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。
|
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。
(来源:财新网)