pixabay.com
撰文 | 宋宇铮
责编 | 邸利会
● ● ●
量子计算这门学科，近两年才走入公众视野，但似乎听起来就让人感到不知所措。
的确，当“量子”这个前缀已经足够困扰人的时候，它的露面却偏偏还总要伴随着 “霸权”、“二次信息革命”、“千亿级市场” ——这里每个字眼都渗透出惊人的 “能量” 与焦虑。
摘掉高深与无所不能的面具，量子计算究竟是做什么的？距离落地还有多远？又会给我们带来怎样的影响？
在11月9日在北京举行的腾云峰会的间隙，面对记者们抛来的这一系列问题，腾讯量子实验室负责人张胜誉显得十分平静。
在他看来，自己打了18年交道的量子计算机远不是万能的，它最大的意义就在于能够帮助人类加速解决一部分经典计算机很难解决甚至无能为力的问题。
“从算法复杂性的角度来研究量子计算的主要任务就是，找到这些问题、设计好相应的算法，完成计算。” 他精辟地总结道，“至于落地，很多科学家认为这是一件有相当距离的事情，现在还处在商业应用前的研发阶段。”
的确，对于像张胜誉一样真正把量子计算当作一项事业的人来说，他们清楚地知道自己选择的并非只是什么投资热点，而是一项空前的跨学科学术挑战。这件事很难，但正因为难，才让人想把它做好。
五十余年前，英特尔创始人之一戈登·摩尔（Gordon Moore）预测，今后集成电路上的晶体管数量约每两年会增加一倍，被后人尊称为 “摩尔定律”。这一 “定律” 的延续曾使人类在不革新计算机工作原理的情况下便可以不断加速芯片算力，创造出笔记本电脑、智能手机等标志性产品。但这样的“好日子”事实上从“摩尔定律”生效的那天起便也被预示了终有一天会结束。简单而言，今天我们所熟悉的各式计算机都基于 “经典力学框架”（因此也被称为经典计算机），它们的芯片无一例外地以晶体管为基本数据单位（比特），并通过控制其电压的高、低来决定其处于 “1” 或 “0” 的单一状态，以进行二进制运算。几十年来，经典计算机芯片算力获得的提升大部分都是源自晶体管元件的缩小——单位面积内元件数增加使信息容量加大，元件间距离减小使逻辑操作加速。然而，物理元件不可能无限制缩小。近些年摩尔定律已被业界众多人士认为正在放缓甚至行将终结 [1]。经典计算机面临的更为本质的危机还在于，即便晶体管能够被缩小到原子尺度，粒子的行为也将开始按照量子而非经典力学的规律运行。这时，由于“隧穿效应”，电子将可穿透晶体管的绝缘层，使器件无法正常工作。缩小晶体管元件的套路可能失效，但人类对更强大计算能力的追求却不能就此终结，因为还有太多关乎我们生命与社会运行效率的命题被卡在计算这一关上。在交通管理上，经典计算机尚无法为五辆起点终点不同的车辆在城市道路中规划最优路径，以避免拥堵 [2]；在分子动态模拟上，经典计算机的复杂度极限尚不能与一个完整的固氮酶相提并论，而这一技术对人类提升药物研发效率、理解蛋白质如何获得其功能性结构等任务都至关重要。这些便是张胜誉提到的“无论算法如何精巧，经典计算机都不能快速计算，甚至在任何有意义的时限里不可能完成”的计算问题。它们的共同点是计算复杂度飞快增长（如以指数形式）。例如，想要找到上述五辆车的最优路径，可能需要计算10的100次方个不同线路组合的距离并进行比较。而经典计算机的运算量却是以倍数增长的——拥有N个比特的计算机，每次操作只能更改N个系数；即便超级计算机也只是靠尽量多地叠加处理器，把 “N” 不断加码来解决较小尺度的此类问题。想要从根本上攻克此类问题，能够让计算机在少数操作下完成指数倍的系数更改是一个最直接的思路，而令人激动的是，这正是量子计算的特点。
如果说量子计算机和经典计算机有什么相似之处，那就是二者都靠操控基本数据单位比特来实现计算，只不过前者所使用的是基于量子力学原理的“量子比特”。对于量子比特而言，它和经典比特一样都具有“0”和“1”两个基态，但在量子理论中，实际测量前它并不处于确定的“0”或“1”状态，而是两种状态按一定概率比例的叠加，也就是a概率为“0”，b概率为“1”，且a与b模的平方之和应为1。这显然是个好消息，因为它意味着量子计算机能够同时操纵两个状态，每次操作更改的是2个系数。当我们再加入第二个、第三个量子比特的时候，量子理论中同样重要的量子纠缠现象便会带来更重要的质变。简单而言，这意味着，多个量子比特在相互作用后，它们各自的物理性质（所处状态）将发生关联，成为一个系统，这时我们便不能够简单的说第一个比特处于某个状态，第二个比特处于某个状态，而只能说系统整体处于某个状态。当有N个比特时，我们的一次操作便可以同时改变2^N个系数，实现梦寐以求的指数倍数加速计算。然而，到这步量子计算还只是一个想法，想要真正实现并应用它还有数不过来的困难。因为这些困难，给人们带来希望的量子计算理论也曾数次被丢入“垃圾桶”。首先，每个量子系统都并不安分，而是会持续地与外部环境发生纠缠，如此一来，量子比特系统内部的物理性质相关性便会随时间减弱并消失，而没有了相关性，指数倍加速也便无从谈起。这一被称为“退相干”的量子力学现象会使系统信息部分或完全丧失，严重影响量子计算的效率与准确性。目前科学家们已经可利用多种量子编码技术实现较少量子比特的量子计算机的纠错，但实现5000个量子比特以上的容错量子计算仍是一个较大的远期挑战，而这便又牵扯出硬件上如何实现集成化量子计算机的问题。其次，算法是计算机的灵魂，即便我们冲破所有壁垒拥有了一台高度集成的量子计算机，没有能够利用它独特原理解决问题的算法，也对人类不会有任何价值。正是因为这一点，即便有费曼这样的诺贝尔奖得主“站台”，直到1994年，麻省理工学院的彼得·秀尔提出分解大质因数的高效量子算法之前，量子计算都从未在学界引起太大兴趣，甚至像被发明前的原子弹和第一台现代电子数字计算机埃尼阿克一样被认为是骗局。但秀尔算法毕竟只能解决一类问题，面对上述路径规划、分子模拟等等问题，张胜誉表示，还需要各个不同领域的人合作，一个一个去研究，给出算法并检验可以为哪些问题带来加速。值得注意的是，并不是所有问题只要用量子计算就一定更快，“有一些现实中的问题，比如排序，就被证明量子算法其实是没有太大帮助的。”
对于年轻而茁壮发展的量子计算界而言，当前跨学科人才的缺乏同样是一件棘手的事情。回头看看张胜誉所指出的“三个任务”，似乎每一个都不是仅靠数学家和计算机科学家便能解决的——寻找适合量子计算的问题需要从化学到经济等各个学科甚至工业界的从业者首先能够带来想法与诉求。设计好的算法则要求科学家们对问题有较为深刻的理解与知识储备，而最终制造可复制、能够稳定完成容错计算的设备则需要此前使摩尔定律能够延续的半导体工程师们和新的一批量子工程师的贡献。或许正是因为这样，从IBM到谷歌，各大机构的量子计算从业者们在各种会议场合都会忍不住邀请其他领域的研究者或创客们尝试深入了解一下这门带着些“神秘感”的学问。当然，张胜誉和他的腾讯量子实验室也不例外。从加入腾讯的第一天起，他便努力做着一件在他看来在大学里很难做到的事情——把多个不同领域的高质量人才聚在一起，让他们从共同协作的项目中快速了解量子计算，成为这一行业急需的 “通才”。与此同时，他也试图从化学领域的应用切入，带领实验室积极和药物研发企业、机构等展开交流与合作，尽管这样的合作在他看来或许5年内都很难产生具有商业价值的应用，但在他心目中，开放的理念是这个行业想要走得更远所不可或缺的。经历了前两年量子话题在投资界的大热，张胜誉认为今天无论是公众还是从业者都对于实现量子计算将面临的困难有了更多了解，变得更加清醒与理性。“开始有些人觉得量子计算是无所不能的，好像一两年之内就可以看到大东西。现在回头看，整个行业虽然没有我们希望的那么突飞猛进，却是在稳步地发展。这也是科研的正常状态。”张胜誉对两年间量子计算界的变化如是总结道，因此他也格外感谢能够不设论文发表指标让团队彻底安心做事的腾讯。最后，谈到对量子计算未来的展望，他也再次重申了自己两年前的观点，“大家都应该更开放一些，征程还远，很多条不同的路径中有这么多的坑要去踩，不是一个团队能踩完的，更需要的是整个人类的智慧加到一起。”
1. Patterson, Alan. “Nvidia CEOSays Moore's Law Is Dead.” EETimes, EE Times, 1 June 2017, https://www.eetimes.com/document.asp?doc_id=1331836#.2. Fujitsu Global. “SolvingCombinatorial Optimization Problems - FUJITSU Quantum-Inspired ComputingDigital Annealer”. Youtube, 28 March 2019, https://www.youtube.com/watch?v=6Av0pdP2UVA