专访阿里云首席量子科学家施尧耘：量子计算机仍需长期的努力

编者按在不久前举行的未来科学大奖颁奖典礼暨未来论坛年会期间，阿里云首席量子科学家，之江实验室副主任施尧耘应邀作了《超越量子比特数：量子信息科技的挑战和机遇》的主题演讲。在演讲开始之前，施尧耘接受了《知识分子》的独家专访。

著名猎头机构推荐金领职位 企业 职位 经理人 专访 社区 会员 军工仪器研发制造--电子工程师/项目经理 30-50万 北京 电网侧储能初创公司-全钒液流储能-收购德国技术团队--CEO 150-200万 北京 深圳 央企背景-全钒液流电池电堆设计高级工程师（全钒液流储能） 40-70万 河北 深圳 新药/仿制药-研发系统-制剂部负责人CSO 60-70万 北京 成都 江苏 光电通信芯片-INP光芯片设计资深专家 80-150万 深圳 青岛 语音操作系统产品经理（人工智能） 40-70万 北京 天津 香港AI机器人-研发项目经理-图像处理/计算机视觉/机器学习算法 60-100万 香港 海外 中国著名航空材料公司-冶金(金相)专家 150-300万 北京 西安

在半个小时的采访中，他特别强调虽然量子计算机已经取得不错的成绩，但仍需要长期的努力，而公众在关心实现了多少量子比特的同时，在中国，尤其还应该关注算法，软件以及应用，他的“超越量子比特数”的演讲也意在此。在采访中，他还谈及了由学界到工业界的角色转换，人才的培养以及量子计算和通信时代对安全领域的颠覆。《知识分子》特将此次采访原文照录发表，以飨读者。

知识分子：关于Intel刚刚发布的17量子比特的芯片，你怎么看？

施：我觉得是很大的进步，但也是我们很长很长前路中间的一步。世界上有很多研究组，花了很多时间，希望能做出类似的成绩来，所以我觉得他们做的应该是很不错的成绩。不过他们好像没有发表相关论文，所以我对具体性能不了解。

知识分子：你如何看待QuTech的进展，他们通过操作准粒子（quasiparticles）来实现量子计算？

施：QuTech是也和技术转化的单位合作，是一个量子技术的重要的中心。他们不光有拓扑量子计算，还有超导，金刚石NV色心（The nitrogen-vacancy center, N-V center），有若干个技术途径来实现量子计算。我也拜访过几次，荷兰政府也投入了很多钱（未来几年150百万欧元），是一个重要的中心。你提到的是拓扑量子计算的路径，他们的团队确实是业界公认领先的。

知识分子：你提到他们采取了不同的技术路径，那么这几种相比，有何优势劣势？

施：我觉得各种路径有不同的特点，一些需要很低的温度；另外一些可能不太那么依赖于温度条件；一些比较容易实现对量子比特的操作；另外一些量子态较稳定。我想它们共同的特点，就是每一项技术都有很难逾越的技术瓶颈。你刚才问到Intel的意义究竟有多大，我觉得是一个很好的工作，但是人们同样面临的挑战他们如何克服还不太清楚，他们是不是有新的易于扩展的技术，也不是很清楚。

知识分子：刚才你提到QuTech有不同的方向，在布局上是不是考虑到其实并不知道最后哪一种会获得突破？

施：我想你采访QuTech可能他们有更直接的解释，我的看法是一方面不知道哪一个技术最后会胜出，当有资源的话，采取多种途径也是可以理解的。同时，我觉得从科学角度看，每一种技术路径都有有意思的科学问题，那么有不同的组探究不同的科学问题也是容易理解的。其实，不同的技术之间也不是一个零和游戏（zero sum game），不一定是这个成功，那个就失败了，也许它们有不一样的应用场景，也许有的用来做存储，有的用来做计算。我是个乐观的人，我觉得任何不是那么容易的事情即使一开始并不那么有用，但这些人都是很棒的科学家，他们的发现终究在某一个方面会找到用处。

知识分子：这些不同的技术是不是都有一些共同的难点？

施：同样的难点是很难扩展开来，做的很大。共同的问题就是量子比特非常的脆弱，容易死掉，那么如何挽救呢？有两种策略，一种是用软件的方法，在它死之前赶快挽救一下；另外一种是当你存储信息的时候，要改变存储的信息必须消耗能量，从物理学的角度可以使其更稳定。后一种方式有一个很漂亮的理论，对应的是拓扑量子计算，但在实验上非常有挑战性。微软采取这个路线已经有十几年，但还没有在工程上实现一个量子比特。当然他们希望是如果找到的话，可以很快的扩展开来。但在我看来，即使他们 在工程上实现了一个量子比特，也不是很清楚他们会如何扩展开来到几百个。即使是很小数目的量子比特都已经很富有挑战，所以，不是很清楚如何扩展到很大量的数目。

知识分子：你指的是马约拉纳粒子？

施：是。

知识分子：那你如何评价谷歌宣称的年底实现49个量子比特，因为很快也到年底了？

施：我想John Martinis他自己也是一个乐观主义者——他了解他所作的事情，我希望他是对的。你知道现在已经是10月底了，我想人们可能会越来越关注。当然真正的问题不仅仅是49个，问题是是不是可以做到几百，几千，几百万，是不是现在的技术可以让我们可以走到很大（量级）；或者说也不需要几个百万，走到可以让我们解决实际的问题，可以解决没有办法用经典计算机解决的问题。所以，即使John做出了49个，我也不清楚如何能达到那个转折点。我觉得最终的测试是，量子计算机能不能做一件事情，第一，这个事情是有用的；第二，没有其他办法可以做的。我觉得这个没有一个人可以承诺一个时间表。

知识分子：说到拓展性，要有实际应用的话，是不是还是比较遥远的？

施：当然，“遥远”并没有定义的很好，对我来说，十年是一个短的时间。我记得我曾经看过一些学生写的文章，他们说他们解决了一个长久以来没有解决的问题，我一看，这个问题不过是十年，十年是一个很短的时间段嘛。我想，应用大体上有两个系列：一个类型是模拟量子系统，这也是最早理查德费曼1981年的著名演讲中，他设想了用量子计算机来模拟量子系统。这听起来有点学术，但实际上我们工业界有若干个领域都是需要模拟量子系统的，比如材料科学。我们要发现新材料，不是直接到实验室做实验，而是以量子理论开始， 建模，用计算的办法来测试各样的想法。所以计算对于材料科学来说，是一个非常重要的工具。另外，计算量子化学也是需要模拟量子物理，所以量子计算机对量子化学会会是一个很大的帮助。药物研发中人们要问某种分子是否具备某种性质，也需要计算，量子计算机或许也能起到作用。

另外一个类别是，加速我们平常经常用的常规化的计算。比如机器学习，现在已经得到广泛使用，未来也会得到更为广泛的使用。如果这样广泛使用的技术，我们能够提速的话，就会带来广泛的影响。另外一个例子是优化问题。如果我们能显著提高解的质量，计算的速度，因为这些问题存在于很多的场景中， 带来的进步也是会非常广泛的。