项金根：量子计算是能够提供大量计算力的一种全新计算模式

　　11月11日至15日，第二十二届中国国际高新技术成果交易会将在深圳举行。本届高交会以“科技改变生活、创新驱动发展”为主题，总展览面积超过14万平方米，有3000多家海内外展商、近万个项目参展，各项活动将超过140场。深圳量旋科技有限公司董事长项金根出席并演讲。

　　项金根表示，现有的经典计算的摩尔定律走到了尽头，所以算力的增长已经达到了一个瓶颈，但是现在的数据量又变得越来越多，因此算力的增长已经追不上数据的增长，所以现在需要一个新的计算模式来弥补计算力的欠缺，量子计算就是一种比较可行的，能够提供大量计算力的一种全新的计算模式。

　　以下为演讲实录：

　　项金根：大家上午好，很高兴能有机会跟大家分享一下量子计算与量子神经网络的情况，前面俞院士介绍了量子计算的大体情况，我在这里跟大家分享一下量子计算在量子神经网络上的应用。我们的公司是深圳量旋科技有限公司，是一家致力于量子计算产业化的公司。

　　近年来量子计算受到越来越多的关注，除了量子计算本身在现阶段取得很大的进展以外，主要的原因在于现有的经典计算的摩尔定律走到了尽头，所以算力的增长已经达到了一个瓶颈，但是现在的数据量又变得越来越多，前面很多嘉宾都已经讲到数据的增长是指数级的，因此算力的增长已经追不上数据的增长，所以现在需要一个新的计算模式来弥补计算力的欠缺，量子计算就是一种比较可行的，能够提供大量计算力的一种全新的计算模式。

　　量子计算能够解决什么样的问题呢？如果把世界上的问题列成一个圆圈，我们会发现经典计算机只能解决其中很小的一部分问题，量子计算机能解决比经典计算机更多一些的问题。如果某种问题是处于经典计算中比较复杂的问题，而在量子计算中是比较简单问题的话，这类问题就是现阶段量子计算机能够解决的问题。如果有些计算问题可以在经典计算上也能解决，但是量子计算能够大幅度地降低它的计算复杂度的话，那在这部分问题上，量子计算机也能够发挥比较大的作用。具体到行业应用的话，量子计算机其实可以在材料设计、药物研发、数据分析、网络安全以及人工智能等领域发挥比较大的作用。

　　这一页比较复杂一点，我只是想解释一下为什么量子计算在刚才提到的那些领域能够发挥比较大的作用。假设我们有一个模型或者一个函数需要进行计算，有一个变量取一个x，我们要去算它的函数值F（x），如果x是一个N个比特的数据，我现在想把x的所有取值计算出来的话，在经典计算中需要算2的N次方，当N很大的时候，计算量很大。这样的一个问题如果我们转换到量子计算里面，我们也是可以写成一个很类似的形式，只是我们可能会多一些控制位之类的。量子计算里面有一个很特殊的特性就是量子叠加态，可以制备变量x的叠加态，可以取到这个x所有的数值，这样一次输入就可以计算所有x的函数值F（x）；这就是量子计算的并行性的根本原因。当然天下没有免费的午餐，所有的值是计算出来了，但是想把所有的数值一次性得到是没有可能性的。每一次读取的时候，只能读到某一个x值对应的F（x），为了利用这些并行计算的成果的话，我们需要有一些特别的算法来使得F（x）的某种组合能够读出来，这就是为什么需要很多人研究量子算法的原因。没有量子算法，量子计算机的叠加性得到的并行优势是得不到发挥的。现有的量子体系其实还有一个问题就是量子的退相干问题，量子比特会跟环境发生作用，发生退相干，量子计算的所有问题需要在量子退相干之前完成。

　　如果我们举个量子计算加速能力的例子，最好的例子就是Shor算法，它的作用就是把很大的数N分解为两个质因子P和Q。这样的算法在经典里面是一个复杂度为指数的算法，如果N比较大的时候我们在经典的计算机里面从N分解成P跟Q需要很长的时间，如果我们用N加密，用P和Q来解密，在经典计算中是安全的。如果N不是足够大，比如说现在在经典里面2048位的大数，量子算法里面可能只需要十几分钟就能够被解决，现在认为是比较安全的RSA算法，在量子算法里面或者量子计算机被广泛应用以后它是一个不安全的算法。下面的表只是列了一下在经典算法跟量子算法针对同样的一个问题的话所需要的时间。我们可以看到对于一些特别大的数，经典算法可能需要很长时间，但是量子算法可能几十分钟就可以解决。

　　量子算法具有很大加速能力，在材料计算、量子化学、药物分子筛选、蛋白质分析等得到比较大的应用。例如蛋白质的折叠问题，蛋白质是由20种不同的氨基酸通过不同的组合构成的，不同的几何结构对人体的作用不同，对药物研发也有很大的影响，因此我们需要了解蛋白质的具体几何结构，用经典计算机计算几何结构是非常复杂的问题，用超算也几乎不可能完全这样的任务，如果用量子计算机，可以有复杂度比较低的算法，并且这样的算法可以在INSQ上运行。现有的量子计算机硬件水平还未达到特别高的水准，因此还解决不了这个问题，但是我们可以预测当量子计算机的性能指标达到下面的门槛的话，我们是可以解决蛋白质的折叠问题。

　　刚刚讲了量子计算的应用，我们现在讲讲量子计算跟量子神经网络之间的关系。大家可能对神经网络比较熟悉，在机器学习里面大量用到神经网络东西，神经网络需要计算一个目标函数F（x）的值，通过改变参数x得到一个目标函数的值，这个步骤在神经网络或者经典神经网络是有很多次循环，每一次循环不停地调整X，得到目标函数的最小值。如果F（x）这个函数在实际的应用里面可能是比较复杂的函数，你要计算这样的函数需要很大的计算量，如果我们能找到一个量子算法，让这个F（x）的计算值变得比较简单，我们可以加快整个神经网络的计算速度。把量子计算跟神经网络互相组合起来，这样形成一个量子神经网络的体系。现在的硬件水平还达不到把它接入到神经网络里面去做，但已经有现成的软件大家可以试用。

　　为了展示量子神经网络的东西，我简单举个例子：如果我们有一个多粒子体系，这些之间有相互作用，这样的体系如果我们写成一个哈密顿量，当N的数据比较大的时候，H是一个很庞大的矩阵，如果我们想求这个体系的基态的话，复杂度很高。现在可以利用一些量子神经网络的算法，降低它的复杂度。

　　我放了几个图，大家不用纠结这上面的电路是什么意思，我只是想展示当粒子数增加的时候，我们需要的量子比特和电路门的数量是线性增加的。

　　这是用一个真实的实验仪器测试算法的结果。现有的真实计算机每次量子线路门的操作带有误差的，因此我们必须测试理论的算法模型能不能跟实际运行结果吻合。我们用了两个耦合粒子的例子放在IBM的量子云上以及我们的计算机上进行测试，测试的结果表明即使现有的量子计算机带有噪声，也能够得到比较理想的结果。

　　这是我们机器双子座的参数，单比特门保真度99%，双比特门保真度98%，量子神经网络对机器的噪声容忍度还是挺高的。

　　我们已经把双子座放在我们的通用量子云平台上。这个量子云平台上可以接入多种体系的量子计算机，例如核磁共振量子计算机和超导芯片量子计算机，现在在云上大家可以使用两比特、四比特以及六比特的核磁量子计算机。欢迎大家使用。谢谢大家。

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。