851: Quantum ML: Real-World Applications Today, with Dr. Florian Neukart
01:11:51 Share

即使量子计算越来越容易获得，我们的密码安全吗？Terra Quantum AG 的首席产品官 Florian Neukart 认为是安全的。在本集中，他概述了量子安全安全的三个关键要素。他与 Jon Krohn 讨论了量子计算的资源应用以及量子计算对运行时间和冷却系统需求的解决方法。如果您有兴趣从机器学习转向量子计算，他还将探讨您需要（以及不需要）进行更改的内容。有兴趣赞助 SuperDataScience 播客剧集吗？请发送电子邮件至 [email protected] 获取赞助信息。在本集中，您将了解： (17:12) 量子计算的实际应用 (23:35) 量子计算所需的芯片 (31:18) 量子计算如何应对关键业务挑战 (46:33) 量子技术的伦理挑战 (49:28) 如何精通量子计算 (1:01:21) 量子计算的未来 附加资料：www.superdatascience.com/851</context> <raw_text>0 这是第 851 集，嘉宾是 TerraQuantum 的首席产品官 Florian Neukart 博士。

欢迎收听 Super Data Science 播客，这是数据科学行业收听率最高的播客。每周，我们都会为您带来有趣且鼓舞人心的人物和理念，探索机器学习、人工智能和相关技术的尖端领域，这些技术正在使我们的世界变得更好。我是您的主持人 John Krohn。感谢您今天的收听。现在，让我们化繁为简。

欢迎回到 Super Data Science 播客，开始我们今年的第一期嘉宾节目。我很高兴能为您带来今天的特别节目，主题是量子机器学习，而我们邀请到的嘉宾是地球上最了解量子机器学习的人之一，Florian Neukott 博士。

Florian 是 TerraQuantum 的首席产品官兼董事会成员，TerraQuantum 是一家领先的量子计算初创公司，总部位于瑞士和德国。他还是荷兰莱顿大学的量子计算助理教授。他拥有量子计算和机器学习博士学位。今天的节目在某些部分会变得有点技术性，尤其是在开头关于量子计算和量子机器学习机制的部分，但总的来说，本节目应该会让任何感兴趣的听众都着迷。

在今天的节目中，Florian 详细介绍了新一代混合量子经典系统如何使量子计算能够用于实际应用。他概述了可用的量子计算芯片，包括 Google 的新型量子芯片 Willow，这款芯片最近引起了很大的轰动。他谈到了开发量子

量子安全加密、当今可以使用量子机器学习解决的各种实际问题、量子机器学习如何解锁个性化医疗、核聚变能源和革命性的空间技术，以及您如何从今天开始学习量子机器学习。好了，准备好收听这期精彩的节目了吗？让我们开始吧。Florian，欢迎来到 Super Data Science 播客。我很高兴能邀请您来到这里。您今天从哪里打电话进来？

感谢您的邀请。我从旧金山打电话进来。很好。我们在葡萄牙里斯本的网络峰会上见过面。我们在后台相遇。您做了一个关于量子计算、量子应用以及这个领域如何发展的精彩演讲。我当时就知道我想做一个关于这个主题的节目。几年前我们做过一期节目

关于量子机器学习。因此，如果人们对此感兴趣，他们可以回顾第 721 集。嘉宾是 Amira Abbas。Florian，您见过这个人吗？是的，当然。我知道这个社区仍然相当小，所以量子计算领域的人至少是互相认识名字的。我认识她，是的？只认识名字。那是一次很棒的采访，而且很有趣，因为……

她对近期实际量子机器学习应用是否有用的想法泼了冷水。您是否会说，这是一个安全的陈述？不，我不同意这种说法。但这取决于你的看法。所以当你想到

基本上，每个人开始做量子计算的方式都是考虑如何将一个实际问题转化成可以在量子芯片上处理的东西。

然后我们试图降低复杂性。我们使问题更小。所以最终，这不是一个实际问题。你只是解决了一个玩具问题。但后来人们意识到，我们还有所有其他的计算能力。混合才是正确的方向。因此，您可以使用所有现有的经典非量子高性能计算机。它们仍然擅长它们所擅长的工作。

然后你添加量子计算，但仅在必要时添加。这就是我们在量子机器学习中所做的。例如，我们不会将整个神经网络都尝试表达成可以在量子电路、量子芯片上运行的东西。我们只取其中一部分。如果你这样做，那么量子机器学习（混合方式）现在就可以派上用场了。很好。这令人兴奋。所以我想这种混合方法是我们今天要讨论很多的内容。

事实上，你们 Terra 公司非常擅长利用传统计算，并允许我们进行量子计算模拟等等。也许您可以解释一下 Terra Quantum 以及它在更广泛的量子领域中的地位。Terra Quantum 是一家量子技术公司。我们专注于量子技术的所有支柱，包括硬件和软件开发。

现在，当你问到量子技术有哪些支柱时，这总是取决于你与谁交谈。对我们来说，它是量子计算、传感、成像和密码学。当我们谈论混合量子计算时，所以

这里的想法是真正开发解决方案，开发能够有效地结合所有经典高性能计算和量子计算机的库，现在的术语有时可能会产生误导，所以该领域的每个人目前都在使用混合，我们都在谈论集成，但有时当你仔细观察时，你会发现它是

它只是一个提供我们都非常熟悉的经典 HPC 的云提供商，突然之间又增加了一个组件，即量子处理器。但是你如何结合它，如何有效地利用这种新的能力，这取决于用户。对我们来说，情况有所不同。

我们考虑的是集成，并将量子芯片集成到我们的库中。例如，考虑一下深度神经网络的一部分，例如一个全连接层，

您可以将其表达为量子电路。顺便说一句，量子电路是一组堆叠在一起的门。这通常是您表达在通用或门模型量子计算机上运行的任何内容的方式。因此得名门模型量子计算机。

现在，您以这种形式表达该神经网络或该神经网络的这一部分，那么您仍然必须引入设备。因此，量子设备可能使用其他门。所以它们可能与我们在软件中使用的门不同。所以我们必须进行映射。软件集成需要一定的努力，但我们会这样做。所以我们不希望最终用户为此担心。在我们看来，对于最终用户来说，唯一需要担心的是他们想使用哪种量子芯片。

无论技术如何，无论芯片的拓扑结构如何，他们只需要切换一个参数。我想使用量子芯片 A。这与使用其他量子芯片 B 的参数不同。您可以比较性能。尽管如此，集成工作仍然在我们身上。你必须这样做。

这不是一件容易做到的事情，但这就是我们提供它的方式，也是我们看待混合量子软件的方式。- 我对您刚才所说的话有一些疑问。其中一个问题是，您在里面提到了门。那么在这种情况下，门是什么意思？

当你想到所有经典计算，即非量子计算时，在最基本的层面上，我们也使用门。我们有 AND 门、OR 门、XOR 门、NOT 门，最终我们想要一组通用的门来执行我们需要的任何操作。现在，我们在量子计算中也做同样的事情。不同之处在于，由于这些门的设计方式，理论上存在无限数量的门。

我们当然不希望有无限数量的门，所以我们仍然将其限制在我们经常高效使用以改变量子位的状态的某些门。我们所做的与在经典计算中所做的相同，但它有所不同，因为我们使用的是量子效应。因此，我们拥有所有这些丰富的量子信息，其中一个位不仅可以一次处于一种状态，它还可以假设多种状态的叠加

这为您提供了更丰富的计算能力。在这种情况下，我们仍然将这些门应用于我们的量子位。

并应用一系列门，然后您将其称为量子电路。这就是算法。因此，量子计算中的全部技巧通常是找到正确的门集，有效地组合它们，然后考虑设备的特性。因为这些系统非常精细。我不能让算法运行几分钟。您在芯片上只有纳秒，也许是微秒。

所以我可以用来在芯片上执行该电路的时间非常少。所以我必须非常注意电路的深度。我与它交互得越多，越有可能弄乱系统。这就是我们在算法中准备的东西。

预定义的门集映射到特定设备，因此最终用户可以运行混合量子神经网络并仍然操纵层，操纵架构，但不必担心如何真正访问设备。

非常有趣。因此，不同的设备，您谈到了您的 Terra 软件如何允许您在给定类型的芯片上拥有您想要的特定门。您在那里提到的一个有趣的细节是，您只有非常少的时间来在芯片上运行任何类型的计算，这与经典计算完全不同。您可以让您的经典计算机运行数月，有时没有任何问题，而

而您说它们是纳秒或微秒。所以这就是量子计算现在一直以来的工作方式吗？是的，这是一个挑战。所以你真的想在执行你的电路时速度很快。还有其他一些因素需要考虑。所以如果你有，你谈到了相干时间。所以这是，

量子计算机可以保持这种非常精细的叠加态的时间。所以所有可能的位配置同时存在。因此，如果您制定了算法，那么这意味着所有可能的解决方案都将同时出现。当您使系统崩溃时，当您读取时，可以说，那么全部技巧是从所有许多数十亿甚至数万亿个可用的解决方案中获得正确的解决方案。

这就是我们必须担心的问题。然后考虑电路的深度。所以电路越深，

量子计算机、系统崩溃的可能性就越大，在算法完成之前就会崩溃。因此，理想情况下，我可以限制我的操作，不要使用太深的电路。我可以根据我一次访问的量子位数来限制它们。例如，

在芯片上操作单个量子位门造成的损害较小，可以说，比进行跨越多个量子位的操作造成的损害要小。损害是指冒系统崩溃的风险。明白了，明白了，明白了。我从第 721 集与 Amir Abbas 的对话中了解到，量子位是量子计算中位的等价物，但它与我们经典的位具有不同的属性，对吧？

没错，是的。所以，当你想到经典位时，这也是你之前所说的关于经典计算机的内容，我可以让它运行一个月。我甚至可以停止计算，读取中间结果，然后继续。这对量子计算机和量子位来说都是一个挑战。

所以，正如你所说，我们有最小的信息单位，量子计算机中的量子位，但它有所不同。例如，考虑一下电子。让我们以最简单的原子为例，氢原子。我们有一个电子在轨道上，然后我们只看那个电子，它有一个叫做自旋的量子属性，自旋可以向上或向下。

有趣的是，只要我不看，在这种情况下，这意味着与偏振激光相互作用，只要我不看，

状态共存。所以它同时向上和向下。这就是量子计算机如此强大的原因之一。想象一下，您有两个位。所以最终，这两个位中的每一个都会给你一个 0 或 1。但是只要我不看，它就是同时是 0 和 1。这意味着 2 的 2 次方等于 4 种可能的配置，系统可以同时假设这些配置。

如果我现在有 3 个位，我有 2^3 = 8。所以这非常了不起。这意味着在一个完美的量子计算机中，每当我添加一个量子位时，我都会将其计算能力加倍。如果我有 1000 或 1001，则存在显著差异。

现在，更实际地说，这意味着如果我以可以将其嵌入量子芯片的方式表达了我的解决方案，那么该问题的全部可能解决方案将同时存在。现在，量子算法通常所做的是使你不想要的解决方案在你看系统时、测量系统时出现的可能性降低。

它们永远不会消失。所以量子计算机是概率系统。如果你在算法中做的一切都正确，你仍然可能得到一个无意义的解决方案。这就是为什么你不只测量系统一次，而是测量一千次的原因。你仍然非常快，仍然可以在微秒内完成。

然后你会得到 800 次一致的解决方案，200 次一些随机的解决方案。然后你会进行多数投票，并说这是问题的正确解决方案。还有纠缠。我不想把这变成物理学讲座，但还有更多量子效应在起作用。

作为 Super Data Science 的听众，您可能不仅对像 ML 和 AI 模型这样的数据驱动能力感兴趣，而且还对底层数据本身感兴趣。如果是这样，请查看 Data Citizens Dialogues，这是一个由 Colibra（领先的数据智能平台）的人员带来的具有前瞻性的播客。

在这个节目中，您将直接听到来自业内巨头、创新者和来自达特里克斯、Adobe 和德勤等一些世界最大公司的高管的第一手资料，他们将深入探讨数据领域最热门的话题。您将深入了解数据治理和数据共享等广泛主题，以及如何确保全球范围内的数据可读性等具体细微问题的答案。

对于那些对数据质量、数据治理和数据智能感兴趣的人来说，我发现 Data Citizens Dialogues 是对本播客的良好补充，因为这些话题我通常不会在本节目中深入探讨。因此，虽然数据可能正在塑造我们的世界，但 Data Citizens Dialogues 正在塑造对话。在 Apple、Spotify、YouTube 或您收听播客的任何地方关注 Data Citizens Dialogues。

是的，量子纠缠最终成为瑜伽工作室等地方解释思想如何相互交流的东西，这是一个非常有趣的社会现象。我连接了两个世界，比如这种科学技术世界。而且我还，你知道，我喜欢瑜伽，而且，你知道，我喜欢，你知道，遇到，你知道，这些有趣的人，他们在很多方面都过着，你知道，美好的生活。但看到如何

你看到像迪帕克·乔普拉这样的知名作家将量子纠缠作为证据，作为一种解释，即思想正在相互交流，我们可以，我不知道，访问前世或其他时间，我不知道。这很有趣，但并没有那么令人兴奋。虽然它确实，我的意思是，这是一个非常有趣的现象。

但是是的，是的，它是如此，我的意思是，最终我鼓励这种关于不同科学和哲学分支的讨论，因为最终物理学经常变成

你做一个实验，你用一个方程式来描述这个实验，但有时物理学家忘记了问这意味着什么？例如，如果你考虑叠加，所有状态同时共存，

取决于你拥有什么样的物理世界，但这可能意味着世界是概率性的，现实除非我看，除非我测量，否则就不存在。这意味着什么？我认为物理学不太擅长回答这个问题。这就是为什么我认为这种讨论，或者

或者与其他分支的讨论。这是一个非常非常重要的讨论。是的，这令人费解。我认为即使是爱因斯坦也有名言说量子理论，他就像，这不可能是对的。这没有任何意义。是的，这让他有点不安，是的。

尤其是纠缠，他不太喜欢。所以我相信量子物理学中的每个人都知道这一点，但他称之为“超距幽灵作用”，他并不信服。对。好吧，我的意思是，现在我们有了真正的量子应用。所以是的，告诉我们一些，你知道，现在我们对理论和量子计算可以做的一些特殊事情有了一些了解，

那么，您能否举一个实际的例子，也许是一个优化问题？这似乎是你们 Guterra Quantum 公司做的事情。所以就像某种对经典计算机来说难以处理的实际问题，但也可以使用一些量子计算。听起来通常是一个混合系统。

我们如何才能有一个提供一些价值的实际应用。是的。有很多。我们研究的这三个分支，每个从事量子计算的人都做的是机器学习，正如你所说，优化，然后是模拟。优化中一个一开始听起来很无聊的问题是调度。

但这对于无论你拥有多么强大的经典计算机都是无法解决的。所以挑战是多方面的。调度出现在生产中，出现在医院中，当你必须为护士和医生制定计划时。调度出现在电动汽车的计算机中，当你想要优化子程序的功耗时。

我们与一家汽车公司（大众汽车）一起做的一件事是生产调度问题。想象一下，车辆从生产线出来，然后所有这些车辆都必须进行一些测试。

理想情况下，我可以对每辆车进行所有测试。但现实情况是，你没有足够的时间，你没有足够的人，而且并非所有这些进行车辆测试的人都拥有相同的技能。特别是如果它是排放测试。我的意思是，然后你真的必须跳过几辆车。

是的，那个。所以其中一些测试，当然，你可以计划，因为你会得到报告，现场错误。车间会报告，好吧，我有几个客户抱怨水损坏。所以每当下雨时，车内就会变湿。然后你进行防水测试。但是然后有 250 多个测试类别，每个测试类别都有子测试。所以

所以现在的问题是，鉴于今天可用的员工、生产人员和技能，我如何才能最大限度地增加所有这些车辆的测试数量？这是一个非常复杂的调度问题。但正如我之前所说，同样的算法可以应用于车辆中的子程序调度。

在电动汽车中，所以你想最小化功耗，那么也许你有两个使用相同数据的子程序。所以与其加载到内存中，删除它并再次加载它，不如让我按顺序执行这些子程序，并在删除数据之前按顺序访问数据。所以这些是可以应用的地方。

一开始听起来并不令人兴奋，你会想知道是否真的有什么地方需要量子计算，但确实需要，因为最终使用经典非量子算法，你唯一能做的就是启发式方法和进行近似。所以你永远无法确定这是否真的是我能找到的最佳解决方案。

我必须承认，即使使用量子计算机，你也无法确定。但是你可以做的是比较经典算法和量子算法。如果量子算法给我一个更好的解决方案，那么这就是我选择的方案。

我们解决的其他问题包括物流问题。我们解决了多个物流优化问题。想象一下，您有一支车队必须通过枢纽网络运输货物。例如，食物会腐烂，你必须在下午 1 点到 3 点之间让车辆 1 号到达某个枢纽。否则，食物就会有问题，例如。

那么，你如何优化我运输车队中所需的车辆数量，最大限度地减少我有效运输所有货物所需的车辆数量？或者换句话说，我如何减少空驶里程？空驶里程是指我的卡车只是从 A 到 B，但没有任何货物。那么我该如何避免这种情况呢？这也是我们为客户解决的问题之一。

然后它涵盖了卫星星座的优化（我们已经做过），金融优化。所以你想预测市场行为，你想进行抵押品优化，你想进行奇异期权定价。

你想进行机器学习。你想学习得更好，进行更好的图像分类。所有这些事情都受益于混合量子计算。有趣。让我们更深入地探讨一下您刚才提到的机器学习。您说有三种类型的量子应用领域。您说机器学习、优化，但我没有完全理解第三个。那是模拟。模拟。

是的。通常，当量子计算领域的人谈论模拟时，他们指的是物理和化学模拟。想象一下，在最基本的层面上，你有一个量子系统，你使用的量子计算机来模拟另一个量子系统，即分子。

你想做的是，例如，发明更好的电池化学。你想设计更好的电池正极或负极。你想让电池更小，能够更快地充电。你想能够在电池降解之前更频繁地充电。这些都需要量子模拟。你必须能够理解所有电化学反应中涉及的分子。

寻找药物也是如此。如果你想了解药物如何影响你体内的蛋白质，我必须从量子力学的角度来做。现在，药物设计过程是不同的。它是实验性的。你设计并进行实验。你用实验动物做。但是如果我现在能够用量子计算机来做，所以实际上基本上模拟所有可能的原子构型，所有分子，我可以

用量子计算机来做，然后只做一次实验，因为我会立即得到正确的药物。话虽如此，模拟对于量子计算机来说是最复杂的问题。虽然 TerraQuantum 也取得了巨大的进步，但随着更强大的系统的出现，还会有更多的事情发生。太酷了。我喜欢。之前，当我问你关于门的问题时，我开始考虑硬件。你提到过

不同的芯片，你说，你知道，TerraQuantum 解决方案允许你在芯片 A、芯片 B 上拥有你需要的任何门。人们今天使用哪些主要的芯片进行量子计算？如果

这是，我们也，我们必须谈谈 Google 最近发布的 Willow 芯片，在录制时引起了巨大的轰动。所以是的，让我们了解一下量子硬件领域，以及你如何，你知道，一个客户来找你，说，嘿，你知道，我想解决这个计算机视觉问题，或者我想解决这个物流问题。你知道，你如何说，你知道，让我们先尝试使用这个芯片，原因如下。

是的。所以最终，我认为这个问题没有一个答案。这取决于客户。这取决于他们现有的合同。例如，IBM 的量子芯片非常先进。还有 Rigetti。还有 D-Wave。不过，范式不同。当然还有 Google。

但有时，你知道，公司已经签订了合同，云合同。例如，与 AWS 签订了云合同，那么 AWS 在量子芯片方面提供的任何东西，都将很容易获得。

人们与 IBM 签订了合同，无论是在云系统中，还是在高性能计算中。那么当然，IBM 可能是首选供应商。但这真的取决于情况。我认为这个问题没有一个答案。这取决于偏好。这就是为什么我们开发的软件不关心量子芯片。对我们来说，客户真正想要使用什么，我们都会提供。如果我们想让他们能够与其他系统进行比较，

很容易做到。所以我们可以做到。这很有趣。IBM 似乎是为数不多的 IBM 仍然处于技术前沿的领域之一。还有很多其他事情，它们是过去时代的代名词。但对于量子计算，它们是，你知道，它们正处于最前沿。是的，我不能多谈其他领域，但他们的研究非常出色。

他们也在纠错方面做了很多工作。所以这非常重要。最近发布了几篇优秀的论文。所以说，我认为所有这些致力于这些系统的机构都为推动该领域的发展做出了贡献。这当然很大程度上取决于软件，但如果没有量子系统，

混合量子软件也无法发展。因此，这些机构做出的任何贡献，我们拥有的任何新系统，都将使软件更强大。对我们来说，想象一下，您将使用我们的软件堆栈并使用算法（例如混合神经网络）来解决问题。那么一旦量子芯片变得更强大，我们的软件的设计使得

您只需在下面插入新系统，通过 API 或其他方式使其可用，软件也会变得更强大。无需重新开发算法。客户无需担心这个新系统。我们担心这个问题。但最终，更强大的芯片意味着算法也会变得更强大。所以许多机构都在努力工作是一件好事。那么更强大通常意味着更多量子位吗？是的。

更多量子位，更好的量子位质量，更好的相干时间。所以相干时间是一个问题。所以你想能够运行更复杂的算法，这意味着我必须让系统能够更长时间地保持其量子态。这也是一个问题。顺便说一句，这也是我们进行研究的领域之一。所以我们开发量子位。我们有一种新的量子位设计。

目标是提高温度。因此，在某个时刻，超导量子比特达到室温，然后仍然具有更好的气动性能，更好的与自身无关的物理特性和环境的隔离性。

但这就是每个人都在关注和努力的方向，无论是什么技术。所以，是的，这意味着更多的量子比特，更好的连接性。所以，如果你考虑这些量子芯片，当你以二维平面的方式观察它们时，你会看到你的量子比特，然后是这些量子比特之间的物理连接。在一个理想的世界里，我会拥有

全连接，但你无法做到这一点。干扰太多，复杂性太高。所以你必须考虑我需要连接到每个相邻量子比特的量子比特数量是多少？最佳拓扑结构是什么？仅此一项就是一个非常复杂的问题。

如果你仔细想想，连接性越高，我可以用更少的量子比特在芯片上嵌入更复杂的问题。连接性越差，我需要的量子比特就越多。所以所有这些因素都是相互关联的。很好，很有趣。稍微回顾一下，

你刚才谈到IBM在减少错误方面做了很多工作，这又回到了我之前关于谷歌的Willow芯片的问题，这似乎是主要的创新，Willow，我无法在量子计算方面深入探讨博客文章的层面，但是，一位名叫Hamot Nevin的人，

他是谷歌量子人工智能的创始人兼领导者。他说，我很高兴地宣布Willow，我们最新的量子芯片。这里的一大成就是Willow能够随着我们使用更多量子比特进行扩展而呈指数级地减少错误。因此，对我来说，这意味着

从历史上看，拥有更多量子比特意味着更多错误。不知何故，他们在这里想出了办法，使你的错误实际上减少了，而且它们似乎随着量子比特数量的增加呈指数级减少。

是的，这是真的。所以从历史上看，正如你所说，想象一下你拥有，那么错误是如何测量的，有不同的方法。但一种方法是保真度，双量子比特保真度。这意味着你观察一个双量子比特操作并将其应用于两个量子比特。你获得预期结果的频率是多少？然后你得到一些值，可能是99.7%或其他什么值，非常高。

所以听起来它已经接近完美了。我们应该没问题。但事实并非如此。因为如果我们将该系统扩展到数百万个量子比特，那么错误就会成倍增加。所以你会，用数百万个量子比特，即使具有如此高的双量子比特保真度，仍然会得到随机结果。所以这不好。谷歌现在展示的是他们无法纠正这些错误，也无法扩展它。这是一个好消息。

对整个领域来说。这意味着障碍不再存在了。当然，还有一些其他的挑战。你必须担心工程方面的挑战。量子比特越多，例如数百万个，系统就会越热。因此，如果它是超导系统，则需要更强烈的冷却要求。

还有一些其他的事情。但谷歌展示的，这是一个显著的结果，正如你所说，他们可以扩展系统，发展系统，保持错误率下降。这是拥有更大、更好的芯片所需要的因素之一。非常了不起。准备好将你在机器学习和人工智能方面的知识提升到一个新的水平了吗？加入Super Data Science，访问一个不断增长的图书馆，其中包含40多个课程和200多个小时的内容。

从初学者到高级专业人士，Super Data Science都为你量身定制了课程，包括大型语言模型、梯度提升和人工智能方面的内容。通过17条独特的职业发展路径来帮助你浏览课程，你将专注于你的目标。无论你的目标是成为一名机器学习工程师、生成式人工智能专家，还是仅仅将数据技能添加到你的职业生涯中，Super Data Science都能满足你的需求。立即开始你的14天免费试用，网址为superdatascience.com。

这太吸引人了。它为我们提供了更多关于这些东西如何工作的细节信息。让我们回到应用程序。我们之前已经开始讨论应用程序了。你谈到在机器学习中，优化和模拟是量子应用的领域。你在扩展应用程序方面面临哪些主要挑战？

量子方法来满足企业日益增长的需求。因此，当一家金融公司发现他们可以用量子芯片进行更好的优化时，其他所有金融公司都将想要加入并使用量子芯片。所以，是的，主要挑战是什么？TerraQuantum如何通过基于云和混合计算的方法来应对这些挑战？所以

这是一个非常好的观点。我们发布的这些用例，通常我们所做的是

两件事。所以我们不仅开发概念验证，我们还打算将我们开发的东西用于生产。然后我们将与一流或业界最佳算法进行比较。所以我们不仅仅是想销售量子魔法。对我们来说，它在实践中真正起作用非常重要。如果你有一个优化问题，你目前用Cplex或Gurobi来解决，这就是我们想要超越的目标。

这是我们在处理用例时所做的目标和承诺。我说，无论你使用什么，我们都会做得更好。如果它没有更好，那么从客户的角度来看，使用它就没有意义，无论其中是否有量子技术。

所以，由于这些出版物，由于我们与客户一起发布的研究，由于我们所做的用例，当然，越来越多的客户或潜在客户对量子计算感到兴奋。这对业务有利。对我们有利。然而，我们仍然看到的一个挑战是，没有一个放之四海而皆准的解决方案。

因此，我们在软件开发中尝试做的就是真正开发一个通用的堆栈，你可以用它来解决任意的机器学习问题，任意的优化问题。

它仍在发展中。所以有时我们会与客户合作，然后他们遇到一个我们无法用我们当前的算法堆栈解决的问题。所以我们必须研究一个并开发一个，基本上是发明它。这，我的意思是，这很有趣。但是如果你，

只关注这一点，你作为一家公司只能做这么多。因此，这始终是在寻找我们现有的正确解决方案并应用它们与进行研究和为新客户发明一些全新的东西之间的平衡。我认为我们在这方面做得越来越好。但仍然有很多工作要做。当你想到经典优化领域或非量子优化领域时，

我不知道几十年来有多少成千上万的贡献者参与了这个领域。而这正是现在在量子计算中发生的事情，在每个人都在关注的所有领域。然而，量子社区规模要小得多，而且年轻得多。所以还有很多事情要做。然后，当然，下一个问题是，

你如何运行它？仍然有很多公司，不仅仅是老牌公司，许多公司都说，我只能在本地运行它。我不想在云端有任何东西。这是一个挑战，因为量子芯片在云端。所以

所以通常不会有人在他们的本地数据中心拥有量子芯片。像超导系统这样的系统，由于冰箱，由于冷却要求，它们要花费你1500万到2000万美元。明年它们就过时了，因为这不是你可以在本地获得的东西。所以你必须找到解决方法。例如，你如何准备数据？这也是量子计算的一个非常特殊之处。你嵌入数据。

数据在芯片上。芯片是内存加处理单元。嵌入意味着我必须将我的问题转换成零和一。现在，如果我没有执行这种转换的算法，那么我就不知道，没有办法，即使我是一个攻击者，我提交的是什么问题。所以这有时会降低风险。所以即使你将其未加密地提交到云端，没有人这样做，你

它帮助我们减少了客户方面的担忧。如果你传输一个零和一的列表，它可能是最复杂的优化问题或意大利面食的食谱，没有人知道，除非他们知道你如何准备你的数据。

但这需要你解释。人们并非都知道这些东西。所以这是引入一项新技术。现在它正在变得企业级就绪。它是企业级就绪的。人们正在学习它。这是我们与客户一起进行的旅程。

非常酷。你与某人一起进行的另一个旅程是，我一直在阅读关于与英伟达合作的文章，这对我们的听众来说显然是一家热门公司，它是世界上按市值计算的最有价值的公司之一，它开发的芯片最终对人工智能应用非常有用。所以，请告诉我们一些关于TerraQuantum与英伟达的关系，以及这如何促进量子人工智能

人工智能创新？这里的故事与许多其他后端相同。我们通过我们自己的平台提供英伟达的后端，混合量子云。我们尽量做到尽可能的不可知论。客户想要使用哪个提供商，他们想要使用哪个云系统，我们都会提供。这是因为许多原因，例如现有的合同。他们说他们有一个GCP合同。我只想使用GCP。

好吧，这就是我们的算法运行的地方。你可以从我们现有的合同中受益。这就是我们进行这种合作和与英伟达整合的原因。此外，英伟达拥有出色的硬件。在量子计算、模拟量子系统方面也有出色的研究。

如果你拥有这些，那只能是有益的。然后在量子计算中通常还有另一种方法，例如，我们强烈依赖它，它被称为张量网络。张量网络目前是一种纯粹的经典算法，但强烈依赖于GPU。现在，我们已经用经典张量网络击败了许多最先进的算法。

例如，我们最近发布的一个软件包是TQChem。我们专注于化学，我们有构象搜索。所以你想找到分子的最佳空间方向以及它们如何结合在一起做某事，例如治疗体内的疾病。现在，我们为此使用的张量网络依赖于GPU，但是

张量网络可以很容易地转换成量子电路。所以现在如果我们有更强大的量子系统，在某个时刻我们将采用完全相同的算法，将其转换成量子电路，并挤出更多性能。这也是背后的原因。

很好，很好。这很有趣。是的，而且听起来你们正在为使用任何这些后端选项提供一个很好的平台。英伟达只是列表中的一个。在此之前，我并不知道英伟达的这些量子工作，所以这是一个新东西。是的，他们在这方面投入了大量精力，是的。所以量子计算中经常出现的一个问题是

人们担心加密会被破解。例如，微软首席执行官萨蒂亚·纳德拉在一本书中写道，经典计算机需要10亿年才能破解广泛使用的加密算法RSA 2048，而量子计算机需要不到两分钟就能做到同样的事情。10亿年对两分钟。我也觉得很有趣。我的意思是，这是那种

有了Willow，他们说，哦，我们在五分钟内做到了这件事，这将花费世界上最快的超级计算机10个七百万亿年，这个数字远远超过宇宙的年龄。每当我读到类似的东西时，我觉得它已经被，你知道，就像一个不公平的比较，因为你……

你知道，你使用的是一个非常适合量子计算但又不适合经典计算的问题。所以，你知道，你会得到这些大数字，我猜这确实令人印象深刻。但对我来说，每当我读到这些时，我并不感到惊讶或震惊，因为我已经知道量子计算可以有效地解决经典计算机无法解决的问题。无论如何，加密就是其中之一。

所以在当今互联网以及我们生活中许多方面都需要加密来确保陌生人之间的信任并确保隐私的世界中，

你一定花了一些时间思考这个问题。我不知道答案，但人们问我。他们说，量子计算会如何破坏我们所有的加密记录？我给人们的答案有点含糊。我说，是的，但这需要一种技高一筹。是黑客与……

试图提出安全解决方案的人。我认为不会出现某种加密末日，突然之间每个人都可以访问每个人的帐户。在我看来，将会有一些解决方案，但我不知道这些解决方案是如何工作的。所以也许你对这些未来的量子安全加密算法是如何工作的有一些见解。

是的。我认为你所说的内容已经很好地总结了挑战。顺便说一句，我同意。所以当我们这样做或者公司发布这些关于量子计算机可以做的事情与经典计算机可以做的事情的声明时，我也会更担心现实世界的问题而不是专门设计的问题。

通过量子计算机有效地解决由计算机解决的问题，但是加密现在是我们有一个实际应用的问题，正如你所说，例如RSA，大量用于通过设备或设备之间进行加密通信，在基于互联网的通信网络通信中，如果量子计算机能够有效地破解该算法，我们必须以某种方式进行保护，量子计算机……

例如，RSA，可以有效地破解RSA，因为底层结构，底层数学承诺是，使用经典计算机，你无法有效地找到非常大的数字的素数因子。现在有了量子计算机，你可以或多或少有效地做到这一点。

这对其他加密算法也是如此。所以基于任何数学承诺，可能存在一种量子算法可以有效地解决该问题，这仅仅是因为量子计算机具有一些我们任何时候都无法用经典计算机获得的特性。有一类算法被总结为后量子算法，后量子密码学。

根据目前的理解，这并不意味着这将永远成立，根据目前的理解，没有有效的方法可以使用量子计算机来破解这些算法。NIST最近刚刚发布了三个标准，或者你可以称之为一个标准，其中包含三个算法，用于数字签名和加密。

这些算法属于那些根据目前的知识，不能用量子计算机轻易破解的算法。这是故事的一部分。对于文件系统或通信的加密，你将使用后量子密码学算法。但还有更多。还有其他量子技术可以用来防止量子计算机。有量子密钥分发，如果你听说过的话。所以量子密钥分发……

基本上意味着我有两个参与者，并且在这两个参与者之间有一个光纤网络，我将我的密钥编码在量子信息中，例如在光子的相位或偏振中，

然后通过光纤通道传输它，通过智能测量以及参与者之间信息的交换，我知道或参与者知道是否有人监听，是否有人试图窃取密钥，所以如果参与者现在同意我完成了量子密钥分发，没有人监听，我们可以安全地使用该密钥，那么他们将获得

量子后量子算法并使用该密钥中的后量子算法，所以我现在已经有两种组件了，第三种组件是安全密钥生成，有很多随机数生成器，我们提供的是量子随机数生成器，一种使用光子或雪崩击穿的设备，这是我们拥有的两种不同版本

在晶体管中安全地、绝对随机地生成数字。这些数字不能通过算法复制。所以我们在软件中使用的所有其他算法，随机数生成器，它们是伪随机的。所以这是一个算法……

取一个种子然后生成一个数字。最坏的情况是攻击者可以复制它。所以现在如果你将这三者结合起来：通过量子设备进行安全密钥生成，随机数生成器，通过量子密钥分发进行安全密钥交换，通过后量子密码学算法进行安全加密，那么你将绝对安全。

很好。是的。所以这很棒而且具体。例如，你提到NIST提供了一套三个后量子加密算法。所以对于那些正在寻找这些算法的人来说，NIST是美国国家标准与技术研究院。

在深度学习中以位于MNIST的背后而闻名。好吧，所以Yann LeCun在90年代修改了NIST手写数字数据集，它变成了MNIST数据集。它就像深度学习问题的“你好世界”一样。

酷。所以，是的，这个大型加密问题似乎是你现在已经让我们心跳减慢的事情，Florian。在加密之外，还有很多地方量子计算可以用来使世界变得更美好。事实上，TerraQuantum的首席执行官会见了

梵蒂冈的教皇方济各，讨论如何利用人工智能和量子计算来促进人类福祉，保护自然，并在我们这个日益技术化的世界中促进世界和平。TerraQuantum如何解决这个问题，这是TerraQuantum自己的一句话，TerraQuantum致力于负责任的创新和量子技术的道德实施。你们如何在TerraQuantum实际做到这一点？这是一个很好的问题。

就是这样。名字本身就来自这一点。Terra真正关心地球，但当然它也超越了地球。这个想法，我知道，尤其是我在硅谷说出来的时候，听起来有点平淡。利用技术造福人类的想法深深植根于TerraQuantum。

造福人类可以意味着很多事情。我们今天还没有谈到的一件事是我们的医疗设备工作，例如。所以我们即将开始对我们进行的激光治疗的临床试验，这些治疗可以治愈骨关节炎和动脉硬化症。这是全新的。我们在这里所做的是，当你患有关节炎时，在关节之间引入光纤通道。

然后发射圆形激光辐射，进行一些成像，并使用混合量子算法优化激光参数，然后以此方式治愈骨关节炎。基本上可以用同样的方法治疗心脏及其周围的动脉，所以我们可以预防中风和心脏病发作。

这些是我们不必做的事情。所以，如果我们只关注量子计算和保护量子计算的其他安全方面，公司仍然会做得很好。但我们的承诺是真正利用我们的知识来开发这些可以帮助人类的技术。这就是为什么我们从事医疗设备工作的原因。我们不是医疗设备公司，但我们经历了所有这些，自己支付临床试验费用，然后开发

尝试将其推向市场，推向人们，推向医院。

这对量子计算也是如此。我认为许多应用程序不能被归类为好或坏，因为如果你考虑一个物流问题，是的，如果你减少排放，当然对大自然有好处。但是如果存在一个问题，例如我们所做的一个问题，即脂肪肝的分类，即识别脂肪变性病例，这也使用混合量子算法来解决。我们超过了……

我们没有客户。我们只是说我们这样做，我们证明这是可能的，现在它已经存在了，每个人都可以自由使用它。每当我们可以做这样的事情时，我们就会去做，即使有时这意味着我们不会从中赚钱。但当然，我们是一家公司，所以我们也销售产品。

数学构成了数据科学和机器学习的核心。现在有了我的机器学习数学基础课程，你可以牢牢掌握这些数学知识，特别是必要的线性代数和微积分。你可以在我的YouTube频道上免费获得所有讲座，但如果你不介意为Udemy版本支付通常很小的费用，你将获得YouTube上的所有内容，加上练习的完整解答和官方课程完成证书。

正如节目中无数嘉宾所强调的那样，要成为最好的数据科学家，你必须了解底层的数学知识。因此，请查看节目说明或johnkrone.com/udemy中的机器学习数学基础课程链接。网址是johnkrone.com/u-d-e-m-y。

是的，这很有趣。而且，你知道，Tara拥有这种社会效益的承诺真是太好了。对于那些一直在收听本集并一直在思考的听众来说，哇，我也想通过量子计算对世界产生重大影响。我们的听众如何开始？某人如何成为……

成为一名专业人士，我想，一般来说是量子计算，但更具体地说，是量子机器学习。是的。所以如果你已经有机器学习的背景，那么你已经完全具备了进行量子计算的条件，我认为其中一个误解是你必须是量子物理学家或一般的物理学家才能进行量子计算。

如果你想制造量子芯片，你只需要成为其中之一。如果你不想，如果你想使用它，那么叠加和纠缠的概念，虽然一开始可能很难理解，但你不必是物理学家。问题实际上是不同的。问题是，通常当我们接触到这些概念时，我们已经长大了。我，当我学习的时候，所以，我，

我在年轻的时候读过关于物理学的书，但我真正接触到量子物理学是在大学。所以现在你18岁、19岁了，然后你学习量子物理学，突然之间，你所知道的关于这个宏观世界的一切似乎都不正确了。所以在某种意义上它仍然是正确的，但基本原理，底层物理学是完全不同的。

这有时会令人困惑。所以我认为如果我们从小就开始思考这些概念，也许是通过量子游戏，无论是什么，这将非常有帮助。但现在回到你的问题。所以我认为如果你已经有工程背景或技术背景，你

已经在数据科学领域工作，那么向量子计算的转变并不难。它就像GPU一样。所以今天的人们不再担心在深度学习中使用GPU了。这只是你可以轻松添加到堆栈中的东西。这就是我们开发的软件也试图做的事情，使其易于访问。

但当然，还有更多工作要做。但最终，它是可以理解的，是可以学习的，它不需要物理学学位。这就是我想在这里传达的信息。那么，有没有什么方法，我们的听众可以去学习Terra的具体方法？我的意思是，这听起来是一个很好的解决方案，可以让那些已经有机器学习背景的人，就像你说的那样，能够解决量子机器学习问题。有没有……

Terra网站上有没有什么地方可以让人们开始？也许是一些开源代码或一些示例，可以让大家开始使用Terra的方法？当然，是的。我们有我们的TQ42平台。如果你查找它，你可以在网上找到它。我们有代码文档，可以帮助你开始使用第一个示例。我们在网站上发布了文章，准确地描述了所有内容的工作原理。

如果有人对此感兴趣的话，可以一直到方程式。然后我们提供TQ Academy。TQ Academy是我们自己的培训项目。所以请与我们联系，如果你感兴趣的话，我们在大学进行培训，我们在公司进行培训，任何对量子计算感兴趣的人。这当然不仅包括Terracontam产品，还包括关于什么是量子计算？什么时候使用它有意义？

未来会发生什么？它将在哪里以及如何使人工智能受益？非常酷。我找到了TQ Academy，我将在节目说明中添加一个链接。完美。谢谢你，Florian。然后对于那些同样，你知道，说他们去，他们了解TerraQuantum或其他一些量子机器学习库的人来说。什么样的问题

在机器学习中，你会推荐哪些肥沃的领域，有很多机会让人们，你知道，将他们的兴趣指向那里，产生重大影响，或者，你知道，能够获得很多业务？你的意思是关于要关注哪些问题？是的，就是这样。就像，你知道，有没有，我们知道，

量子计算特别适合解决某些类型的问题，例如旅行商问题或加密问题。所以，是的，在机器学习方面，还有哪些应用领域有很多肥沃的土壤？

所以所有回归，所有分类，都是肥沃的土壤。所以如果你进行图像分类，即使你进行深度学习或大型语言模型，那么量子计算也会很有趣。顺便说一句，大型语言模型是一个非常活跃的研究领域。那么你如何将它们混合起来呢？我们在这方面做了很多工作。我们不是唯一一家，但这是一个仍然需要回答一些未解之谜的领域。

但总的来说，如果你有任何机器学习问题，无论是什么，都有机会有效地将其混合。在生产中，我会考虑用于自动检测的摄像头。因此，您有一个车辆生产线，并且想要检查当底盘从生产线出来时是否存在损坏。所以这些都是需要考虑的事情。任何医学图像的分类。

实际上任何东西。在自动驾驶车辆中也是如此，很多图像分类，所以这是一件重要的事情。您可以使用量子计算机训练混合算法，但对于推理，您不需要它。您可以运行该算法，已经过训练，已经找到了最佳配置，但随后可能不需要使用量子计算机进行推理。因此，您可以将其部署

在移动设备中，即使它是混合训练的。非常酷。感谢您提供这些实用的见解，为我们指明了正确的方向。

嗯，回到本集的早期，您谈到了人们试图运行自己的量子硬件所带来的巨大开支。这很大一部分是制冷。因此，我很想听听您对今年早些时候宣布在石墨中实现室温超导的一组研究人员的想法，嗯，以及

我不知道您是否了解这一突破，或者这意味着什么？或者更笼统地说，室温超导对量子计算意味着什么？你认为这是可以实现的吗？是的。是的，我知道石墨问题。那是我们。哦。是的。

这是我们位于美国总部的首席技术官瓦莱里·维诺库尔周围的研究团队。他们所做的正是你所说的那样。因此，他们在环境压力和环境温度和压力下在石墨中实现了室温超导。我错过了这一点真是太有趣了。现在太明显了。瓦莱里·维诺库尔，一位凝聚态物理学家，他是 TerraQuantum 的首席技术官。

是的。所以他们在这里做的工作确实非常出色。这为高温超导的应用铺平了道路。所以仍然有很多工作要做。当我们考虑量子比特时，我们必须考虑如何利用该结果并围绕该结果设计量子比特。所以这是我们现在正在考虑的事情。但是如果……

你有了室温超导，那么冰箱最终可能会消失。这意味着我能够在移动设备中使用超导芯片。

很难想象，因为即使在 TerraQuantum，考虑你会如何使用移动量子芯片有时也是具有挑战性的。我们有一些想法，但我认为一旦你有了它，人们就会对该做什么有想法和想法。目前，大多数这些系统都是基于云的。有些人，一些公司能够负担得起量子计算机并在本地拥有它们，但大多数这些实际上都在云端。

就这种高温超导而言，量子计算的最大进步将是摆脱冰箱。然后，当然还有许多其他应用。因此，如果您只是想象一下，您可以设计出没有任何损耗的电缆，没有电阻，您可以将能量、电力无损地传输给最终客户。那将是梦幻般的。

但是还有很多结果。还记得曾经有 1 型和 2 型超导吗？顺便说一句，瓦莱里安团队还发明或发现了 3 型超导，这是一种全新的超导形式。但是当 70 年代、80 年代左右发现 1 型和 2 型时，我想那时每个人都会认为，好吧，明天我们将拥有……

所有带有超导电缆的电器和冰箱。由于其他挑战而没有发生。所以现在仍然需要考虑如何有效地利用这些结果。明白了，明白了。

当我阅读这篇文章时，在你谈论室温超导时，我重新浏览了这篇文章，它也让我想起，虽然你位于海湾地区，但 Terra 公司的总部位于瑞士圣加仑，

这，你知道，这是一个有趣的选择。我会告诉你为什么这对我特别有趣。我去过圣加仑研讨会三次，并且多次在广播中谈到过它。我认为这是一个很棒的，我的意思是，所以人们，你实际上可以，我认为在本集发布后大约一个月内，如果你是一个来自世界任何地方的研究生，你可以访问 symposium.org 并在那里写一篇论文。

根据这篇论文，您可以被邀请参加圣加仑研讨会，所有费用都由我们承担。所以你的航班，你的豪华交通工具，你的食物，当然还有你的门票，你还可以结识来自世界各地的杰出的商业和政治领导人。

所以圣加仑对我来说是一个有趣的地方，在那里待过很多年。实际上，我还领导校友。因此，任何去过圣加仑研讨会并居住在美国或加拿大的人，呃，我将他们列入电子邮件列表，我们每年举行几次活动，呃，主要是在纽约。嗯，所以，是的，所以我，我对圣加仑有这种联系。所以这对我来说很有趣，呃，

为什么圣加仑是 Terra 的总部？除了圣加仑大学之外，我不太了解该市的任何其他组织。所以我认为这个选择可以追溯到我们的首席执行官，他认为这是一个好地方。这是一个好地方，周围有良好的学术氛围。苏黎世非常近。ETH 非常近。圣加仑大学很近。

我们与这些学术机构进行了一些合作。然后它在德国设有联合总部，位于慕尼黑，原因相同。所以它非常靠近创新。我认为这是一个蓬勃发展的科技领域。在我看来，圣加仑本身并不是很多，但它很好地融入到整个学术领域或被优秀的机构所包围。

因此，我们也在这些机构中找到了很多人才。慕尼黑也是如此，那也是一个好地方。

这就是我们在那里的唯一原因。我们正在扩展它。我的意思是，我从旧金山打电话。我们在这里也有一个不错的办公室和其他不错的地方。不错，是的。我的意思是，那些都很漂亮。圣加仑、慕尼黑，它们都是世界上的美丽地方。旧金山周围也有很多美丽的地方。你可以开车去很多真正美丽的自然景观。是的，绝对的。

不错。是的，这很有道理。好的。所以在我进入我的最后一个问题之前，我还有一个最后的技术问题要问你，那就是，当你展望量子技术的未来时，你认为量子技术的未来是什么？

你预见到的哪些最令人兴奋的发展或应用在今天还不可行？甚至在传统上与量子计算无关的领域。我们今天谈论了很多加密。呃，你知道，你列举了一些有趣的机器学习示例，你说，你知道，回归、分类、深度学习很快，也许 LLM 将能够与呃，混合

量子芯片并在某些情况下利用它。但是，是的，你，这是一个冗长的提问，但你长期来看，量子技术的令人兴奋的应用是什么？- 我想，有很多。我认为让我非常兴奋的是药物设计。因此，能够找到个性化医疗，即使我们患有相同的疾病，

我们俩都可能受益的治疗方法可能不同。但是，目前，今天，我们很可能会接受相同的治疗，几乎相同的治疗，医学，所以我们使用的药物都是相同的。这些都基于实验，有时已有 20 年、30 年的历史了。但是使用量子计算机，我能够真正进行个性化医疗，因为它很容易为您的身体设计合适的药物。

这让我很兴奋。当然，效率方面的其他一切也是如此。例如，当我们考虑聚变，核聚变时，这需要大量的物理过程、物理模拟和对物理的更好理解。这就是量子计算可以提供帮助的地方。优化，光束控制需要非常快。这就是量子计算可以提供帮助的地方。所以所有这些领域都强烈受益于量子计算。

例如太空电梯等新技术，这是你今天使用我们知道的材料无法真正有效地建造或根本无法建造的东西，因为没有任何东西具有足够的抗拉强度来将平台保持在地球同步轨道上。所以这些都是使用量子计算机可以实现的事情。

所以我觉得这非常非常令人兴奋。酷。好的。而且，你知道，我必须说，我为如此猛烈地抨击旧金山而感到有点难过，因为旧金山金门公园也很漂亮。如果你能在温暖的日子里去那里，那真是太美了。

所以，是的，非常感谢您今天抽出时间与我们在一起，弗洛里安。你的时间非常宝贵。所以我们真的非常感谢。在我让你走之前，你有没有给我们推荐一本书？一个难题。我知道你一开始告诉我你会在最后问我。有很多书我会推荐，但我想到两本我最近读过的书。这些都是传记。

一个是《来自未来的人》，这是关于约翰·冯·诺依曼的传记。另一个我发现非常鼓舞人心的是《好吧，医生，你来了》，这是弗里曼·戴森的传记。第二个我甚至觉得更鼓舞人心。如果你认识弗里曼·戴森，他做了什么以及他对多少领域做出了多少贡献，从太空探索、宇宙学、物理学、基础物理学开始，

阅读关于这个人的内容，以及他是一个多么好的人，真是太神奇了。所以我发现这两本非常鼓舞人心，第二本更鼓舞人心。

不错。我喜欢这些。你知道，在这个节目中，我们没有得到足够的传记推荐。而那两个人，我的意思是，他们是令人着迷的人。你知道，他们不是，很容易给出像，哦，埃隆·马斯克的传记或史蒂夫·乔布斯的传记。那些，冯·诺依曼，戴森，这些都是发现和发明领域的大人物。难以置信。是的。是的。我希望我有时间阅读每个书籍推荐，因为我很想现在就深入研究这些。

我总是问我的客人的最后一个问题是，他们在今天的节目之后应该如何关注你。这是一集精彩的节目，我能够学到很多东西。我相信我们的观众也是如此。许多人的眼睛都睁开了，由于量子 ML 功能，许多新的可能性在人们的头脑中涌现。人们如何在今天的节目之后关注你以获得更多你的想法？

非常感谢你。这非常非常令人兴奋。而且有很多很棒的问题，我觉得我们进行了一次很好的谈话。我很想花更多时间聊天。

也许离线。也许我们可以在这里继续。但我必须说，我没有很大的在线资料。我在领英上。所以你可以在那里找到我。当然，也可以通过 TerraQuantum。不错。谢谢。好吧，保持简单很好。有一个地方可以追踪你很好。太棒了。弗洛里安，非常感谢你抽出时间。是的，也许我们可以在几年后再次在广播中见面，看看 TerraQuantum 的旅程进展如何。绝对的。我很乐意。非常感谢你邀请我。

不错，我喜欢今天与 Florian Neukart 博士一起播出的节目。在节目中，他介绍了混合量子计算如何将经典计算机与量子处理器结合起来，仅在量子能力提供明显优势的地方使用量子能力，量子计算如何证明当今对于物流和调度等优化问题、物理和化学模拟等模拟以及包括回归和

分类和深度学习在内的量子机器学习是切实可行的。他谈到了当前的量子计算机由于量子退相干而具有非常短的操作时间（纳秒到微秒），需要仔细设计算法。他补充了正在为量子安全安全出现的三个关键要素。这是量子证明加密算法、量子密钥分发和量子随机数生成。他补充了 TerraQuantum 最近在室温超导方面的突破，这最终可以消除量子计算机中昂贵冷却系统的需求。他还谈到，从事量子计算工作不需要物理学学位。拥有机器学习背景的人可以使用 TQ42（Terra Quantum 学院）等平台立即开始。与往常一样，您可以获得所有节目说明，包括本集的成绩单、视频录制、节目中提到的任何材料、Florian 的社交媒体资料的网址以及我自己的资料，网址为 superdatascience.com/851。

当然，感谢 Super Data Science Podcast 团队中的每一个人，我们的播客经理 Sonia Bryovich，我们的媒体编辑 Mario Pombo，合作伙伴经理 Natalie Jaisky，研究员 Serge Massis，我们的撰稿人 Zohra Karchei 博士和 Sylvia Ogweng，以及我们的创始人 Kirill Aromenko。感谢他们为我们制作了另一集精彩的节目。为了让超级团队为您创建这个免费播客，我们非常感谢我们的赞助商。您可以通过查看下面赞助商的链接来支持此节目。

这些链接在节目说明中。如果您自己有兴趣赞助一集节目，您可以通过将浏览器指向 johnkrone.com/podcast 来获取相关详细信息。否则，请与那些希望了解量子计算或量子 ML 的人分享此集节目，在您最喜欢的播客应用程序或 YouTube 上评价此集节目，

如果您不是订阅者，请订阅。但最重要的是，我希望您能继续收听。我很感激您的收听，并希望我能够继续制作您多年来喜爱的节目。直到下次，继续在外面摇滚吧。我很期待很快与您一起再次享受 Super Data Science Podcast。