科技雷达|隧穿不确定性的另一条道路

简介: 当全世界都在追求量子比特数,达摩院的量子实验室却选择从高精度开始勾勒自己的量子计算路线图。

文 / 刘洋

施尧耘
阿里巴巴达摩院量子实验室负责人

2020年12月23日,达摩院量子实验室正式开源了量子计算模拟器“太章2.0”、阿里云量子开发平台(ACQDP)和一系列量子应用案例。

计算的世界受困于摩尔定律的停滞太久了,每个人都知道量子代表了不同的天空,会带来无限的可能。2020年10月16日,中共中央政治局在第二十四次集体学习上宣布将“量子科技”上升为国家战略,业界热情更加高涨。

2020年全年,中国新增了700多家量子相关公司。截至2020年12月,中国已有4200多家量子相关企业,其中85%的注册新增于最近五年。谈到量子计算,每个人都充满兴奋。

但在量子计算最核心的地带,阿里巴巴达摩院量子实验室负责人施尧耘仍旧保持着一贯的冷静,层出不穷的惊人融资和不断推高的产业预期都不属于他思考的范畴。他知道资本确实在涌进,但科学还没有走出沉寂,可扩展的商用量子计算机不会因为资金蜂拥而至就瞬时成真。这份定力可能源自于他二十多年的学术生涯,他在普林斯顿大学和加州理工求学,执教于密歇根大学安娜堡分校。

但作为学者,他也并不排斥“泡沫”,“如果把‘泡沫’定义为预期超过现实,量子计算是不是‘泡沫’就要靠时间来判断。”施尧耘说:“即使有‘量子寒冬’,人类也迟早能实现量子计算。考虑到人才培养、技术扩散和降低门槛,短期泡沫甚至还是很好的战术,毕竟冒险是人类天性和成功秘诀。”

科研和做菜

施尧耘爱用佳肴来比喻超导量子芯片,他会说“超净间就像厨房,我们在那炒出量子芯片的佳肴”,也会说“量子芯片在封装区被放在托盘中就像盛菜”,还会说“封装好的芯片在测量区被放进极低温冰箱,并通过同轴电缆连接、检查和操控,这和尝菜别无二致”,而二楼会议室经常召开的设计会就像“大厨在‘脑暴’菜谱”。

从在加州理工大学获得量子计算领域的博士后,施尧耘的研究和事业再也没有走出这个领域。他对量子计算的科学和现实意义有着清晰而独特的阐述,那就是“快”、“异”和“酷”。

“快”是形容计算的步骤,急剧减少。在施尧耘的原创比喻中,量子计算机和经典计算机就像袋鼠和乌龟赛跑,“乌龟在平面爬,袋鼠在三维空间跳,乌龟成千上万步爬过的距离,袋鼠可能几百跳就到了”。

“异”指的是量子计算机的原理与经典计算机迥然不同,为解决问题提供了全新工具。但并不是新工具就能解决世界上全部的现实问题,如强AI和无穷组合优化的问题,可能无论经典或量子计算机恐怕都无法完美解决。所以人们需要针对具体场景,尝试不同的工具。也许今天最好的解法是量子,明天变成经典,而后天又被量子扳回,如此反复,很难确定量子vs经典,孰优孰劣。但只要这些问题的价值足够高,多一条路径解决和工具就多一分创造价值的可能。

“酷”则指作为精致的大型人造系统,量子计算机其本质是前所未有的极致科学实验。物理学家喜欢称量子信息技术——特别是量子计算为“第二次量子革命”。第一次的量子革命为量子力学的诞生,而实验基本都是天然的简单量子系统。量子计算机作为人造的、规模巨大的、能随意操控的量子系统,将成为量子力学乃至人类文明最璀璨的“创造物”之一。

施尧耘当然知道自己的角色不是管理餐厅的大堂经理,而是量子实验室研发的负责人,毕竟两种职位角色完全不同。但另一方面,在真正的工作中,他就不能清晰地划出这条分界线了,他有时也会无奈地说,“研制量子计算既是工程,也是科学;既是基础,也是应用”。他还会非常认真地说:“这么说既很矛盾,但又确实是实事求是的说法。”

科学和工程的双重挑战

矛盾是量子研究的特色。量子计算以量子比特为基本单元,通过调控量子态实现存储和计算。在某些令人望而生畏的复杂问题,如新材料筛选和大数据分析上,量子计算机具有经典计算机无法比拟的信息处理能力。在人工智能之后,这是最令人瞩目的时代科技。

但优质的超导量子比特实现起来非常困难。它其实是一个系统,由电容、电感等多个部件组成,其中最重要的是一种被称为“约瑟芬节”的部件。这个肉眼可见的系统在接近绝对零度、与世隔绝的环境中表现得如同单个微观的原子:有着离散的能级,不同能级间的转化伴随着光子的吸收和发射。这就是为什么超导量子比特也被称为“人造原子”,而人们对不同的设计也取了原子一般的名字,如Transmon、Gmon、Fluxonium等等。科学原理和工程实现在这里都面临着不小的挑战。在基础研究领域,科学家必须弄清楚量子信号是如何丢失的,以及如何通过加强凝聚态物理和量子纠错码研究来检测和抑制对系统的干扰。在工程实现上,工程师们又必须找到方法用几近完美的纳米结构搭建超导量子比特这样的人造原子,并研究如何将它和充满干扰信号的环境最彻底地进行隔离,还要给它最精确的控制微波信号,只有这样才能制造出具有使用价值的高精度量子计算机。

“不仅在量子计算领域,当今科学已经高度工程化,应用研究和基础研究经常融为一体。”施尧耘在本质上反对清晰地区分基础研究和工程,他可以举出很多例子来反驳这种“武断”的划分。即便是做量子计算这种高精尖研究的人才,也都是要做“码农”的,甚至量子计算的很多步骤也高度依赖操作者的手巧眼利,“我有时甚至搞不清楚‘高’科技和‘低’科技之间的区别。”

在征服不确定性的道路上,没人知道最大瓶颈和最大的突破在哪里。量子实验室的科学家赵汇海说:“量子计算机的研制也许涉及到100多个步骤,每个步骤都有不小的改进空间,可能到处都是瓶颈。”

享受不确定性

无论是科学或工程,基础或应用,只要是研究,共同的特点就是不确定性。

“这也给了我达不到KPI最好的理由!”施尧耘自嘲说,不确定性之咒充斥着量子征途上的每一步:小到量子比特的设计、制备材料的选取和制备工艺参数的选择,大到超导和离子阱等量子系统的运作;快到随时可得的实验数据,慢到实验能够带来实际价值。

五年前,时任阿里巴巴集团CTO张建锋请施尧耘来阿里巴巴,问他“量子计算需要投入多少年可以实现?”,他说“十年”。几年之后,他每次被问或者做演讲时,他还说“十年”。终于有一天,他意识到需要自圆其说,于是告诉张建锋:“中文的‘十’是虚数。‘十年’的真正含义是,既不是马上,也不是不可能。”

一直以来,这位科学家都喜欢用数字“三”来归纳针对某一问题的思考。他认为应对不确定性的核心策略是三条:系统的方法、清晰的逻辑和不断的反省;做决策的指导原则也是三个:差异化、聚焦和着眼长线。遵循着这样的原则和策略,量子实验室技术路线选择了两个支撑点——“先高精度,后多比特”和“以新型比特Fluxonium为平台”。

当竞争对手不断宣布可操纵比特数的世界纪录时,实验室也承担了某些压力,但施尧耘不太在乎这些,他认为只用比特数来衡量量子计算就像苏东坡说的“论画以形似,见于儿童临”,他说,“如果比特不够好,操作精度不够高,越多比特越垃圾”。

究其根本,这其实是科学研究是否需要获得更多关注的问题。施尧耘说,达摩院的量子实验室在做出第一个传统比特Fransmon后就全力进入新比特Fluxonium的无人区,目标是在非主流比特上发展最高精度技术,而制造舆论热点不应该成为科学家考虑的问题:“如果一定要在‘获得外行的赞叹’和‘赢得行家的尊重’之间做出选择,科学家都会毫不犹豫地选择后者。”

对于行业用户“如何更好得迎接量子计算的到来”,施尧耘再次给了三个关键词——Get educated(了解知识)、Besensitive(保持敏锐)和Engage(投身其中)。

“即便不是职业发展的需求,对量子计算有基本的理解也是有意思的见识。然后,大家可以跟踪研究的进展,并积极思考和自身工作的关联,例如格外重视隐私的企业可能要考虑更新密码系统。”施尧耘认为,量子计算的未来确实迷雾重重,但任何技术最终的应用一定是百花齐放的,走向这一未来唯一的路径就是“了解- 跟踪- 投身其中”。“大家要请专家评估量子计算对业务的影响和可能的机遇,比如能否提前构筑竞争壁垒。”施尧耘说。

目录
相关文章
|
4小时前
|
人工智能 大数据
无人机在农业领域的应用与前景分析
传统农业生产一直面临着劳动力短缺、效率低下等问题,而无人机技术的发展为农业领域带来了新的可能性。本文将探讨无人机在农业领域的应用现状、技术特点以及未来发展前景,并分析其对农业生产、环境保护和粮食安全等方面的积极影响。
|
9月前
|
自动驾驶
【无人车】无人驾驶地面车辆避障研究(Matlab代码实现)
【无人车】无人驾驶地面车辆避障研究(Matlab代码实现)
|
9月前
|
自动驾驶 算法
【自动驾驶汽车量子群粒子过滤器】用于无人驾驶汽车列车定位的量子粒子滤波研究(Matlab代码实现)
【自动驾驶汽车量子群粒子过滤器】用于无人驾驶汽车列车定位的量子粒子滤波研究(Matlab代码实现)
|
人工智能 安全 自动驾驶
人工智能保障拥挤路口安全
利用基于人工智能(AI)的视频分析技术,可以向司机、行人和十字路口附近的其他道路使用者提供安全信息和警告。日本电气公司(NEC)和弗吉尼亚理工交通研究所(VTTI)已经成功地进行了该项目的概念验证(PoC)。
75 0
人工智能保障拥挤路口安全
|
自动驾驶 机器人 信息无障碍
生活︱自动驾驶时代临近
 在汽车智能化的浪潮中,自动驾驶是其中最受关注的一个话题,也是智能汽车在技术层面最终极的体现。
|
机器学习/深度学习 传感器 人工智能
快速行驶的自动驾驶,离现实还有多远?
随着人工智能的发展,萌芽于上个世纪70年代的自动驾驶技术,逐步成长为创业的风口。
123 0
快速行驶的自动驾驶,离现实还有多远?
|
机器学习/深度学习 传感器 算法
卫星联手机器学习,如何检测海洋中的塑料垃圾?
塑料制品往往色彩多样,不同尺寸,不同类型,大多数由多种化学物质制成,更糟糕的是,地球上的海洋区域广阔无垠,每年新增的数百万吨塑料很快就会四散蔓延,这种“大塑料”会逐渐分解成细小的塑料块,难以循迹,给海洋生物造成致命威胁。