Δ圖靈獎得主、清華大學交叉信息研究院教授兼院長姚期智
儘管量子計算已經被談論了很多年，很多計算機科學家仍然覺得它是一個非常神祕的事情。但在未來計算機領域，量子計算將是最令人興奮的發展之一。什麼是量子計算？它為什麼如此令人興奮？它比傳統計算機又強大在哪裡？今天，我們一起來了解一下崛起中的量子計算。
什麼是量子計算？
當圖靈和其他計算機探索者在研究計算機的時候，人們覺得自己已經知道計算的極限是什麼了。但在1981年，物理學家理查德·費曼提出了一個問題“計算機能否有效地模擬量子物理系統？”
如果使用經典計算機來模擬，需要數百萬年才能完成模擬。但是如果拋開傳統的計算機原理，使用量子材料，或許可以創造出一種新的計算機，獲得一種新的計算模式。這就是量子計算機。
有別於經典計算機使用二進制比特作為輸入，量子計算機輸入的是量子比特，可以表示經典的0、1狀態，也可以表示更多的狀態。量子設備是一種模擬設備。對於傳統計算，輸出的結果就是最後的數字，而在使用量子設備做計算的時候，需要對輸出結果進行專門的測量，最後才能得到輸出。
傳統計算機和量子計算機的運行方式也不同。傳統計算機中的主要計算方式是使用布爾運算操作普通比特，而量子計算機是在量子空間裡對量子比特進行模擬操作，來模擬量子狀態。
什麼使得量子計算如此強大？
在量子世界裡，由於量子比特的量子疊加態特性，量子計算機擁有了並行計算的能力。
那麼量子計算到底有多強大呢？舉個例子，如果我們對四百位整數進行因式分解，現在最快的超級計算機也需要六十萬年，如果是做量子計算機，只需要幾個小時，甚至有人說幾分鐘就可以做到。當然，量子計算機能做的不僅僅是整數的因式分解，我們希望能夠做出大型的量子計算機，解決很多現在做不了的事情，比如密碼破解，模擬量子物理系統，模擬材料學、化學和生物學，以及人工智能中的很多問題。
那麼，量子計算機究竟是如何加速計算的？
這個問題可以通過介紹由Peter Shor發明的大數分解量子算法來解釋。首先，我們需要回到物理學的一個分支-X射線晶體學，通過X射線來分析物體的結構。1913年，Braggs父子推導出了X射線的衍射現象的數學公式。假設有一個未知結構的晶體，你從各個角度對這個晶體拍攝了一些x射線照片，現在根據數學公式，你可以恢復出晶體的結構。這個方法是非常成功的，由此產生了許多諾貝爾獎。
我們是否可以藉助於這一方法來分析一個整數N？利用算法構建一個“晶體”，然後利用人工光源，例如X射線，去照射它，得到“晶體”的衍射圖，最後用得到的衍射圖分析出整數N的“結構”。現在問題是這個“晶體”以及得到的“衍射圖”體積非常巨大。事實上，我們其實並不需要整張圖片，只需要幾個樣本點就夠了，並不需要指數級的樣本數。那麼如何去進行採樣？根據光子的波粒二象性，一個光子通過裝置後的概率分佈將與經典情形相同。因此，我們只需要模擬一個光子透過“晶體”產生的衍射圖。與經典計算機相比，量子計算機可以以指數級的效率完成這個模擬過程，比傳統的計算機快非常多倍。
量子計算最新研究進展
20年前，有一些物理學家可能會說量子計算機永遠無法實現，而20年後的今年，量子計算機已經逐漸浮出水面。例如，關於使用什麼東西做量子處理器的問題。20年前，大家說有20種方式做量子計算機，而現在人們已經發現只有幾個選項是潛力比較大的，比如超導量子比特、離子比特、鑽石量子比特、拓撲量子比特，它們很有可能成為未來做量子計算機的路徑。
所有的技術方案都有自己的長處和不足。比如，金剛石量子計算機可以在室溫下工作並且擁有固態的晶體結構，容易進行擴展；超導方案目前在可操作的量子比特數上方面是領先的，但是必須在低溫環境下工作；拓撲方案有更好的糾錯能力，但是目前進展比較緩慢。
目前，量子計算已經成為了一個主流研究方向，學界對這一領域的相關獎勵機制也越來越健全，不久的將來我們能看到很多聰慧的科學家在這個領域鑽研深耕。但是同時，量子計算的發展在每一個階段都是非常困難的，想要增加量子比特數需要耗費大量的心血和時間。
為什麼量子計算對未來如此重要？在過去的一個世紀，計算機硬件領域有很多的進展，而量子計算的出現使得計算機在非常基礎的層面也可以有很多創新。不僅是硬件領域，AI也是量子計算關注的重點。現在的面部識別機器已經在某些方面超越了人類，量子計算雖然不能全面地和人類匹敵，但也可以在某些方面一較高下。
因為量子計算的出現，我們最終可以去預測未來。至少根據目前的理解，一旦擁有了量子計算機，人們就能掌握自然中最神祕的部分。可以將自然作為基準，看看我們和自然之間到底有多大的差距。
總而言之，量子計算機是一個革命式的產品，它和傳統計算機完全不同，未來我們還會經歷一個非常困難的時期。目前，量子計算在世界上多個國家都得到了關注，以微軟為代表的眾多科技公司也在相繼開發研究，因為在未來，量子計算將產生巨大的影響，我們完全有理由說未來“量子計算+AI”將成為新的時代主題。這兩大主題的交織下又將產生什麼新的應用，讓我們拭目以待！
來源：微軟研究院AI頭條