近日，中國科技大學李傳鋒團隊傳來捷報，他們創新性地將機器學習應用到量子力學基礎問題的研究中，并在此基礎上首次實現了多重非經典關聯的同時分類。

人工智能將轉變量子這項研究極大地提高了處理速度，最終可以為超級計算機鋪平比現有技術快十億甚至十萬億倍的道路。

研究人員認為，這項成果十分關鍵。

1 機器學習攻克瓶頸

最近，中國科學技術大學李傳峰量子研究團隊，在權威國際物理雜志《物理評論快報》（Physical Review Letters）發表研究結果。

該研究將機器學習技術應用于研究量子力學基礎問題，首次實驗實現了基于機器學習算法的多重非經典關聯的同時分類。

計算亞原子量子領域中粒子之間的相關性質與關系是一個耗時任務，而李傳峰團隊的研究通過機器學習技術大大節省這一耗時任務的計算時間。

因為粒子關聯的不同，它們所適用的任務也不一樣。除了量子糾纏，粒子可以通過量子導引來相互關聯。也就證明在某些情況下，粒子的性質可以通過測量來改變。

大多數量子設備——從用于超安全通信的密鑰分配網絡、超高速量子計算機，到用于隱形飛機探測的量子雷達系統，都因為需要大量的處理時間確定粒子關聯，從而和實際應用保持著很遠的距離。

在合肥的中國科大多光子糾纏實驗室，研究員正進行量子計算和量子實驗

「它的工作原理就像礦物分離」。中國科技大學的李傳峰教授說：「AI 能告訴我們礦石中是否含有金、鐵或銅，因此我們可以將它們用于不同的用途。而這在以前是不可能做到的。」

直到現在，量子研究人員還必須測量一整套物理性質，才能確定粒子之間的關聯類型。這項工作困難且耗時，而當粒子數量增加時，工作量呈現指數增長趨勢。

「也許最終我們會發現這不是一塊金子。但我們能知道的也僅限于此。」李傳鋒說。

幾十年來，中國科技大學的研究人員們堅持進行量子實驗，并積累了大量的實驗數據。

李傳鋒的團隊建立了一個包含了 455 個量子態的非經典關聯屬性的數據集。這些數據都是根據粒子間不同的關聯類型而被精心挑選出來的，比如量子糾纏、量子導引和貝爾非定域性等。

科學家們利用這個數據集，訓練一臺具有深度學習算法的計算機，對粒子物理性質的測量。現在 AI 可以達到的精確度超過 90%，而且所需的時間已經被削減到在幾秒鐘就可以完成以前需要一個小時的計算。

機器也不需要對全部的信息才能對每個粒子進行評估。研究人員只需要把兩種物理性質的細節輸入機器，機器就能自動填補空白，并做出正確的評估。

「這種方法將極大地增加量子信息處理的資源供應。」李傳鋒說。

重慶綠色與智能技術研究所副教授、論文合著者任昌亮表示，這一突破并不意味著人工智能比人腦更能掌握量子物理。

「我們給數據貼上標簽，教育它，糾正它的錯誤。AI 就會遵循人類的指引，但并沒有超越我們。」他說。

與傳統方法相比，人工智能的另一個明顯優勢，是它可以更有效地處理多維問題，而量子物理中存在許多維度。任昌亮說：「這兩個世界似乎很般配。」

科學家們認為，這并不是他們研究的終點。

該團隊現在計劃繼續用更大的數據集訓練機器，并且還在開發專門用于量子計算機的新人工智能技術，預計它將比當今最強大的超級計算機快 1 萬億倍。

一些研究人員說，人工智能和量子計算的結合可能最終導致機器的智能等于或大于人類。

2 中科大的量子計算實力

此次將 AI 與量子計算結合的研究成果，只是李傳鋒團隊在量子計算領域頻繁取得進展的一小部分。

今年 11 月，李傳鋒、黃運鋒研究組與英國合作者，通過在線性光學系統中，驗證了糾纏態的相干性對橫向噪聲的適應性，并進一步證明在橫向噪聲中，糾纏態探針的量子測量精度可超越標準量子極限，在量子相干和量子精密測量的研究中取得重要進展。該項研究成果 11 月 1 日發表在《物理評論快報》上。

10 月，李傳鋒、柳必恒等人與澳大利亞的理論物理學家合作，在量子力學基本問題的研究中，首次實驗觀測到測量設備無關的高維量子導引，并用其產生私密量子隨機數。該研究成果 2019 年 10 月 23 日發表在國際權威物理學期刊《物理評論快報》上。

2018 年 8 月，李傳鋒、陳耕等人與南京大學合作者優化量子弱測量的測量方法，把單光子克爾效應測量精度再次提升接近一個量級。實驗結果首次逼近了最優海森堡極限，再創量子精密測量領域最高測量精度。該研究成果 8 月 8 日發表在國際權威期刊《物理評論快報》上。

作為郭光燦院士領導下的團隊，主要從事量子通信和量子計算的理論和實驗研究。研究方向包括：量子糾纏態的產生與應用、固態量子系統、量子網絡與量子物理。

中國科學技術大學教授，中國科學院量子信息重點實驗室主任郭光燦

其導師郭院士是中科大物理學院光學學科的負責人，也是中國量子光學和量子信息的開創者和奠基人。早在上世紀九十年代，郭院士同他的研究生就提出了「量子避錯編碼原理」、「概率量子克隆原理」，在當時的國際上引起很大反響，后被 2012 年諾貝爾物理學獎獲得者，法國科學家沙吉·哈羅徹實驗所證實。

除了李傳鋒，郭院士還有另一位高徒，郭國平教授。郭國平教授在量子計算芯片領域深耕近十年。自 2010 年開始，作為首席科學家，連續主持開展 973 國家重點項目中的固態量子芯片項目和半導體量子芯片項目。目前，是國內半導體量子芯片研究領域的領頭人。

郭教授多年主持的項目中，孕育出了一個成熟的，近百人的量子計算技術工業化團隊，也就是 2017 年誕生的本源量子前身。

在郭教授的產業思想領導下，本源量子從開始就打造了一條，從半導體量子芯片、測控一體機、量子語言、操作系統、云服務到整機的完整產業生態鏈。

2018 年，本源量子發布了我國首款具有完全自主知識產權的量子測控一體機；2019 年研究團隊自主研發了完整實現了 Shor 算法的量子軟件開發包「pyQPanda」，突破了中國量子計算在算法領域的零成績。

更是要在 2020 年將推出首臺國產自主產權量子計算機，含有 6 比特位量子芯片，目標是追平 2016 年 IBM 發布的 5 量子位機器。

在量子計算領域，還有一個常被提起的人物，就是潘建偉院士的團隊。

潘建偉（右）和陸朝陽（左）

潘院士和彭承志、陳宇翱、陸朝陽、陳增兵等人組成的研究團隊，在量子力學基本問題上展開了漫長而系統的研究。

他們將多光子糾纏和干涉技術應用于量子通信、量子計算和量子精密測量等多個領域，引領和推動了多光子糾纏及干涉量度學的發展，也在量子通信和光學量子信息處理上取得了關鍵性的突破。

3 多所高校競逐量子高峰

盡管，在量子計算領域內起步晚，與國際先進技術存在較大差距，但不論是超導量子計算方面，還是拓撲量子計算領域，我國的主要研究團隊在近年來的表現都可圈可點。

除了中科大這支在世界范圍內屢獲「首次」，成績亮眼的中國隊伍外，來自南京大學、中科院物理所、浙江大學、清華大學、上海交通大學等科研院校的課題組或團隊也在領域內做出了一些首創性的工作。

曾在潘院士團隊鉆研過的陳增兵，如今來到了南京大學物理學院。該院早在 2014 年 1 月，就曾在超導量子比特的研究中取得重要進展。率先在超導量子比特中實驗實現了幾何相的朗道-基納（Landau-Zener）干涉。成果發表于國際物理學頂級刊物《物理評論快報》上。

2018 年，于揚教授和朱詩亮教授二人的課題組，通過不斷努力，將理論和實驗緊密結合，利用超導量子比特模擬了新型拓撲麥克斯韋金屬能帶結構，在超導量子模擬方面取得重要成果。

另一個常與中科大緊密聯系的就是中科院物理所。

今年 8 月，研究員范桁，孟子楊等人，聯合北京計算科學研究中心張煜然博士，中國科學技術大學朱曉波教授、潘建偉教授等人組成科研團隊，在具有 24 個量子比特的超導處理器上實現了 Bose-Hubbard 梯子模型的動力學模擬，并成果觀測到一些新的動力學現象。

此外，范桁課題組，還和浙江大學王浩華課題組，以及中科大朱曉波課題組開展過了多體局域化問題的量子模擬研究。范桁研究員和其團隊確定了具體實驗方案，并完成了理論分析。在浙江大學完成測量，文章同樣發表在《物理評論快報》上。

上文提到的浙江大學王浩華課題組，更是與中科大潘院士團隊一起合作貢獻了出色的研究成果。

近來與潘建偉、朱曉波、陸朝陽課題組，福州大學鄭仕標課題組以及中科院物理所鄭東寧課題組等合作，聯合研發了十比特超導量子芯片，通過高精度脈沖控制和全局糾纏方案，成功實現了目前世界上最大數目的超導量子比特的多體糾纏，并通過層析測量方法完整地刻畫了十比特量子態。

此外還有以姚期智院士為首的清華大學團隊，上海交通大學的金賢敏團隊，以及北京計算科學中心、山西大學、南方科技大學等科研團體，他們的交流和聯合，為中國的量子計算的科學發展提供了充足的動力。

4 量子計算和 AI，誰成就誰

雖然英特爾研究院院長 Rich Uhlig 這樣形容量子計算：馬拉松的一英里。但是量子計算技術的發展，不論是理論還是應用，都取得了長遠的進步。

與人工智能的結合，也許會促使量子計算取得更加具有實質性的突破。而隨著各大 BAT、AI 等科技企業的紛紛投入，也許有一天，我們可以預計，量子計算也反作用于我們的科技，會為人工智能的發展同樣帶來怎樣的新變革，也未可知。