重要的是所挑战问题的难度、复杂性和前瞻性。这些超一流实验室全都在美国和欧洲。


目前,全世界大概有三十几个离子阱实验室。积累最深、影响力最大的除诺奖得主 David Wineland 外,还有美国马里兰大学的 Christopher Monroe 团队和奥地利因斯布鲁克大学的 Rainer Blatt 团队。这两个实验室在实现多体量子纠缠、尝试量子纠错以及离子阱技术实用化等方面都走在全世界的最前列。


超导量子电路实验室全世界也已经有了几十个。其中处于最核心位置的有两个,分别在美国东西海岸——东海岸的耶鲁大学和西海岸的圣芭芭拉加州大学/Google。它们各自的掌门人就是当年伯克利宏观量子隧穿三人小组中的两位年轻人。

1984年,Michel Devoret 在两年博士后之后回到法国,在法国原子能研究所 (CEA Saclay) 建立了自己的实验室。与法国物理学家 Daniel Esteve 和 Christan Urbina 一起,他们的 Quantronics 实验室在九十年成为世界著名的介观超导结构单电子输运研究组,致力于探索宏观电路的量子效应,最终在1998年在2002年分别发明了超导电荷量子比特 (Cooper pair box) 和 quantronium 人造原子。2002年,Devoret 与因研究分数量子霍尔效应闻名的理论物理学家 Steven Girvin 一起加入耶鲁大学,与当时年轻的助理教授 Robert Schoelkopf 组成了密切合作至今的“三驾马车”。耶鲁团队2004年发明了电路量子电动力学结构,成为当前超导量子电路最核心的控制和测量方法;2007年发明 transmon 人造原子;2009年发明 fluxonium 人造原子;2010年发明量子极限放大器,实现 single-shot 量子非破坏测量;2010年首创三维电路量子电动力学;2013年提出 cat-code 量子纠错码;2016年实现超导电路的远程量子纠缠 (remote entanglement)…… 可以说,耶鲁团队在过去15年间贡献了当前超导量子计算主要的电路结构与控制、测量方法,并且目前在逻辑量子比特、远程量子纠缠、量子极限测量等方面都在领跑世界。

1987年,John Martinis 博士毕业,在 Michel Devoret 实验室做过博士后之后,加入美国国家标准和技术研究所 (NIST) ,成为低温超导器件的专家,并在2002年发明超导相位量子比特。2004年,Maritnis 加入圣芭芭拉加州大学 (UCSB),此后十年与同门师弟、纳米力学专家 Andrew Cleland 密切合作,实现了多种量子电路构架,在材料、工艺等工程细节方面尤其精湛,特别注重实验设计的实用性。2014年,Martinis 实验室全员被 Google 收购,开始着力于具有一定规模的实用量子芯片的研究,目前在平面量子电路的复杂度和技术质量上保持领先。

除了两大领头羊外,全世界还有十来个原创能力较强的超导量子电路实验室。其中,美国伯克利加州大学、芝加哥大学、普林斯顿大学、马里兰大学、瑞士苏黎世联邦理工学院、荷兰 Delft 理工学院、法国原子能研究所、巴黎高等师范学院的实验室都是由耶鲁团队曾经的学生和博士后带领。此外,美国 IBM Watson 研究中心和麻省理工学院林肯实验室各有一支人数很多、工程执行力很强的研究团队。日本理化研究所 (RIKEN)、瑞典 Chalmers 理工学院也有竞争力较强的实验室。


其它量子计算系统也都有各自的超一流实验室,例如(不完整名单)

金刚石、碳化硅色心:德国斯图加特大学 Jörg Wrachtrup、荷兰 Delft 理工学院 Ronald Hanson、美国芝加哥大学 David Awschalom、哈佛大学 Mikhail Lukin……

半导体量子点:美国普林斯顿大学 Jason Petta、哈佛大学 Amir Yacoby、荷兰 Delft 理工学院 Lieven Vandersypen……

“拓扑量子计算”:荷兰 Delft 理工学院/微软 Leo Kouwenhoven、丹麦哥本哈根大学/微软 Charles Marcus……

不过与离子阱和超导量子电路非常关注量子系统的设计、控制和测量不同,量子点与“拓扑量子计算”当前最关键的主要还是材料和工艺,更接近基础的凝聚态物理;固体色心除了量子信息,还在纳米光子学、材料和生物成像等方面有不少应用。所以这些系统还没有那么“巨头垄断”,一流研究组比较多,新实验室的发展机会也更多。



(六)量子计算到底难在哪?进展到哪一步了?

这是2013年 Michel Devoret 和 Robert Schoelkopf 发表在 Science 上的“量子计算台阶图”。下一层实验是上一层实验的基础;但这并不是一个直线升级过程——为了上一个新台阶,在它之下的所有台阶都必须不断优化。所以,我们站的越高工作量就越大,量子计算机越往后做越难。

图上的前三层大致对应量子力学的三大诡异属性——叠加、纠缠、测量。到目前,主要的量子计算实验系统(不计“拓扑量子计算”)都已经站上了前两层。但不是每种系统都站上了第三层。

迄今为止,没有一种系统完成了第四层(量子纠错)。


开头说过,人们研究量子计算遇到的麻烦大多都能归结到各种形式的量子测量。

对经典计算机来说,数据输出是很直接的——按高低电平区分二进制数就好。然而,量子计算的过程一般只涉及几个基本能量量子,比如一次电路量子电动力学色散读出 (dispersive readout) 一般只用5到10个微波光子,如此微弱的信号如何测量?要知道,世界上最好的半导体微波放大器(液氦温度下工作的高电子迁移率晶体管 HEMT)放大一个光子大概要添20个光子的噪声。另外,单量子水平的测量一般都要改变粒子的量子态,甚至直接毁灭粒子(比如光电倍增管的原理就是通过光电效应将入射光子转化为电流并放大,但测量之后被测光子直接被吸收)。总之,想从量子系统中高效地读出信息是件非常困难的事。

对量子计算来说,最理想的测量是 single-shot 量子非破坏测量 (quantum non-demolition measurement)——测量不毁灭被测粒子、第一次测量后粒子状态不再改变、每次测量结果都可分辨。对于离子阱和金刚石色心,这可以通过激光荧光 (laser-induced fluorescence) 实现。但超导人造原子只有微波跃迁,且微波光子的能量只有光学光子的十万分之一。2010年后,这个问题终于由电路量子电动力学色散读出加量子极限放大器 (quantum limited amplifier) 解决——后者是也是一类极低温下工作的超导电路,放大一个光子只添一个光子的噪声,这是量子涨落导致的海森堡极限。对量子极限放大器的发明贡献最大的是耶鲁大学 Michel Devoret 实验室和伯克利加州大学 Irfan Siddiqi 实验室。这让超导量子电路成为第一个站上台阶图第三层的人造系统。


第四层困难就更大了,原因还是量子测量——理论构想中,我们总希望人是量子计算机的唯一观察者。可实际上,环境无时无刻不在对量子系统进行测量。这种测量会导致量子计算机与环境产生纠缠,不再保持理想的量子纯态,逐渐失去量子相干性,这个过程叫量子系统的退相干 (decoherence)。从信息的角度讲,量子信息会逐渐丢失在环境中而不是进入我们的测量装置,实验者是在与环境抢信息。量子信息丢失的时间就是这个系统的相干时间 (coherence time)。目前,最好的超导人造原子的相干时间大多在10到100微秒之间。也就是说,直接用它们做成的量子计算机最多只能连续工作万分之一到十万分之一秒

任何量子系统都无法避免退相干。更麻烦的是,相干性与可控性之间有密切联系——相干时间越长,表明系统与环境越隔绝,但这同时意味着它和人也越隔绝,对它的控制和测量也越难。我们总是希望量子计算机与环境隔离,但容易被人控制,这本身就是矛盾的。现实中,不同物理系统的相干时间会有很多数量级的差别,但相干时间越长的系统逻辑操作也越慢(比如天然原子、离子),在相干时间内能完成的运算量差别并不大。所以,不谈控制、测量的速度和精度、单纯强调某种系统相干时间长是没有意义的。

由于退相干,量子计算机一度被认为永远不可能做成,直到量子纠错 (quantum error-correction) 概念的出现。


纠错在经典信息技术中就很常见。最简单地,我们可以对信息复制多个副本来防止个别副本的误码,这与重要文件一式多份防止篡改同理。但是,未知的量子态是不可复制的,我们不能为量子信息制作多个副本。新的思路在1995年出现——我们可以把一量子比特信息分散存储在几个高度纠缠的量子比特里,通过测量错误征状 (error syndrome) 来查错纠错。单独的天然或人造原子称为物理量子比特,多个物理量子比特纠缠形成容错的逻辑量子比特。经过量子纠错,逻辑量子比特的寿命会远超过物理量子比特的相干时间,这才是真正计算意义上的量子比特。

到目前,任何实验系统都没能做出逻辑量子比特。没有量子纠错的“量子计算机”就只能在相干时间内做一些最简单的运算。Google、IBM 等公司近两年一直在比拼芯片上“量子比特”的数量,但它们都只是寿命几十微秒的物理量子比特,逻辑量子比特的数量都是零。

量子纠错是人们研究量子计算机迄今为止遇到的最难的问题。在我的理解中,它的实现将是当代量子科技的第三个里程碑——人类从此有方法保护在自然界中转瞬即退相干的量子态,就好比从原始人从采集到种植、从狩猎到畜牧;在工程上,它将为大型通用量子计算机提供基本逻辑单元。当下量子计算最大的挑战就是实现逻辑量子比特,而不是在一块芯片上集成多少物理量子比特。


量子纠错理论在90年代末就达到了第一个高潮,其中最重要的成果是 stabilizer code。然而问题远没有这么简单:查错、纠错的过程都是复杂的多比特量子操作,本身就会引入错误。stabilizer code 只有在量子逻辑门本身精度非常高的情况下才会有效,否则就是纠错过程中出的错要比不纠错还多。举例来说,如果用三级 Steane 7比特纠错码级联(432个物理量子比特编码一个逻辑量子比特),对一个130位的整数分解质因数需要大概一百万个物理量子比特,且比特和逻辑门的出错率不能超过百万分之一。这在短期内是任何技术都无法企及的。所以,stabilizer code 尽管非常简洁通用,但受到当前实验水平的限制,不是实现逻辑量子比特的首选。

新一代的量子纠错方法通过放弃通用性来降低对实验精度的要求——纠错码不再是抽象的数学方法,而是为特定实验系统、特定电路结构专门设计。但这带来一个结果:不同团队就如何爬第四个及之后各个台阶的路线出现了明显的分歧;即使做同一种物理系统,也会因为不同的实验方案选择不同的纠错码。在超导量子计算领域,目前主要的路线有两条:一是平面结构、单片集成、使用 surface code 纠错;另一条路线是三维结构、模块化集成、使用玻色纠错码。以下将它们简称为 Google/UCSB 路线和耶鲁路线。


A. Google/UCSB 路线

Surface code 本质是一种拓扑纠错码,它用超导量子电路的具体实现方案由UCSB(现Google)团队与理论合作者在2012年提出。它的基本物理组成非常简单:近邻耦合的超导人造原子按照平面方格(国际象棋棋盘)排列即可。它对量子操作精度的要求远低于 stabilizer code,当前最好的实验水平几乎已经达到。这种路线受到很多团队、特别是商业公司实验室的欢迎,Google、IBM、Intel、Regetti Computing 都选择平面集成大量 transmon 人造原子,其中 John Martinis 带领的 Google 团队在工作质量和思路创新上明显领先。

但是 surface code 的劣势也是非常明显的。它的基本单元很简单,但代价是系统极其复杂,电路规模巨大。目前,Google 9比特芯片中的两比特逻辑门保真度 (fidelity) 约是99.3%,要提高到99.5%以上才有用 surface code 进行量子纠错的可能。但即使逻辑门保真度再提高十倍(这非常非常困难),实现一个逻辑量子比特也需要几千个物理量子比特,质因数分解一个5位数需要约四千万个物理量子比特,分解一个600位数需要约十亿个物理量子比特!要知道微电子学经过了半个多世纪的发展,今天的 Intel Core i7 芯片上才有十亿个晶体管。并且量子电路的集成并不像经典电路一样直接——芯片做大会大大增加量子比特之间的串扰和噪声,想维持小规模电路的质量非常困难。所以,通过 surface code 实现量子纠错,并不比大规模运行 Shor 算法这种遥远的宏伟目标简单多少。

选择 surface code 的商业实验室都明白这一点。但他们在宣传上几乎都对此少谈或不谈,转而强调不经过量子纠错的小规模量子电路可能的实际应用。但如第(三)部分所说,50到100个相干时间几十微秒的物理量子比特是否真有实际应用现在还很不确定。于是这些团队再退而求其次,将近期目标设为实现 quantum supremacy——在实验上证明量子电路在解决某个特定问题时比所有经典计算机都快。2016年Google 团队在理论上提出,49个物理量子比特可以在随机量子电路的输出采样这个特殊问题上超过所有经典计算机,这离当前的技术前沿并不遥远。Quantum supremacy 一旦实现将会是量子计算威力的第一次真实展示,也因此成了各个商业实验室短期内竞争的焦点;但这个实验的象征意义远大于实际价值——这个量子电路算得更快的问题是专门为验证 quantum supremacy 设计的,并不是一个实际问题。Google 团队及其理论合作者也多次公开表示,quantum supremacy 只是通向实用量子计算的长征上的一个近期阶段性目标,目的在于演练对小规模量子系统的控制能力;仅实现 quantum supremacy 的芯片依然不能做任何有用的工作。


B. 耶鲁路线

2013年起,耶鲁团队与其理论合作者提出了另一种非常不同的量子纠错方案——用谐振腔内的微波光子作为逻辑量子比特,超导人造原子仅用来控制和测量微波光子,通过量子非破坏测量对微波光子的宇称 (parity) 做持续追踪来实现纠错。按编码逻辑量子比特的光子态的不同,具体的纠错方法有 cat code、pair-cat code、binomial code、GKP code 等很多种,统称为玻色纠错码(光子是一种玻色子)。以微波光子做逻辑量子比特有很多好处——谐振腔内光子的寿命长、能级多、误码原因简单(光子损耗)、与超导人造原子相互作用强...... 更重要的是,这是一种高效利用硬件的纠错方案——一两个物理量子比特和一两个谐振腔就能构造一个逻辑量子比特,不像 surface code 需要成千上万个物理量子比特。过去五年里,耶鲁团队已经对 cat code 进行了大量实验,在2016年突破了量子纠错的 break-even point——第一次在实验中测得逻辑量子比特的相干时间长于它的所有物理组成;在2018年初实现了误码征状的容错测量,将逻辑量子比特的相干时间提高到1.9毫秒,遥遥领先于其他团队。另外,分别位于巴黎高等师范学院、芝加哥大学、清华大学的几个实验室也都在用相似电路结构进行玻色纠错码的实验研究。

玻色纠错码的实现难度也很大。我们需要非常巧妙地设计系统中超导人造原子和微波光子之间的相互作用,来实现一些精巧的人造量子光学过程(例如四光子泵浦等)。另外,如何纠正多光子损耗、如何平衡各种玻色纠错码的利弊等问题都很挑战。但在当前进展下,这些难题很有希望在短期内被攻克,而不是非常遥远的目标。


总结说,Google 路线是先集成、再纠错,基本单元简单,电路规模庞大,主要难度在于工程复杂性;耶鲁路线是先纠错、再集成,电路精简,主要难度在于精巧的量子光学过程。但无论哪条路线,最重要的都不是物理量子比特数量。

耶鲁路线无需集成大量物理量子比特就有希望实现逻辑量子比特。Google 路线需要大规模平面集成,但比数量更重要的是质量——数量做大并非难事,真正困难的是如何在芯片做大的同时保证每个量子比特的相干时间以及量子逻辑门和量子测量的保真度。这也是 Google 团队过去几年工作最出色的地方:5比特、9比特芯片上每一个物理量子比特的质量几乎都与单独测量的时候一样高,并希望能延续到22比特 Foxtail 芯片。这个数字不是随便选的——与5比特、9比特的一字排开不同,22比特将采用双排排列,这是形成二维阵列的第一步,将带来很多芯片结构和工艺的新挑战。这就是量子电路研究,每往前一步都要无比谨慎,越往下走越难。John Martinis 一向以治学严谨甚至苛刻闻名,在他的领导下 Google 团队正在高质量、有章法地沿着自己提出的路线步步为营。然而不是所有团队都像这样扎实,这两年超导量子计算领域最流行的宣传卖点就是量子比特数,不考虑量子纠错方案、不强调控制和测量的精度,好像谁的芯片上物理量子比特多谁就领先了一步。各家 IT 巨头和创业公司动不动就在新闻或年会上“发布”一块多少比特的芯片,以证明自家的“进展”和“竞争力”,这样是纯粹的商业炒作,在科学上没有意义。2018年3月5日早上,Google 团队的 Julian Kelly 在美国物理学会三月年会一场邀请报告的最后展示了一下72比特 Bristlecone 芯片的设计版图(我就在会场),这根本不是那场报告的重点;但它立刻被宣传成“Google 发布72比特量子芯片”,甚至在半天内席卷中文媒体,朋友圈里排队转发,还引发了各种一本正经的对当下“量子争霸”的“战略评论”,实在让人觉得荒唐。看过这些乱象,我向大家推荐三条屡试不爽的经验判据:

  1. 所有以量子比特数作为首要亮点的“进展”几乎都是炒作

  2. 所有在新闻媒体上首发或大肆渲染的“进展”几乎都是炒作(包括麻省理工科技评论,那是一家独立运行的商业创投杂志,不是学术期刊)

  3. 所有在朋友圈里大量转发、被非专业人群大量关注的“进展”几乎都是炒作


量子纠错之上的各个台阶(逻辑量子比特的控制、纠缠、测量,到最终的容错量子计算)难度只会更大,具体有哪些挑战现在还无法预计,因为我们的实践还根本没有到那个阶段。不过在这方面耶鲁团队再次领先一步——2016实现两个谐振腔之间的纠缠、2017年底实现光子收发 (photon pitch-and-catch),2018年初通过量子隐形传态实现两比特逻辑门 (teleported CNOT gate)。这些都是直接对逻辑量子比特的操作,只是微波光子还未经量子纠错。耶鲁路线允许我们现在同时开始挑战第四、五、六个台阶,一系列结果还是非常振奋人心的。


相信以上都看下来的童鞋已经明白,量子计算是一条越爬越陡的天梯,我们现在还只处于很初步的阶段。我们遇到的问题会越来越多、越来越难,但我们解决问题的能力也会越来越强。大型、通用、容错量子计算机什么时候做出来?任何明确答案都是不负责任的,因为它太难做、未知挑战太多、现在我们根本没法给出负责任的估计。用另一条经验判据结束这一部分:

在现阶段,所有“多少年后做出量子计算机”的承诺都是炒作。



(七)量子计算何时商业化?

进军量子计算的商业公司很早就有了。2007年,在学术界还在研究基本的物理量子比特的时候,一家叫 D-Wave System 的神秘加拿大公司突然宣布自己做出了一台量子计算机的原型机 Orion。Orion 不是一台基于逻辑门的通用量子计算机,而是一台量子退火机 (quantum annealer)。它有16个超导量子比特,但不对量子比特做单独控制,而是用绝热演化的结果求解一些特定问题。之后,D-Wave 的退火机越做越大,2011年推出128比特的 D-Wave One,这是世界第一个量子计算商品,售价1000万美元,被军火巨头洛克希德·马丁 (Lockheed Martin) 公司买下;2013年推出512比特的 D-Wave Two,被 Google、NASA、USRA 联合买下;之后在2015和2017年又推出了1000比特和2048比特的 D-Wave 2X 和 D-Wave 2000Q,全都找到了买主。

这些听上去很厉害的 D-Wave 机器到底有多强大?这在十年来一直争议不断。问题是,科学家甚至说不清 D-Wave 退火机到底是不是一台量子机器。D-Wave 机器里有没有量子纠缠?一些实验表明很可能有。那 D-Wave 机器有没有量子加速?绝大部分测试表明没有。特别在2015年,一支合作团队(包括 John Martinis 在内)用 D-Wave Two 最适合解决的专门问题对它的计算复杂度随问题规模的增长规律做了严谨的测试,结果是这台512比特的机器没有任何量子加速!这一大堆量子比特放在一起到底发生了什么?谁都说不清楚。不过测试 D-Wave 机器的过程很大程度上帮助科学家们明确了量子加速 (quantum speed-up) 的严格定义。另外一点是很有趣的:人们用一堆量子比特很容易地就造出了一台自己不理解的机器。直到现在,基于量子退火的绝热量子计算 (adiabatic quantum computing) 还是量子计算中的一个比较独立的分支,不少人都在继续发掘它的潜力,希望它能对解决一些特定的优化、仿真问题发挥作用。


量子计算真正的商业热潮从2014年开始——Google 全员买下了 John Martinis 在圣芭芭拉加州大学的实验室,成为“ Google 量子人工智能实验室”的一部分,并立刻给这群低调的科学家配上了强大的宣传团队。各家 IT 巨头纷纷坐不住了,各种专营量子计算的创业公司也开始出现。

目前,各种参与量子计算的商业公司主要分四类:

第一类是 IT 或工业巨头,其中 IBM 和微软上场远比 Google 早。IBM 十多年前就在 Waston 研究中心建立了以耶鲁毕业生和博士后为骨干的、颇具规模的超导量子计算实验室和理论组。IBM 的量子实验室曾经专注于扎实的基础研究,领取政府经费,与大学实验室无异;直到几年前才开启商业竞争模式。

微软很早就在圣芭芭拉加州大学内建立了 Station Q,专注于“拓扑量子计算”理论,也曾是完全的学术导向。这两年微软在荷兰 Delft 理工学院、丹麦哥本哈根大学、澳大利亚悉尼大学、美国马里兰大学、普渡大学、Redmond 总部都新建了 Station Q;最重要的是,把这一领域最有影响力的两位实验物理学家 Leo Kouwenhoven 和 Charles Marcus 收入麾下。

Intel 2015年起也不甘落后,并且兵分两路,在 Delft 理工学院与 Leonardo DiCarlo 实验室(前耶鲁博士后)合作发展超导量子电路,同时与 Lieven Vandersypen 实验室合作发展硅量子点。

通用汽车公司与波音公司联合所有的 Hughes Research Laboratories (HRL) 也已经在半导体量子点方向投入多年。

……

第二类是大学教授兼职创办的新公司,支持与转化自己学术实验室的成果。

2015年底,耶鲁超导量子计算实验室的领导者——Robert Schoelkopf 和 Michel Devoret 与研究员 Luigi Frunzio 创办 Quantum Circuits, Inc.,2017年11月完成 A 轮1800万美元融资。

2016年,马里兰大学实验物理学家 Christopher Monroe 与杜克大学电子学家 Jungsang Kim 创办主攻离子阱的 IonQ, Inc.,2017年7月完成 B 轮2000万美元融资。

2018年初,因斯布鲁克大学实验物理学家 Rainer Blatt、Thomas Monz 与理论物理学家 Peter Zoller 在政府和大学的支持下创办离子阱公司 Alpine Quantum Technologies,也已得到1200万美元经费。

……

第三类是自主创业、有完整硬件实验室的新公司。其中最有名的是位于加州伯克利的 Rigetti Computing,由耶鲁博士毕业的 Chad Rigetti 在2013年创办,现在融资已接近7000万美元,员工近百人。

第四类只做周边软件产品。这样的公司这两年出现了很多。


这些“量子企业”到底多有希望?我的个人观点是:不同类别公司的性质是非常不同的。

第二类(学术实验室 spin-off)会对当前的量子计算发展非常有帮助。量子实验正朝着越来越复杂的方向发展,除了核心的物理原理外还涉及大量的工程细节,其工作量已接近传统大学实验室的极限。此时,来自专业工程团队的支持,例如标准化的零件、加工工艺、专用的电子设备、控制程序将会极大地提高科研的效率。这类公司一方面解决实验中的工程问题,另一方面将学术实验室的成果做大做规范,这是一种非常良性的互动。不过,它们短期内一般没有很大的盈利计划,规模也很小。

第一类和第三类公司都有很强的盈利目的,但都自建或接管强大的实验团队,身体力行做量子计算机,在工作和宣传方式上也都很类似。它们的主要区别在于承受风险的能力不同,巨头企业更能承受长期投入而不见回报的基础研究(当然这也很容易导致项目下马)。

当前量子计算的主要瓶颈显著集中在物理实验,离开硬件基础提出的各种软件概念实际意义非常小。但这恰恰成为近几年量子商业热潮的焦点。第四类企业主营的有面向量子计算的编程语言、编译器、云服务,以及各种把信息技术概念前面加上量子两个字,组成一些听起来高大上、但实在不知道是什么意思的名词。这些开发成本低、周期快、新闻效应强(庞大的 IT 业界都能听懂),但其实与量子没有直接关系,在我看来,它们是纯粹的商业行为,重点是借当前的量子热潮用“概念”盈利,无关于量子计算的主要挑战和长期发展。换句话说,就没打算真做量子计算机。


所以,量子计算商业化了吗?没法说,因为眼下的“量子产业”处于一种奇怪的形态。经过二十多年的发展,“量子硬件”仍明显在拖“量子软件”的后腿。可以预见在未来的一二十年里,量子计算的最大挑战还将集中于基本的物理实验和复杂、开放量子系统的物理理论,将长期是一种基础研究。但这几年它被突然推到了产业的浪潮里,人类历史上都几乎从没有过一种基础研究如此受到产业关注。大家在物理实验还非常原始的情况下,拼命地寻找它实际应用,开发各种周边产品和“服务”,配合及其高调的宣传,竭尽全力地寻找商机。产业界是现代科技发展的一大推动力,但我不认为眼下这种形式的“商业化”会明显促进量子计算的发展,也不认为这波热潮能持续多久。量子计算面临的不只是工程挑战,还有许多基本的科学问题,很有可能属于“世纪难题”。它与现实的距离比无人驾驶、电动车、商业航天等要远的多得多,我们千万不能用科技产品研发的思路理解量子计算机的研究。它的真正问世需要长期、稳定的支持,而不是利益驱动的商业炒作。



(八)中国的量子计算处于什么水平?

与美国和欧洲相比,处于很初级的阶段。

为什么?首先因为量子计算不是一个凭空出现的学科,它根源于物理和工程的长期发展之上。例如,离子阱的基础是现代原子物理;超导量子电路是介观凝聚态物理和量子光学的结合;低温物理有超过百年的历史,稀释制冷技术最早出现在1960年代,至今仍基本被欧洲垄断;我们每天实验用的电子设备很多都来自美国几十年前的军工研究...... 在这样的积累下,量子计算非常自然地在欧美首先出现,并且持续积累、领先至今。对这一领域贡献最大的科学家们(第五部分中提到的各位)青年时代从事的都是相关方向的基础研究,一步步创造了各种理论与实验方法,建立起这个活跃的新学科。


1996年,奥地利维也纳大学 Anton Zeilinger 实验室来了一位叫潘建伟的中国博士生。他参与了许多重要的光子纠缠实验,五年后回到中科大。十几年来,潘建伟的实验室在多光子纠缠方面有许多漂亮的基础工作,并且大力推广实用化量子通信。2016年,中国发射了第一颗量子通信卫星,并在2017年实验成功;同年,中国开通了超过2000公里的“量子保密通信京沪干线”。目前,中国是对量子通信技术投入最大的国家,实践上也最为领先。(关于量子通信的讨论见第二部分)

但中国在量子计算方面就要落后的多。全世界顶级的量子计算实验室本来就很少,其中的中国人更少,不少实验室甚至从不招收未在欧美受过训练的中国学生(主要是出于对中国学生动手实验能力的不信任,不是什么涉密问题)。直到这几年才开始有训练有素的年轻科学家回到中国。例如在超导量子电路方面,John Martinis 的博士后王浩华老师回到浙江大学,Robert Schoelkopf 的博士后孙麓岩老师回到清华大学,成为两大阵营在中国的代表。其它实验系统也大多如此。所以说,专业的量子计算实验室在中国只是刚刚落地出现,经验积累、合作者水平、学生水平都比世界顶级组差一大截,当前的主要任务是训练团队和基本技术,模仿、追踪世界前沿,暂时不具备做出重大成果甚至引领方向的能力。这是所有后来者都必须经过的起步阶段,是最最正常不过的。

最近,中国的量子计算已经有了非常可喜的进步。例如去年,浙江大学与中科大的联合团队按照 UCSB/Google 路线,平面集成了10个超导人造原子(物理量子比特)并实现了它们的量子纠缠。上周,清华孙麓岩老师的实验室在美国物理学会三月年会上展示了一个量子纠错实验,很接近耶鲁团队2016年发表的工作。这都是非常好的趋势,说明中国现在已经有了专业的、有高质量产出的量子实验室。


但是,有一点进步就开始浮夸宣传是非常危险的。

去年五月,我的朋友圈里排队转发了一条“重大新闻”:中国研制出世界第一台量子计算机!打开一看,是中科大的五光子玻色采样实验。虽然这两年早已习惯了各种夸大宣传,但这个标题实在超出了我的想象力(正确的说是:中科大发表了一个有趣的量子光学实验)。这种宣传气势再与量子通信、“量子卫星”的新闻结合,甚至让很多在国外读博的同学都相信了中国的量子科技已经领先世界。最近,阿里、腾讯、百度纷纷开始了自己的量子“战略布局”,但从新闻稿来看,除了“量子”两个字反复出现外,基本不明白他们究竟想干什么(可以归入上一部分提到的第四类公司)。2015年,阿里巴巴与中科大建立了联合量子实验室,各方领导隆重出席,但新闻稿通篇都是科学错误,公布的“研究计划”无异于亩产十万斤。美国各家公司的宣传大战尽管都有夸大、避重就轻,但总体还是有尺度的;中国的浮夸宣传完全则看不到底线在哪儿。

可喜的进步也被各种夸大。浙江大学与中科大的10比特芯片被重点强调比 UCSB/Google 多一比特,也开始加入没有意义的比特数大战(见第六部分最后的解释)。其实这个实验中量子比特的质量、控制精度、复杂度都比 Google 差很多,也没有明显的方法创新。这是一个非常好的、符合现阶段发展需求的追踪工作,但不应该继续夸大。很多貌似专业的知乎答主都说这项工作至少代表中国的量子计算进入了世界第一集团,我只能说这么认为的人大大低估了世界第一集团的水平。如果非要说这是一项“重大成果”,我只能说不同人对“重大成果”的定义很不一样。


量子计算与科技创投、大型工程(比如土木、机械、航天)都不一样,它不是人到钱到说发展就发展,而是一个在优秀实验团队主导下漫长的积累过程。为此我的另一个担心是国内的人才储备:中国的基础教育乃至大学本科都是以书本为中心,非常轻视科学直觉和动手能力的培养,善于做题而不善于解决具体问题,这是大多数亚洲学生的通病。这一点不得到根本改变,中国的实验科学还将长期落后于欧美,包括量子计算在内。这是我在耶鲁实验室工作两年多的深刻体会。只有当高水平的实验训练成为了年轻学生不难得到的资源,中国的科学才真正有能力在质量上和西方竞争。



(九)结束语:我们为什么要研究量子计算?

最后,说几句个人观点,涉及到自己的科学史观。

量子计算机能做什么?破密码、做优化、加速机器学习...... 这些还都很不确定,在短期内也很难实现。那还费劲做这东西干嘛?我自己认为,量子计算的研究过程将是人类物质科学和工程的一次本质进步。

在历史上,人类的大多数科技和产业革命都是物质科学(特别是物理学)推动的。变革产生的前提是人能发现新的自然现象、控制新的“自然力”、扩展在自然中的实践范围。学会工具、学会用火、农业出现、铁器出现、蒸汽革命、电气革命无不如此。但有一个例外,就是最近的信息革命。信息革命虽然以物理为基础(电磁场、半导体、激光),但核心不是物理,而是数字逻辑。随着信息技术的发展,软件与硬件逐渐分离——底层硬件逐渐标准化,一步步接近物理极限,方法越来越受限制;主要的创新集中于顶层软件,这种趋势在今天的互联网、人工智能的热潮中日益明显。其它学科也大多如此,机械、材料等传统的“硬工科”虽然也在发展,但很少有本质突破,对社会的影响也日趋有限。一个直接表现是,不同专业的同学集体转计算机,“硬工科”毕业都不那么好找工作。

而量子计算是物质科学引领科技发展的一次新尝试,它第一次试图在量子水平上构造、控制物质系统,在探索自然的同时极大地扩展了人类工程实践的范围,上次迈出这样一大步也许要追溯到电气和核能。人们现在拼命寻找的量子计算机的各种应用可能都不是最重要的,就像17世纪的人想象不到什么是手机一样,我们现在也根本不知道当人类能自如人造控制量子系统之后能做多么不可思议的事情。

我认为量子计算是当前最重要的科技问题之一,尽管真正实用的量子计算机还比较遥远。说白了有点像那句话:We choose to go to the moon.

一网打尽系列文章,请回复以下关键词查看:

创新发展:习近平 | 创新中国 | 创新创业 | 科技体制改革 | 科技创新政策 | 协同创新 | 成果转化 | 新科技革命 | 基础研究 | 产学研 | 供给侧

热点专题:军民融合 | 民参军 | 工业4.0 | 商业航天 | 智库 | 国家重点研发计划 | 基金 | 装备采办 | 博士 | 摩尔定律 | 诺贝尔奖 | 国家实验室 | 国防工业 | 十三五 | 创新教育 | 军工百强 | 试验鉴定 | 影响因子 | 双一流 | 净评估

预见未来:预见2016 | 预见2020 | 预见2025 | 预见2030 | 预见2035 | 预见2045 | 预见2050 |

前沿科技:颠覆性技术 | 生物 | 仿生 | 脑科学 | 精准医学 | 基因 |  基因编辑 | 虚拟现实 | 增强现实 | 纳米 | 人工智能 |  机器人 | 3D打印 | 4D打印 | 太赫兹 | 云计算 | 物联网 | 互联网+ | 大数据 | 石墨烯 | 能源 | 电池 | 量子  | 超材料 | 超级计算机 | 卫星 | 北斗 | 智能制造 | 不依赖GPS导航 | 通信 | MIT技术评论 | 航空发动机 | 可穿戴 | 氮化镓 | 隐身 | 半导体 | 脑机接口

先进武器:中国武器 | 无人机 | 轰炸机 | 预警机 | 运输机 | 战斗机 | 六代机 |  网络武器 | 激光武器 | 电磁炮 | 高超声速武器 | 反无人机 | 防空反导 | 潜航器 |

未来战争:未来战争 | 抵消战略 | 水下战 | 网络空间战 | 分布式杀伤 | 无人机蜂群 | 太空站 |反卫星

领先国家:俄罗斯 | 英国 | 日本 | 以色列 | 印度 

前沿机构:战略能力办公室 | DARPA | Gartner | 硅谷 | 谷歌 | 华为 | 俄先期研究基金会 | 军工百强

前沿人物:钱学森 | 马斯克 | 凯文凯利 | 任正非 | 马云 | 奥巴马 | 特朗普

专家专:黄志澄 | 许得君 | 施一公 | 王喜文 | 贺飞 | 李萍 | 刘锋 | 王煜全 | 易本胜 | 李德毅 | 游光荣 | 刘亚威 | 赵文银 | 廖孟豪 | 谭铁牛 | 于川信 | 邬贺铨 |

全文收录:2016文章全收录 | 2015文章全收录 | 2014文章全收录 

其他主题系列陆续整理中,敬请期待…… 


100 69710 100 69710 0 0 37999 0 0:00:01 0:00:01 --:--:-- 38009 * Connection #0 to host 37.48.118.90 left intact

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存