Deep Dive
Shownotes Transcript
Hello 大家好欢迎收听硅谷 101 我是红军大家有没有关注今年的 GTC 英伟达的创始人黄仁勋邀请了量子计算的 12 家知名企业和两家巨头包括微软还有亚马逊的量子计算科学家进行了一场两个多小时的对话
去年这个时候因为达他邀请的是 Transformer 的八位作者当时可以说是一个历史性的对话了那他今年是把这个特别的环节留给了量子计算还邀请了业界所有知名的公司
那黄仁勋在分享中有一段话让我印象挺深刻的他说英伟达的崛起很大程度上依赖于电脑游戏让并行计算得到普及他当时就是找到了这样一个门槛非常低的痛点因为早期比如说你在 1996 年左右如果想在高画质高帧率的情况下顺畅地玩雷神之锤那几乎就离不开一张 3D 加速卡
但是当时他们其实早期发明的 3D 图形卡也并不是那么完美也会有一些像素缺失 Z-Buffer 精度不够这些问题但人们多多少少是可以接受的所以他如今也希望用类似的思路在量子计算领域找到早期的突破口可是这一次他把全球 14 家顶级的量子计算公司汇集在一起的时候却发现每一家在硬件还有算法上路径都截然不同
这远比早年 3D 图形领域要复杂得多一位 D-Wave 还有 IonQ 的风险投资人 John 在会后跟我说没有统一的路径无法达成共识无法协同无法产生经济效应无法高效地利用有限的专业人才这也是为什么量子日之后量子计算的股价会集体走低而这个现象本身就是量子计算界最大的问题
其实我们上一集的播客已经是着重讲过了超导量子计算的路径那这期播客呢我们将系统的对量子计算行业做一个梳理盘点五种主流的不同路径以及大家经常提到的量子计算与 AI 的关系但是最后最后啊我们这期播客还是没忍住又从技术播客变成科幻播客了
那这种能力实际上非常类比于在《星际迷航》这些电影中间所描述的虫洞虫洞作为一种时空几何中间的特殊的结构它连接了两个相距很远的点然后你从一个点丢一个比如说宇宙飞船进去从另一个点就跑出来有一些理论物理学家相信引力的实质是大规模的量子纠缠
如果我们人类有一天能够通过量子计算技术的发展做到对量子纠缠的精确控制那么人类就获得了改变引力改变时空结构的能力
量子计算就有点像量子物理是我们这个宇宙的底层编码我们人类如果有一天能够掌控量子技术的话就相当于我们掌握了这个宇宙的底层编码的这个 root 权限事实上有很多物理学家视持这样的世界观的就是说我们的宇宙是一台巨大的量子计算机接下来我们就一起来听一听我们离拿到打开宇宙的钥匙还有多远
最后呢我也给自己打一个小广告硅谷 101 最近正在招聘我们在招聘播客运营播客主播设计师插画时以及视频的主持人与后期如果大家对内容有热情欢迎来联系我们具体的招聘详情和职位的申请表我都放在我们的 show notes 中了如果你所收听的渠道看不到我们的 show notes 也可以将你的简历和代表作品发送到 hr.com
也请大家在邮件上标注一下你是在应聘哪个职位好了那下面就请收听我们今天的节目
那今天我们再来聊一下量子计算今天跟我在一起的两位嘉宾也是非常厉害呀一位是 UCSD 的物理学教授游益庄游老师您好大家好对游老师是量子计算方向的顶级专家对 AI 还有量子计算物理学可以说都是有很深的造诣的那今天跟我在一起的还有一位是侯万达万达是游老师的博士生欢迎
大家好我们节目大概在几周以前刚刚发过一期跟量子计算相关的播客我们的视频呢也上线了一期跟量子计算的视频那其实我们当时在采那期节目的时候是 CES 期间就是 Jason Huang 他刚刚评价了有用的量子计算离我们有多远那个时候谷歌的 Velo 芯片也出来了但是我们在采访的时候微软还没有去发他的量子芯片亚马逊也没有去发他的量子芯片
所以我们那期节目放出来的时候就会有非常多的听众就在下面留言说我觉得大家可以继续聊一下微软的量子计算它的芯片到底做得怎么样那不然我们今天就从这个问题开始吧其实微软最近发了这个量子芯片还是挺大的一个消息微软的 StationQ 长期以来一直在沿着 Marana 和 Torque 量子计算的方向发展
想起我十几年前在 UC Santa Barbara 做博士后的时候其实我跟 StationQ 距离也比较近也经常听他们讨论这些方面的一些进展那他们使用的这个技术呢实际上是一种叫做拓补量子计算的技术
它实际上是将量子信息编码在一个叫做马约安纳临摹的拓扑激发中间我们打个比方这个东西就很像我们喝咖啡的时候把咖啡石划过咖啡的时候会在汤匙的后面留下两个涡旋
这两个涡旋即使你把咖啡池拿出咖啡涡旋往往也能在咖啡杯里面存在相当长的一段时间这两个涡旋实际上呢它们编码了咖啡池运动的信息实际上这些涡旋在咖啡杯里面它就是一种拓扑的激发因为你如果想要改变这个涡旋的结构你需要对咖啡里面的流动做一个整体的全局的变化咖啡池的涡旋的结构是被编码在全体的流动的 pattern 里
所以如果你有一些很小的围绕比如说咖啡杯里面有些泡沫啊或者说咖啡表面有些涟漪啊这些都不会影响这个涡旋的存在
所以马约拉纳的费米子或者马约拉纳临摹的这种方式实际上是一种量子的涡旋它其实是把量子信息以一种非常类似的方式给编码在了两个马约拉纳临摹上面每一个马约拉纳临摹就像一个小涡旋一样而每一次我们去编码的时候都会产生一对的马约拉纳临摹临摹实际上是用一个量子多体态全局纠缠的这种结构去描述了这个量子信息
所以如果我们把这两个零模分隔得很远的话那么它们就没有办法重新符合消灭这个信息就非常的稳定所以一些环境中间的噪声热涨落等等的都不会改变量子多体态所蕴含的信息
所以这就做到了对量子信息的一个保护这个就是用像涡旋一样的拓扑不变性来保护量子态的机制那这个机制你可以想象它就是在制造这个量子比特的时候它天然的就是一个抵抗噪声的量子硬盘
如果这个技术能够获得成功的话那么就是一个非常了不起的成就因为它在底层上面使得我们制备出来的量子比特本身就天然的具有对抗环境噪声的这种能力嗯
它这种结构我理解它也是在量子纠错上要保证量子比特它尽量地不出错在这个上面它也是在解决跟 VLOG 差不多的问题就是解决量子计算错误的问题对对但是以往的很多方案都是通过人设计一些纠错编码是比较人为地用一种编码的方式去解决这个问题
而这种新的方案是利用多体量子态它的这种多体的量子纠缠把量子信息给编码在这种背景的像涡旋的结构实际上这个信息是在背景的流体的流动中间的它是利用量子多体系统中间的一些非常底层的背景的运动模式来编码量子信息在一个全局的范围内所以它就能够自然地对局部的造成有很好的抵抗性
您会怎么样去比较微软的量子芯片跟谷歌的 Velo 在行业里面的一个定位呢我们刚刚在录播客前还在聊到就是说谷歌它的 Velo 上它其实已经运行了有 100 多个量子比特了但是微软的这个量子芯片现在还只有 0.5 个量子比特
那它是不是代表其实它还没有像 Velo 跨得那么远没错因为这是一种非常新的技术这种技术非常具有挑战性如果成功的话那么将意义重大所以呢它当然需要花更大的精力和更大的 effort 去做这种研究
那么谷歌的这个技术相对比较更成熟一点那它是直接通过在超导量子线路上面制作超导量子比特在物理层面上面实现一些量子比特但是这些量子比特并没有一个非常好的对抗噪声的机制只能尽量地把系统做得尽可能的完美来降低噪声率 雾码率所以它还需要很多量子纠错的编码的方式来真正实现比较有用的逻辑比特
所以人们预测说这个可能实现逻辑比特可能需要十几个甚至也有比较悲观的估计是百万个级别的物理比特那么如果从这个相比的话那假使说微软能够做出一个逻辑比特那也能够比上谷歌的十几个物理比特
对 但是我看微软它的这个学术成果发出来以后啊学界可能对它的整体的印象跟对当时 Veno 的整体的印象都不太一样因为微软它走的这个量子芯片的路线其实是拓扑量子计算的路线它其实是在学界里面有一些争议的大家对它的一些争议的点是什么呢对 拓扑量子计算从原理上面来讲学界对它并没有很大的争议
学界基本上从理论上面来讲这是一个可行并且非常令人值得期待的这么一个技术路线学界对它的研究有很多而且微软使用的 Marana 的这种技术其实在理论界也有很多的讨论但是长期以来这个讨论一直都存在于理论和一些简单的实验验证中还没有真正的被非常明确地实现过
而且在过去的十几年其实也有很多的实验组不仅仅是微软试图实现马亚纳 灵魔这也包括国内的丁宏啊薛奇昆老师等等的各种实验组的一些工作那么大家其实这个体系相对来说物理还是有点复杂的因为它涉及一个量子多体相互作用的一些废米子的系统
所以这里面往往的有一些信号它可以有很多不同的机制来导致相同的实验信号所以关于这个实验数据应该怎么解读同样的实验数据是否真的就一定是由马维拉兰临摹造成的是否一定意味着它有拓扑保护这面有很多复杂的物理讨论所以学界中也有很多争论
在过去的历史中间曾经有一些文章声称发现了马尔纳灵魔但是事实上后来被发现是一些假信号甚至遭到测稿所以呢学界对它目前是相对来说包括业界也比较谨慎所以人们期待微软能够进一步地公布更多的数据在未来的实验中间甚至有可能有别的实验组能够重复类似的实验能够交叉验证这个
现象来确定马云安的灵魔的真实存在最好能够演示这些马云安灵魔能够用一些移动的方式来实现 TOP 这个逻辑操作您有看过微软的那篇论文吗就是您觉得这个论文中它存在着数据不足甚至是遇到比如说比它 2018 年的那次撤稿相同的问题吗我有读过这篇论文
我在这个方面并不是一个非常完全的专家所以我只能说这篇论文在我看来它描述了一种实验的方法来测量一个叫做费米兹宇称的这么一个物理量那这个物理量的意义在于它可以用来读出一个马尔纳量子比特的信息
那这对于我们读取量子比特信息是非常重要的一种实验手段那么这篇论文结论的解读依赖于他们的这个设备真的是实现了一个马尔纳的量子比特在这个设备中真的存在马尔纳临摹但是呢在论文的数据中呢我们还没有看到非常明确的证据所以呢人们也是期待进一步微软会有更多的讨论
事实上这篇文章也经历过一段时间的审稿所以不代表微软最新的研究成果我相信他们的实验室中间可能会有一些更新的报告也许我们会在不久的将来听到对 因为我们今天录制的时间是在 3 月 12 号然后据说微软会在 3 月 17 号他们也会公布一些他们更加详细的数据或许之后等微软公布了我们可以有一个小的补录
其实在微软发布了以后亚马逊它也很快发布了它的量子芯片游老师可以跟大家解释一下亚马逊的这个量子芯片它的实现路径吗亚马逊的这个量子芯片可能是叫 Ocelot 是吧它也是一个非常有意思的芯片可能也是好几年磨一剑的成果
他实际上也用了一个非常巧妙的奇思妙想他用了一个猫态的一个方式来实现量子比特猫态这个量子态实际上可能大家在科普中间也听说过就是薛定谔的猫薛定谔曾经作为量子力学的创造者之一他提出来一种假想的量子态是一只猫它处于活和死的两种状态的一个量子的叠加态中间
这种叠加态在我们日常的经典的生活中间是从来没有见到过的你不可能在大街上见到一只又活又死的猫那这是量子力学给我们的一种奇迹那实际上猫态就意味着说一只猫是活的时候它体内的每个细胞都是活的如果它死的话它的每一个细胞都是死的
所以活和死实际上是大量的细胞的红光的量子叠加相对于普通的量子比特来说猫态呢你可以把它认为普通的量子比特像是一个单细胞生物而猫态呢是一个多细胞生物的量子多细胞生物对于单细胞生物它的问题就在于如果有环境的干扰单细胞生物就比较脆弱它就容易在环境的干扰中死亡
但是作为一个多细胞生物它对环境的抵抗力就强得多如果环境杀死了多细胞生物中间的某一些细胞那剩下的细胞基本上还能够工作那只是可能会生病比如说会受伤但是仍然可以通过量子纠错等等的一些方式来修复这些伤口来治疗这些疾病
所以它实际上是利用了多细胞对于单细胞的在量子层面上的类比来增加了量子比特的稳定性所以以前的量子比特就直接拿一个原子或者某个微观粒子的某种微观的状态直接来承载这个量子信息就相对比较脆弱
而它们使用这样一个薛定谔猫一样的状态它也采用了很多先进的手段来纠正各种各样不同类型的量子错误它的主要的优势是在于它能够保证猫态至少在生和死这两个态上面的寿命能够达到秒的量级
而这种量级的寿命大概是以前其他量子比特的 1000 倍以上也就是说猫态的这个比特至少在生死这种本真态上面的稳定性比以前的稳定性好了 1000 倍左右所以亚马逊他的这个量子芯片他是有多少个量子比特那他目前是做了五个量子比特就算逻辑比特五个是吧逻辑比特跟量子比特有什么区别
它这个猫太做出来的比特呢按照他们的定义的话直接就已经是逻辑比特因为它有对抗噪声的这个能力哦
所以它是更不容易出错的对 更不容易出错的那这么看来我能感受到在最近的这半年里面甚至是三个月里面各个硅谷的大公司整体上的突破还是很多的但是游老师我记得上次我们在聊的时候其实我们上一期节目就我觉得您有一个非常好的点评您说我们基本上所有的节目关注的路线主要还是集中在超导量子比特的路线包括像谷歌 亚马逊可能都是这条路线
您觉得量子计算还有哪些比较经典的路线然后有哪些代表性的公司可不可以总体上给大家来复盘一下可以的还有一些相对来说比较重要的路线这就包括了中性原子的量子比特实际上它的想法呢是用激光像一个小镊子一样把一个一个原子给排列在一起
这个每个原子呢它就像一个小灯泡一样它可以有两种不同的状态就像亮和暗当然这都是量子的
所以它就利用原子的不同状态的特性用机关的手段把原子放到一起去当原子靠得比较近的时候它们可以通过一些方式让原子互相作用从而能够建立量子纠缠然后实现一些量子计算这个手段的优越性在于它非常的灵活它不像超导量子比特它制造出来以后就已经焊死在芯片上面了这些比特你是动不了的
但是中性原子量子比特靠着机关是挪来挪去人们可以通过调控这个机关的关数可以让这两个比特靠近相互作用交换信息以后挪走再和另外一个比特再发生计算这样的话就大大增加了计算的灵活性
而且原子还有一个好处就是所有的原子它天生都长得一样但是你如果在电路上面去克食这个超导量子电路的话那总会有一些工艺上面的误差就会导致每个超导量子比特长得都略微有一些不一样那么这就需要后期有很多补偿但是中性原子的量子比特它就可以做到都是全统的就比较好统一的控制
而且它这个原子比较容易获得所以它可以很容易地做到 1000 个量子比特这种数量级所以在做的比较多的这个方面它可以做得比较好在目前主要的难点在于如何有更准确的机关去做这种精确的控制以及如何降低这个系统中间的噪声的程度
人们还在这个方向做努力那么在中性原子这个系统中呢有一些代表性的公司你比如说包括 Quantum ComputingPascal 和 Qera 这些公司他们都是在利用中性原子来做量子计算
现在中性原子的量子计算进展到一个什么样的水平了比如说我们对比刚刚我们提到的超导量子比特的线路就是你觉得他们技术如果用比如说 100 分是一个可用的量子计算能不能给听众一个直观的感受他们分别在哪个进展曲线上
我觉得如果从整体评分来说的话可能是不相上下你如果要评价一个量子比特或者线路的优越性我觉得从四个方面来评价多快好省
多就是你希望比特数量比较多快就是你希望这个操作的时间比较短能够在短时间内实现大量的操作好就是你希望比特的精确率比较高物码率比较低省就是你希望这个比特要比较容易制备比如说成本比较低包括制造和维护的成本都比较低
那么超导量子比特呢在多方面呢目前正在努力这个中性原子的量子比特在多方面比较有优势就是它比较容易做的比较多在快方面呢它们都挺快的
在好的方面呢可能目前还是超导量子比特稍微误差率更小一点在省的这个方面呢你说超导量子比特它其实不太省就是因为它需要很低的温度才能运行基本上是豪凯尔文的这个量级所以往往需要很大的制冷设备来维持它的运行
它维持运行每天的花费也是非常贵的中性原子相对来说用激光基本上可以在常温的环境下面做控制除了这个中性量子比特还有另外一个技术也很重要是这个离子井的量子比特它实际上是用电场的方式把一些带电的原子也就是所谓的离子悬挂在空中
把它用电场捕捉起来那这些带电的离子就像一个小小的钟表一样它会在这个离子井中间整蛋然后它这个整蛋的频率是非常的精确状态非常的稳定那人们也可以利用这种整蛋的这些量子态呢用机关来控制它们相互作用就好像机关在指挥一个完美的舞蹈队它们在一起集体做一些舞蹈相互配合来执行这个量子计算
那这个方案呢从多的角度来说它目前来说还做不了很多基本上做十几个或者二十几个比特从快的角度来说呢它的主要问题就是它比较慢移动这些离子所需要花的时间是比较长的而且让这些离子之间相互偶合所需要花的时间也比较长所以呢相对于前两种技术它可能能够慢个一百倍左右
但是人们也在这个方向努力地在改进它的速度但是它有一个好处就是它特别的精确它的物码率可以比超导量子比特和中性原子比特都要低很多所以人们对它也抱有很大的期望
而且目前有一些非常先进的 TOP 量子态都是在离子井的这个量子比特上面实现的所以这也是一个非常有前景有希望的技术而且这个技术可以很自然地和一些芯片的制程的这些技术结合在一起所以它也可以做成芯片而且也可以在常温下面运行
所以从省的角度来说它也是相对比较省的一个方案那比如说像 IMQ 啊 Quantino 啊这些公司就主打离子井量子比特的这种思路所以现在离子井我印象中是到了 32 个量子比特对吗嗯
差不多这个量级对它如果再扩大一倍比如说扩到 60 多个因为你刚刚提到了它其实在多的方向它是不太好扩展的它的量子比特要扩大一倍会很难吗对主要是因为它的比特之间发生相互作用的一些机制使得它很难像中性原子一样发生一些比较全局的 out to out 的相互作用所以
所以人们一般的扩展离子井比特的概念是多做几个井多做几个 device 把这些离子在某个区域做完运算以后把它转移到别的区域先等着
然后再把新的离子 load 进来做运算一般是这样一个策略然后让他们几个不同的设备之间给它连接起来就有一点像一个芯片你做不大但是你可以做十个一样的芯片那个效果乘以十也是很厉害的
因为您刚刚提到了它是非常精确的嘛就是精确可能是量子计算它最难解决的一个问题现在离子井实际上在应用上应用的多嘛还是说因为它的精确性所以反而它现在是一个在应用方向发展的比较好的一个技术方向
对其实这些所有的量子计算目前离商业应用可能还有一段距离但他们都在科研上面有很好的应用比如说离子井因为比较精确它可能可以实现一些非常厉害的拓扑态它其实可以为拓扑量子计算提供基础这是目前这个方面比较令人激动的一些进展
而这些拓扑钛很大程度在别的设备上面还有一定的调产性所以黎智景也是研究拓扑钛相当于是给他提供了一个基础的框架对
对它实际上等于说是用这些人造的量子比特给硬搭出来了一个拓扑态而不像马约烙纳就是微软的那个技术微软的技术是烂超导体就芯片上面这些电子电子是自然界给我们提供的粒子这些微观粒子它自发地形成这个拓扑态
但是离子井等等的这些技术是人造的拓扑态但是只要你能形成拓扑态都能够获得具有拓扑保护的量子比特所以离子井这种技术包括其他的量子比特的技术也可以原则上你可以先制造一些物码率相对还比较高的物理比特然后你用这个物理比特去搭一些拓扑态那么在拓扑态上面就可以实现物码率很低的逻辑比特
对对对,那接下来我们再聊另一个路线了,就是光子量子计算。我不知道这个路线是不是中国在这方面做得比较强,因为我们其实上一期在讲量子计算的时候,好多听众都在下面留言说想听一下光子量子计算的路线。对对对,中国比如说九张量子计算机,它其实是一个基于光子的量子计算的技术。
这也是潘建伟院士他们团队一个很了不起的推进的这些进展那光子呢实际上是以光对应的量子的粒子作为信息的载体往往是利用光的偏振或者光的某种路径的选择作为编码量子态零和一的依据这个方法的优点就在于光呢它比较不容易受到外界的干扰而且它传播得非常快它是以光速运行的
但是它的主要的缺点也在于这里一个东西它如果很难被外界干扰那它也很难发生相互作用官的缺点就在于这些官子你很难让他们发生相互作用
你手电筒打两束光两个手电筒那个光就直接交叉就直接穿过了对吧它不会互相弹开来那么就是因为光子的这种特别难相互作用的方式使得这个光啊你很难让它们互相去改变彼此的量子的状态
那么这就很难用来做计算了因为计算的全部实质就是很多不同的信息载体通过相互作用交换信息你都没办法发生相互作用怎么交换信息呢所以人们就需要别出心裁的去想一些非常奇特的方式来让这个观相互作用那么这个就是利用测量
在量子力学中间除了你可以通过相互作用时间演化来让量子系统的状态发生变化也可以通过量子的测量来让量子系统的状态发生变化而这种通过测量来诱导量子纠缠的方式呢在基于光子的量子计算的路线中间是普遍应用的也有很多公司 Chenando 或者是 SciQuantum 这些公司也是在这个方面不断地研究嗯
您觉得光量子它在多块好省上各自的优缺点应该怎么样去评价呢?光呢它当然非常的便宜,招之极来,也可以在常温运行,这就不需要低温维持,这都是省的好处。从多的角度来说你也有很多光子,但是呢它主要是不够好,损失太严重了。光在光纤中间传播的时候时不时的光子就丢了,就损失掉了。
所以经常你算着算着你这个比特就没了而且因为它的量子计算和别的量子计算不一样的是它是基于量子测量所做的量子计算而测量本身具有很大的不确定性每次做测量的时候量子系统是按照一定的概率来产生这些测量的结果的所以怎么样去设计良好的测量来诱导计算按照我们期待的方向进行这就涉及到很多编码软件层面的问题
所以怎么样去合理地控制大量的光子在测量系统中间相互作用来执行计算然后如何应对在这个计算中时不时的光子就丢了这种事件的发生实际上是一个很大的挑战所以在这个方面人们还在努力目前来说光量子计算还很难在这些好的方面跟其他几个平台相比
所以光子量子计算可能有其他方面的应用就是利用它的量子的特性而不是单单专注于计算本身可以用比如说光量子去做一些传输啊或者什么传输是指什么信号的传输信息传输就量子通讯可以让有量子通讯嗯
对就我们可以想象未来有了量子计算机自然的下一步就是量子互联网对吧就像今天的计算机要连成互联网才更加有用所以呢你就希望在这个地方的比如说有一个中性原子的量子计算机
但你没有办法把这些中性原子给从北京发射到上海去那这个原子从北京挪到上海已经完全退向刚了所以人们的想法就是说不管你是一个超导量子计算机还是中性原子量子计算机当它需要传输这个量子信息的时候它先把这些量子信息转移到光量子计算机上面然后利用光子的这个特性
这个太有意思了相当于其实大家在一个生态位里面
它其实是有不同的功能的那光子量子计算到底有多少个量子比特这件事情是重要的吗也挺重要的大家也是希望把它做得比较多比较好那我们接下来聊一下 TOP 量子比特就是微软的这一套方法
那它这个是相对来说比较新的而且事实上它其实属于一大类拓扑量子计算不仅仅是马约拉纳就拓扑量子计算是一个很大的框架基于马约拉纳临摹呢实际上是其中的一种当然还有一些其他的比如说基于韧义子的
这些拓扑量子计算这个其实是做凝聚态理论的像我们这些物理学家比较喜欢的它其实是基于一些量子多体态中间的量子纠缠来负责编码这个信息所以信息就特别的稳定能够自然地对抗造成
这个技术呢如果一旦发展起来的话那么它天然获得的就是一些能够获得保护的逻辑比特那么它本身就是赢在起点上就是从多块好省的角度来说它这个好就点得很亮它就特别的优越它的物码率就很低了
那么如何把它做多如何把它做得快这些都还在探索阶段因为这个技术目前才刚刚开始所以它能够怎么 scale up 我们目前还不是非常清楚所以我们还拭目以待它的将来的发展
这个技术它是从什么时候开始的这个流派比较鲜明的在这个学术圈的代表人物有谁这个主要是 Microsoft Station Q 有一些 Founder 他们很早的时候可能可以追溯到二三十年前
最早像理论上面像 Alexander Kitaev 在 Cartec 的教授他最早提出了托普量子计算的想法包括利用马尔纳费米子的这些计算的想法那么这些想法后来被很多物理学家和数学家进一步的发展在理论上面做得非常的先进但是实验还在不断地进展我们也看到不断地会有新的结果出现所以我们还需要期待未来嗯
然后我们刚刚其实有聊到几种量子计算的路线就是中性原子量子比特离子锦量子比特光子量子比特和拓普量子比特我们其实没有解释超导量子比特是因为之前我们的播客中有提到但是我们还是给没有听过我们上一期播客的听众来简单的科普一下超导量子比特跟他的代表公司因为我觉得这个基本上是硅谷主要公司的主流方向就是他还是很重要的就是我们再解释一次
超导量子比特它利用的是超导体的很神奇的量子特性超导体不同于普通的导体在普通的导体中间呢电荷都是像粒子一样都是由带电的粒子携带电荷然后做无规的随机的运动但是在超导体中间所有这些电荷呢它是像波一样的做集体的运动体现出了一种量子的波动性所以
所以如果我们把这个超导体做成电路一样那么这个电路就像一个河道一样它允许电流在这个河道中间像河水一样像水流一样波动这种不同的波动模式在电路中的电荷波的模式它就会变成不同的量子的状态那么人们就可以用这种量子的状态去编码零和一并且可以利用外界的电磁场去控制这个量子比特的状态而且
而且让它们发生相互作用所以这就是超导量子比特的一些基本的原理那从公司来说其实超导量子比特相对来说是科技公司们最喜欢的就是投资也比较多这些大公司像 IBM 呀谷歌呀亚马逊呀 Rigetti 呀等等的都在这方面有很多的投资相对来说也比较成熟一点对
对那 Rigetti 跟谷歌它在路线上会有什么样的不一样吗虽然它们都是超导量子比特但是因为它们所成立的时代是不太一样的所以它们会不会在路径上也会有不一样的方向对具体来说这个超导量子比特这个领域里面还有一些不同的
的实现方式有一些叫 Transmon 有一些叫 Flexon 有一些更细微的差别来区别量子比特具体来说怎么实现那 IBM 和谷歌都是 Transmon 这个学派的代表 Transmon 这个怎么理解 Transmon 它本质上是利用了一些电容
是利用这个电容器中间的不同的电荷的不同的能级吧以电容为主导的一些量子比特然后这个 Flexon 呢更多的是利用超导环路中间的磁通就是一个更靠电一个更靠磁吧可能可以简单的这么说吧那么 Rigetti 相对来说他的研究方向就比较灵活他在这两个方面都有涉猎
所以我觉得这可能是初创公司的一个特点就是他们会更积极的更 aggressive 的去研究各种具有挑战性的方案而不会拘泥于一些相对比较成熟的方案
而且 Rigetti 这个公司他们比较重点放在怎么样把它做得比较模块化我可能不一定要在一个芯片上面做出 1000 个量子比特但我可以把 10 个芯片连在一起所以他们比较重视怎么去建立量子芯片之间的连接在芯片之间传递量子信息等等的这些技术嗯
我们刚刚其实有好几次都提到了把这种量子芯片连接在一起比如说我们可以用 10 个 32 个量子比特的场景那你觉得 10 个 32 个量子比特的场景跟 320 个量子比特在本质上是一样的吗这里面就涉及到连接的时候连接的总线就是那条线它有一个概宽的问题
这就跟我们所有的芯片连接,你一旦涉及连接都会受限于那个贷款。所以如果你所有的比特能在一起发生量子计算的话,当然是最好的。所有的量子信息都在同一个地方,你就不需要互相转移了。但是连接的话你就要涉及到是不是你这个计算任务是比较适合这么做的。
所以其实并不能简单地说这个连接主义是好还是不好因为有的计算任务真的最好是有小芯片并行然后最后把它连起来这样策略是比较优的但有一些更复杂的计算任务可能天生就需要大量的量子比特协同操作那你如果搞很多连接那就互相不断地转移数据那么这个反而会降低计算的效率所以它在不同的应用场景下面会各有利弊
能不能举一个例子哪些应用场景它是需要很多的量子比特的有哪些应用场景它是把一些量子比特芯片连起来就可以了一般来说你相对比较复杂的算法就可能往往会用到很多的量子比特因为目前还没有很多非常具体的量子算法是实际上大家都在用的所以这只是对于未来的设想并不是说目前已经看到了这么一种区别
那用它连接它的研究范围有吗因为我们可以说把这些量子计算机连起来它其实已经是实现了的它连接起来可以用来干嘛这个现在有一些具体的应用场景吗你比如说保密通讯啊都需要你去分发这个量子信息所以
所以量子互联网肯定将来在通讯这些方面都是可以取代经典计算机至少对我觉得可能有一个更直观一点的多少个量子比特的理解像苹果的笔记本电脑如果去模拟一个底层的量子力学的话差不多它的上限是 20 个量子比特
如果我们有一些比较厉害的电脑一些服务器去做模拟的话差不多这个上限是 30 个量子比特世界上比较厉害的一些大型的服务器去做模拟的话基本也不会超过 40~50 个量子比特
如果能够做成一个七八十呢就是一百零五个量子比特的芯片的话本质上现在是已经超过了我们经典计算机的能够计算的能力范围我觉得这个比喻好通俗对那还会有其他的技术派别吗我们刚刚提了五种对
比如说基于这种电子自旋的一些直接在芯片上面实现的就是归基的这种量子计算也有英特尔等等的这些公司在试图研发因为英特尔本身在半导体制程上面就有它的优势所以它可能会更倾向于在这些方面投入研究但是这些方面目前不算是特别主流的路线大家还在起步阶段还在努力地尝试嗯
我刚刚听完就是游老师您的这段对不同的量子比特路线的总结性的概括我大概理解了为什么硅谷的很多公司都会去选择超导量子比特的方案他们核心其实要的还是多和好就是省对他们来说因为巨头嘛有钱省这个我们可以不用考虑他要有潜力有潜力就代表他的这个路线方案他未来可以一直往上加量子
同时它能解决现在困扰量子计算最大的难题就是如何去保证它的精确性它现在有能做哪些经典计算机做不到的事情吗我假设如果我让它去训练 AI 的大模型
你觉得它会跟传统计算机的训练会有完全不一样的结果吗?我觉得首先一个最明显的就是 Google 他们最宣传的一个点,就是它的 sample 的速度是非常快的。如果点开那个 Google VLOG 的 announcement 主页的话,它就会做一个经典计算机来计算超过我们这个宇宙的时间限度的这么一个任务的话,
但是在他的 vlog 的芯片上只需要十几秒还是什么的反正就是很快的一个所以说他保证快但是他不保证百分之百对
是吧就是这个意思就是就快不快就完了所以就是在某一些 task 上面呢它已经展示出来了它确实很快在此基础之上呢如果他们能够通过把他们的量子比特做得越来越多也就是说多快好省中这个好和多这个概念其实是互相之间可以变化的如果我有很多很多的这样量子计算的芯片的话我可能会
我可以把很多很多的物理比特让它去代表一个逻辑比特这样的话我只要增加点多的技术指标的话它最终就会变成一个很好的量子计算机所以说这些大公司最终如果它能够把这些量子计算机复制很多片然后用一个很成熟的技术让它们合作起来形成一个可以上用的量子计算机的话那么它就是最终就不仅是在速度上证明了比我们的经典计算机要快很多很多很多了
以及是那种人类的历史以及我们宇宙的历史都没有办法达到的这么长时间来完成的一个任务量子计算机可以直接完成而且它也能保证它的精确度是很高的这是我们的一个梦想那它现在能做哪些事情是不是跟它用的哪种量子算法是相关的
因为刚刚其实你有提到 Velo 它去完成一个数学计算它用了十几秒的时间那如果我们用经典的计算机去计算它可能比整个宇宙的寿命还要长我知道那个测试它不是一个有意义的测试就是那个测试它纯粹是一个为了测试量子计算机性能的一个测试它其实并不是说能解决我们生活里或者科研中的一个具体问题的测试
那关于它到底能怎么用它是不是也跟整个的量子算法是有关系的
对,量子计算机它的逻辑和经典计算机不一样。经典计算机你可能是靠语门,货门,非门,靠加法,减法,四则运算,去做具体的数字上面的计算,然后支撑起了我们整个软件产业所有的上面高层的这些。它是一个非常通用的算法,它已经实现了图灵机的通用的层次。
当然也有量子通用的概念但是目前来说我们还没有很好的量子的软件能够让我们想让量子计算机干啥就能干啥而且量子计算机干的事情未必需要和经典计算机一样经典计算机可能特别适合把两个数相加和两个数相乘
但是你没有必要让量子计算机在这个任务上面去做到非常厉害事实上今天的量子计算机想要把两个数相乘也是一件非常困难的事情
所以呢量子计算机呢首先它确立了对于经典的优越性的领域就在于这个量子采样就是谷歌最早的所谓的量子优越性的实验听起来是一个没有什么意义的任务是一个随机数采样的任务采样出来的结果就是生成了一堆随机数你就说这随机数生成的快不快吧它确实比经典计算机要快得多但是这随机数有啥用呢就也没啥用可能但
但是你想了随机数生成实际上是所有生成型模型的基础不管我们要生成一幅新的图片还是像 ChatGPT 一样想要生成语言来跟人类进行对话它们都是管译上的采样问题都是有一定随机性的生成只是有一定规律的所以
所以完全可以想象量子计算机对于这些任务来说是有它的优势的一旦算法被训练完以后它可以以快得多的速度来部署
比如说 OpenAI 在刚开始发布 ChatGPT 的时候那全世界的人们涌向 OpenAI 的网站然后它就淡机了那是因为它的服务器没办法承载这么大的流量为什么呢它的算法的复杂度使得它的服务器没办法这么快速地向所有的人分发这个生成的答案那假使有一天这个大语言模型是运行在量子计算机上面的
那么量子计算机可以有非常优越的 sample 的速度它可以同时回答一个人的问题比如说在非常短的时间内这就是一个很巨大的商业产品的优势了
所以发展这些方面的技术是目前我们看到量子计算机比较合适的一个方向就是直接利用它采样效率非常高的优势你就可以把它当成一个生成器这也是目前量子机器学习这个领域中间非常热点的一个话题嗯
对那机器学习它会怎么样帮助量子计算更快的发展呢比如说现在 AI 的发展它对量子计算机的发展它是有一个促进作用的吗对对对 AI 的发展其实对所有的产业都是负能的那包括量子计算那在量子计算中间有很多的问题比如说量子线路如何编译的问题比如说我要执行一个量子算法
那么实际上这个算法是一个很宏观的描述它要具象化到具体的操作对每个量子比特做什么样的蒙以及这些量子逻辑们应该怎么样在线路上面进行安排那这就会有很多优化问题同一个算法可能有很多很多种不同的线路来实现哪一种线路是最优的哪一种线路需要的操作是最少的
那这些都是可能可以通过 AI 机器学习的方式来帮我们寻找到最优的解决方案我们如果有一个比较优化的量子线路自然也就会降低操作过程中间所积累的误差和噪声所以这是在量子编译方面 AI 的作用另外一方面就是量子纠错量子计算机在运行的时候会受到环境的干扰产生很多错误所以需要纠错
但是呢很多纠错算法呢是靠理论物理学家拍脑袋纸和笔然后努力地设计出来的这些都是人类的设计不是 AI 的设计人类的设计的缺点在于人类没有办法从大数据中间直接学习获得经验来设计出针对当下这个量子计算机的特别的纠错的算法
人类只能通过一些理想化的模型比如说我假想这个量子计算机会发生什么样的错误但是事实上量子计算机上会发生的错误是很难预测的
宇宙射线上面打下来一波高能粒子,就能够直接影响一个超导量子芯片中间产生一连串极连的而且是有关联的错误。这些错误是很难在我们的模型中间被模拟的。我们模型最多是假设每个量子比特独立地发生一些错误,而很难去想象有一天宇宙射线下来了。
所以这种事件你很难针对它去设计一些量子纠错的方案但是呢如果我们有一个 AI 的算法它一边观察这个量子计算机的运行在观察的过程中间不断地采集数据分析数据然后通过
通过对这些数据的分析他了解了这个量子计算机它内部产生错误的原因和它的一些模型他自己从大数据中间学到那么他就可以非常聪明地去设计针对这个量子计算机在当下这个状态下面的一些纠错的算法
事实上最近谷歌 DeepMind 团队刚刚发布了一些新的研究成果他们在一些表面码的量子纠错的体系中间实际上就验证了这件事情就是他们在人类理想的实验室环境中间训练了一个算法那个
那个算法纠错能力已经是相当不错了但是如果直接使用不是理想的是实验中实际的数据进行训练的话就能得到一个更好的纠错方案这证明了向大自然学习用大数据的方法来驱动纠错码的设计是一个更加可行的方案比人类怎么拍脑袋都要厉害
所以其实已经用上了对吧就 DeepMind 已经把 AI 的这个技术带给量子计算了对是 DeepMind 和谷歌 Quantum AI 反正他们同一家公司内部的这种合作他们已经有一些成果在另一方面呢
比如说你也可以从大数据中间学习量子设备本身的行为那么这就可以用来构造一个叫做数字软身让 AI 的算法 AI 当然是一个经典的算法它不是运行在量子计算机上但它通过观察量子计算机的行为它其实学会了怎么样 behave like a quantum computer 就是像量子计算机一样的工作那么
你就可以把它当成一个模拟器那这有什么用处呢我们在设计量子计算机时候往往需要很多的试错在这个试错的过程中间你最好不要直接去做实验因为那要花很多钱所以呢如果你有一个 AI 的数字软身的模拟器的话那么你就可以以较低的成本做很多的测试所以这个也是 AI 对于量子计算设备发展的一个推动
目前而言我们给量子计算机编程的方式还比较初级有点类似于汇编语言但是我们也想多说目前的 AI 大语言模型的发展可能可以使得我们也可以用自然语言的方式和量子计算机进行交互这些都是 AI 能够从硬件和软件层面给量子计算带来的一些促进可以理解你们在做一个量子计算领域的 cursor 吗嗯
嗯可以这样理解而且我觉得也算是一个 AI agent 对更像一个 AI agent 不过像 AI agent 呢它其实和量子编程有一点不一样就是说一个 agent 它大概就是脑海中已经有一个想法你的工作要怎么去完成然后其实你本身也会去做这件任务但是在这个工作的过程中有很多很多的步骤你不想花太多时间去做然后可以有一个 AI agent 来帮你把这些工作都做好嗯
那么量子编程呢它有一个稍微不同的地方就是说其实很多量子现象还是处于在科学的最前沿这个世界上最厉害的 expert 也不能完全都是了解这个量子的世界到底是怎么运行的所以我们希望将来有一个 AI expertfor quantum programming 它不仅仅可以在底层做这些操作它对于一些前沿的量子知识也能够给你一些比较好的回答嗯对
对,那其实我刚刚观察到就是比如说我们在说这个 AI 如何帮助到量子计算的时候其实很多时候都是在软件层面就是说这个量子计算机它可能不仅仅是要有芯片然后是要物理上的把量子计算机给造出来如果它想要发展得好它其实是需要很多合作伙伴进去软件层进去
包括其实英伟达他们也在做他们这样的软件平台他可能还是需要一整个的行业生态起来他才可以更加加速地去发展嗯 对
那如果是反过来问呢量子计算会怎么样帮助 AI 的发展因为上期很有意思就是我们在聊 DeepSeek 的那期的时候其实我们有跟于北聊到大模型什么时候可以达到人脑的效率跟耗能他觉得他现在跟人脑还差了三个这样的数量级
我其实觉得人脑也挺有意思的就比如说我们有时候有一个想法的时候这个想法它可能瞬间就过了或者说我们在做一个事情的时候当你做了一件事情那接下来就会发生二三四五六件事情人脑的思维跟想法的过程其实特别像量子计算你觉得线的点是什么就是很关联吗对我觉得很关联当你有一个意向的时候然后你执行了这个意向接下来
接下来就是你所有的结果它都会改变再比如说你有一个想法但是很多时候你也不能预判你的行为就它可能是个 0 可能是个 1 有一定的随机性是吧对非常随机还有牵一发动全身的这种全局性是吧是的对其实在这个方面关于人脑中间的人的思维过程是否也涉及到量子力学都有很多的讨论
比如说 UCSB 圣塔巴巴拉分校的 Matthew Fisher 教授他就在量子意识这个方向他一直在研究这些问题
就人脑中间的很多深化过程可能是会受量子纠缠的影响的所以这也说不清楚我们在思维的过程中间是不是已经悄悄地使用了量子计算我们也许不完全是一个经典计算机我们的思考可能有量子的成分在里面由未可知当然从更具体的科研的角度来说其实量子计算机对 AI 也是打开很多新的可能性
比如说人们提出来可以做所谓的量子神经网络就是目前的人工神经网络都是经典的一些变量它们之间经过一些什么线性层啊非线性激发等等的去传递这些经典的信号但是量子信息也可以在量子线路中间做相应的传递那么它就也可以形成一个类似于神经网络的方式来表达一些非常复杂的函数
这有什么优势呢人们可以证明如果用量子计算机去做神经网络的话它可以节省很多内存的资源就是量子计算机这个记忆能力特别的厉害经典计算机需要 100 个神经元才能记住的量子计算机可能只要 10 个就能记住了就是它们之间是一个平凡的关系
就是量子计算机的 N 个量子比特能记住经典计算机 N 平方个比特所承载的信息量这就特别适合用来做什么呢语言模型里面的上下文问题现在很多大语言模型他们遇到了一个瓶颈就是它的前文的窗口不够长导致话讲的后面就忘记了自己前面的对话到底是什么所以呢这个瓶颈呢就是在于隐藏的变量没办法支持足够多的变量
那么量子计算在这些方面其实有研究表明是可以在语言模型方面来扩展语言模型的记忆能力现在有公司在尝试吗目前还没有公司但是有一些论文像高勋啊护红叶啊他也是我以前的学生他们写了一些这样的论文现在论文有一些初步的结论吗它证明是可行的对至少在理论上面 n 比 3n 平方的这个 scaling 这个比例是他们论文证明的一件事情
它大概是可以到一个多大的模型规模然后证明它是可行的这是一个数学的证明它定理上面它就是有这样的优势至于如何将这个数学上的优势变成实际的优势发挥出来那就需要我们硬件上面要发展软件上面要发展把这个想法真正地去落地真正地让大语言模型变成量子大语言模型最后才能够真正有一天我们看到这个优势真正被实现
那这个硬件跟软件的发展大概需要一个什么样的数量机我的估计是 10 到 15 年这样子 10 到 15 年嗯
除了大语言模型之外最近不是 IBM 还做了一个可以用他们的量子芯片生成一些手写数字的对这是我们刚才已经涉及到的一个话题就是量子生成式模型那这也属于是量子计算对 AI 的一个促进作用因为生成模型本来就是 AI 里面非常重要的一个任务那么量子计算在这方面其实是有很大的优势的它在采样速度上面是非常迅速的
当然还有一些其他的优势比如说 AI 算法在训练的时候本身就是一个优化的问题有很多的神经网络的参量需要被调整然后来寻求损失函数的最优化那么这是一个大规模优化问题在经典计算机上面往往需要通过一些梯度下降等等的一些算法非常吃力的去进行
但是量子计算它有一个很厉害的功能就是有一些算法叫做量子搜索或者叫做术语叫 QAOA 就是有一些搜索算法这些搜索算法特别适合去找一些函数的最低点因为量子系统它在运行的时候它具有某一定的并行性
因为它可以把很多状态量子叠加在一起然后同时来进行计算所以它的这种并行性使得我们可以相当于同时搜索好几个不同的神经网络的参数有点像这样它就可以更迅速地找到最优的参数的选择找到最后收敛的这些解即使不谈论你要做什么任务即使是训练一个神经网络量子计算机也可以帮我们获得一些优势
这些也是一些理论上面可以被证明的优势所以它是可以极大的降低这种大模型的训练时间对它也是一个更好 N 的优势就是经典计算可能需要 T 的时间那它只需要更好 T 的时间 OK 还有其他的吗其实呢人们还谈到了一些比如说量子的分类算法
作为分类器这个也有一些 IBM 最近的一些研究工作也体现了利用量子线路作为一个核函数就是一个特征函数来提取数据中间的特征人们发现在这些任务上面量子计算机可能可以表现得比经典神经网络更为优越不管在分类任务生成任务上面
可能都会有一些优势 IBM 它是已经做出来了对吗它是已经证明了对 这个是一个已经有的研究在分类任务上面量子算法的表达能力是更强的在生成模型上面我们期待的是它的采样速度是更快的主要是这些优势
所以其实是说量子计算在处理我们大规模的数据的时候对这些数据进行分类就是 AI 训练的前面的部分就是数据的这一部分它是有优势的对因为量子系统有很多经典系统所没有的关联比如说量子纠缠啊所以利用上这些量子纠缠所带来的额外的关联它其实是有可能更有效地发掘出数据中间隐藏的这些关联的信息
尽管我们用来训练的数据往往都是经典数据你可能觉得不需要量子纠缠但是即使是经典数据中间的关联也可能用上量子纠缠以后模型更好地被训练等等的这些优势都是有可能的
那除了 AI 它还有什么大家可以理解的稍微离我们生活近一点的应用或者说它已经在一些科研上帮助了一些科研比如说制造出了一些新的材料会有这方面的一些应用吗有的有的近期能够比较落地的可能是量子化学和量子制药这些领域就是说量子计算来帮助我们设计材料材料其实是很多原子组合在一起变成分子
我们在寻找一个药物的时候也都是要设计某一种特定的分子的结构那么很多时候我们需要靠实验来确定这个药物这么做能不能做得出来但是这个又要花很多钱所以人们就想要用计算机去做这个模拟但是你如果用经典计算机去模拟这些分子的行为但这些分子的行为底层上面都是由量子力学规律来主导的
所以最好你就是在量子计算机上面让它用量子的方式去模拟这些分子的动力学而不是写一个经典的代码努力地在经典计算机上面模拟就像万达刚才说的如果你要在经典计算机上模拟个 40 50 个量子比特那都顶了天了但是如果你在量子计算机上面它天然的就是一个量子模拟器那么就非常适合于用来研究这些微观粒子或者原子分子的化学的问题
人们在这个方面也发展了一些算法这些算法可以去找到一些原子构成分子以后它的基态的构型也就是说它最稳定的这个状态应该是什么样那么这就可以加速我们对新材料和新的药物研发的进程我们可以在短时间内大量的筛选很多可能的候选材料来加速这些研究
那另外一方面呢人们也有一些想象量子计算机目前呢还有一些优势是做这个优化问题事实上像 QERA 他们也已经展示过一些在图论中间的一些优化问题上面他们可以用他们这个量子计算机去显示说比经典计算机要更加有效因为他们的原子的这些设计天然的就是可以适合用来模拟这样一些组合优化的问题
那么这个组合优化问题呢在实际生活中间的应用往往是金融啊或者这些领域比如说你怎么样去组合你的投资啊或者像在自动驾驶中的路线规划所以可以想象量子计算的发展带来的优化方面的能力可能将来会被应用到量子金融量子路线规划等等这些方向上面 OK
对然后量子加密其实我们之前的节目有提到过了我觉得还有一个是量子超距传输游教授你要不要讲一下这个我觉得特别精彩对这个话题非常有意思这个呢其实是一个你可以用量子纠缠作为一种资源把一个量子态从一个点传递到另外一个点是一种非常神奇的一个现象
这个就好像是一种快递服务你可以想象未来的邮局可能它接收了你的包裹以后它不是拿一个汽车或者拿一个飞机把这个包裹运到一个地方它先在邮局 A 和邮局 B 之间先建立大量的量子纠缠形成量子纠缠队然后它把你的包裹拿过来和邮局 A 里面的这些量子比特做一些量子测量
因为这个包裹本身作为一个现实生活中的物体它本身也是一个量子态所以呢本质上你就把这个量子态透过这个量子纠缠的途径它其实就已经悄悄地就传到这个邮局 B 里面去了
这个时候邮局 A 只需要把这些量子测量的经典的结果通过一些发电报或者打电话的方式告诉邮局 B 那就基本上能够在邮局 B 上面再经过一些额外的操作就能够恢复出你这个包裹的内容
基本上这就是一个用讲故事的方式描述的这个量子超距传输的一个过程这好像瞬间转移呀对所以它传输的速度是光速但原来的那个包裹就自然的会在邮局 A 消失因为邮局 A 在做测量的时候就会消灭掉这个包裹所以就好像瞬间就把一个物品从一个地方转移到另外一个地方所以原则上面来讲这种事情是可以发生的
这种技术它就需要依赖于第一你要有能力在 A 和 B 之间建立大量的量子纠缠如果你需要传递一个像包裹这么大的一个实体的话那么包裹一个普通的物品里面大概有 10 到 23 次方个原子
也就是说你需要有相应的这么多的量子比特甚至可能更多因为每个原子里面还有内部结构所以你为了精确地描述所有这些原子的状态的话那么你需要有非常多的量子比特跟它对应所以相当于在 A 和 B 之间可能要建立这种识得多少多少次方量级的这些量子比特
那我们现在的量子计算机上面的量子比特只是百位数千位数那远远到不了这么 10 的 20 几次方 30 几次方这个量级这个要多少个量子比特这个基本上就是 10 的二三十几次方的量子比特 0 的数量是 20 到 30 个 0 这种数量级那这比我们 100 1000 100 是两个 0 1000 是三个 0 这要多得多
所以这是一种未来技术就是说我们现在还没有办法实现这么大规模的对量子纠缠的控制以及对这些量子比特的精确操纵但是呢我们知道计算机的发展史告诉我们比特数的发展是指数级的早期计算机发展的时候比特也只是一两个比特但是现在我们这个电脑里面的这个比特我们大家用过硬盘就有感受对吧
以前就是每隔几年这个硬盘就好像就能够翻一倍的容量所以比特数的增长呢一旦进入了摩尔定律的轨道它就是一个指数量级的增加所以呢在有限的时间内在人类文明的发展历程长河中也许有一天我们就能等到可能不是我这一辈子但是也许在将来可能会有一天人们能实现这种大规模的量子计算以后
大规模的量子计算可以我们带来的不仅仅是我能把一个计算任务算得更快而真的是能够有逆天改命能够改变宇宙底层定律的这样一种黑科技可能会被产生出来比如说像量子超距传输这种像瞬间转移的这种能力那这种能力实际上是什么呢实际上非常类比于在星际迷寒这些电影中间所描述的虫洞
虫洞作为一种时空几何中间的特殊的结构,它实际上是连接了两个相距很远的点,然后你从一个点丢一个,比如说宇宙飞船进去,从另一个点就跑出来。
所以这种技术实际上有一些理论物理学家相信引力的实质是大规模的量子纠缠所以如果我们人类有一天能够通过量子计算技术的发展做到对量子纠缠的精确控制那么人类实际上就获得了改变引力改变时空结构的能力那么你可以通过量子计算的计算来改变时空
来实现比如说星际穿越来实现超距传输或者关速到别的地方去旅游这都是有可能的所以你刚刚提到的这个量子超距传输我们刚刚打的比喻还是一个传快递嘛那理论上它也是可以传送人的在伦理学通过以后可能有一天人们可能会做这样的研究就是说传递活人这样子
但是目前我需要再次强调的就是说我刚才讲的这些都还处于科幻的阶段只是说在物理学原理上面没有禁止这些事情的发生人们相信这些事情在足够规模是有可能发生的我只是想说我们眼光可以看得更长远一点量子计算不仅仅是一个计算技术它其实后面还代表着很多我们对宇宙非常深刻的理解和认识
它可能有一天大规模的量子计算真正被发展出来以后会完全彻底的革命性的改变我们对时空的理解和我们对时空操作的能力量子计算就有点像量子物理是我们这个宇宙的底层编码我们人类如果有一天能够掌控量子技术的话就相当于我们掌握了这个宇宙的底层编码的这个 root 权限我们就可以从最底层了去和这个宇宙去做交互这是我们的终极梦想
对我其实最近自己还在想一个问题就是我们到底这个世界是不是模拟出来的它是不是一个游戏世界我们可能只是这个游戏世界里面的一个小程序可能我们的感受也不太是真的或者说它其实就是游戏世界中的一小部分就是从物理学上这个是有可能的
我觉得这个看法是非常合理的事实上有很多物理学家视持这样的世界观的就是说我们的宇宙是一台巨大的量子计算机每个人每件事情每个物品都是量子计算机里面跑的一些程序所有的相互作用无非就是这个程序在运行时间演化就是程序在运行
你认可吗我也认可这样的看法因此我们去发展量子计算本质上将来有一天希望能理解宇宙本身这台量子计算机
你要说量子计算机有没有建成已经建成了而且规模还巨大就是我们的宇宙本身只是我们没有权限我们没有办法随心所欲使用它们我们现在人类的野心就在于我们希望自己建一台独立于宇宙的量子计算机来随心所欲地使用量子的规律甚至有一天能够反过来操纵这个宇宙本身游老师您为什么会学物理跟量子计算呢
学物理吧可能是因为小时候对科学有兴趣嘛因为我父母亲都是出版社的编辑他们是在福建科技出版社工作所以呢我母亲经常会把她出版社编的一些科技的书带回家里然后我们家里就堆满了这些书我平时做完作业以后就没事情干就在家里随便看书我们家里有一套中国大百科全书
然后我就随便抽一本下来就随便去看里面的词条那个词条就可以跳跃式的你通过比如说恐龙灭绝看到生态系统看到光合作用看到太阳能看到核反应看到智能翻城对吧在这个过程中间我学了很多科学的知识
然后我对科学的不同领域的联系产生了很多兴趣所以我就想要学物理想要学科学这是我小时候的这种经历产生的梦想但是年轻的时候并不知道嘛也不知道做物理学工作是一个什么体会虽然父母都警告我说哎呀听说这个物理学找不到工作啊你学了物理以后一辈子清贫一辈子寂寞啊你可得小心啊
但是我那时候抱着一个我一定想要学会量子力学和管理相对论的这个想法就坚决地去学了物理
走上这条路以后我当然也体会到了很多学习物理和自己后来做科研做出一些科研上小小贡献的一些快乐但是事实上是你一旦这么做了以后往往这条路也就走到黑了等你毕业了以后出来博士毕业发现自己也没有什么别的技能所以最后也就进了这个领域继续做这个寒淡就是这么一个故事
因为我问这个问题就是我们刚刚其实已经聊了非常宏大的宇宙啊就我也是在想一个问题就是量子计算可能跟 AI 一样它可能是进入到一个分界点了比如说 Velo 芯片出来以后它已经证明了你其实只要加规模你的这个路线它是可以进行下去的很多
很多时候它可能就会变成一场从学界向工业界加规模,然后你就能让它变得更大更好的这样的一个临界点了。但是我知道其实学界同时也在讨论非常多的前沿方向的可能性,所以我就很好奇当您自己研究的领域站在了这样的一个历史的交叉点的时候,
就是你会怎么去考虑这两条方向?对,我随着年龄的增加,我就觉得都挺好的。学术的象牙塔当然激动人心的前沿的发现,它有很多智力上的挑战,满足你的好奇心。但是工业它才真正能够服务于社会,创造社会价值,所以还是要学以致用。
当然工业界离开了学术也很难有长远的发展你需要有这些基础科学的发展才能够真正促进工业的革命
最后我们总结一下这期播客就是我们今天聊了很多量子计算的技术派别包括它跟 AI 之间互相的关系也是我们上一期的一个经典问题就是你们觉得量子计算我们离实现真正可用的能够完全纠错的量子计算同时它的比特规模能够进入到一个指数级增加的时间点还有多远
我觉得首先第一点就是应用的定义就比较广泛嘛像如果这个量子计算机本身可以应用于先是学数据然后让一些学者们先去在使用量子计算机的时候在此基础之上去研究和理解一些量子现象这本身也是其中的应用之一所以这种应用其实已经是谷歌 IBM 和很多高校的合作中已经体现出来了
对我觉得这个是非常 positive 就是大家已经看到了而且他们的量子芯片是完全用我们的经典计算机是没有办法去模拟的所以它的先进性也是体现到了那么如果我觉得对于商用或者甚至于跨领域的合作的一种甚至直接进入到人们日常生活中的这种应用呢
首先它不是特别好估计因为它是一个瞬间发生的事情也就是说当我们看到一个可行的技术路线的苗头马上就在黎明的时候问题就是我们什么时候能够把它扩展起来把它真正的实现剩下的就只有是工程上的技术的难题所以说有很大概率可能不是说你看着有一个进度条它慢慢的每天一点一点的从 10%20%最终涨到 100%
但是当你在前一天晚上睡觉还是觉得量子计算机现在只有 100 个量子比特什么也干不了但是你明天早上起来 Google 就 announce 了 OK 我们现在造好了
对吧所以这个时候是人们可能会 expect 这是一个非常迅速发生的事情就像 chat gpt 被挂在网上让大家都能使用之前很多人都不知道这是个什么东西然后它有什么用但是呢当它这个东西一旦 open to everybody 的时候那么所有人都马上就知道哦我们的生活被改变了
我个人觉得它的这个时间线是很难估计而且可能最主要就是取决于几家头部的大公司他们选择什么时候把这件事落地完成以及我觉得可能作为其他的小公司或者是学界的更重要的工作就是因为量子技术是一个壁垒相对较高的一项技术它需要很
让我们从中受益让大家去感受到这个量子计算进入到我们生活的好处这个是很重要的一点
所以是突飞猛进式的我觉得可能量子计算能够落地可能也得要个十年到十五年
如果要大规模的比较有用的可能也是在那个时候但是目前我觉得在量子模拟方面比如说我们刚才讲的量子化学或者量子优化这些方面它并不需要一个完全具有纠错能力的量子计算机那这个完全是目前已经蓬勃发展的很多公司也开始在做这个事情
对我们有可能有生之年打开宇宙的密码吗对我对此充满期待有可能吗乐观跟保守的估计我还是对未来比较乐观的而且事实上我觉得有生之年这个词的定义本身都有可能变化
人的生到底有多长的时间我们现在也许都已经在一个这个临界点人类文明可能即将迈入永生当我们的医学足够发达以后也有可能我们的寿命会得到很大的延长所以我觉得还是很乐观的有这个期待的好的好谢谢游老师然后谢谢万达好的好的谢谢谢谢
那今天我们也算是继续再做一期量子计算的科普如果大家对这个领域感兴趣呢也可以来跟我们留言我们可以出更多的跟量子计算相关的节目
那这就是我们的播客你可以通过小宇宙苹果播客 Spotify 来收听订阅我们同时如果你是在用视频的渠道去听播客的话大家可以在 YouTube 或者 bilibili 上搜索硅谷 101 播客来找到我们另外呢我们有一些播客部分的文字稿会发表在硅谷 101 的微信公众号上欢迎大家关注我们我是红军感谢大家的收听