量子前哨重磅推出獨(dú)家專題《量子科學(xué)家100人》，我們將遍訪全球量子計(jì)算相關(guān)領(lǐng)域100位優(yōu)秀科學(xué)家，多角度、多維度、多層面講述該領(lǐng)域的最前沿科學(xué)故事，為讀者解析科學(xué)洞見(jiàn)：量子科技前沿的最新觀察與行業(yè)評(píng)析。

全文共4000字，閱讀時(shí)間大約需要10分鐘。

?

早在90年代，量子神經(jīng)網(wǎng)絡(luò)就提出來(lái)了。

?

將“量子”與“神經(jīng)計(jì)算”相結(jié)合是美國(guó)路易斯安那（Louisiana) 州立大學(xué)Subhash Kak教授的創(chuàng)舉，他在1995年發(fā)表的《On Quantum Neural Computing》一文中首次提出量子神經(jīng)計(jì)算的概念，由此開(kāi)創(chuàng)了該領(lǐng)域的先河。同年英國(guó) Sussex大學(xué)的Ron Chrisley提出了量子學(xué)習(xí)（Quantum Learning）的概念，并給出非疊加態(tài)的量子神經(jīng)網(wǎng)絡(luò)模型和相應(yīng)的學(xué)習(xí)算法。

?

與經(jīng)典圖神經(jīng)網(wǎng)絡(luò)相比，量子圖神經(jīng)網(wǎng)絡(luò)（QGNN）具有更快的計(jì)算速度、指數(shù)級(jí)的記憶容量、更小的網(wǎng)絡(luò)規(guī)模、可消除災(zāi)變性失憶現(xiàn)象等優(yōu)勢(shì)，因此非常適合于未來(lái)面對(duì)海量圖數(shù)據(jù)、復(fù)雜計(jì)算要求等任務(wù)中。

?

北京航空航天大學(xué)教授高慶博士告訴量子前哨：“工業(yè)互聯(lián)網(wǎng)就是一個(gè)典型具有巨大規(guī)模與復(fù)雜拓?fù)浣Y(jié)構(gòu)的網(wǎng)絡(luò)，在未來(lái)，利用量子圖神經(jīng)網(wǎng)絡(luò)將有望對(duì)其百億個(gè)數(shù)據(jù)節(jié)點(diǎn)進(jìn)行深層挖掘。即使在目前有限的量子計(jì)算資源下，量子圖神經(jīng)網(wǎng)絡(luò)仍然可以在電網(wǎng)、社交網(wǎng)絡(luò)、生物制藥等復(fù)雜計(jì)算場(chǎng)景找到應(yīng)用落地點(diǎn)。”

?

?

目前，高慶博士帶領(lǐng)的課題團(tuán)隊(duì)主要從事面向真實(shí)量子計(jì)算平臺(tái)的量子卷積神經(jīng)網(wǎng)絡(luò)方向的研究工作，目前的研究工作主要面向以量子超導(dǎo)電路為代表的量子計(jì)算平臺(tái)。

?

高慶博士在研究中發(fā)現(xiàn)，超導(dǎo)量子電路的架構(gòu)類似傳統(tǒng)電路，也是采用多個(gè)級(jí)聯(lián)門電路實(shí)現(xiàn)計(jì)算功能。這一技術(shù)架構(gòu)有著易于理解與拓展設(shè)計(jì)的顯著優(yōu)勢(shì)，但是當(dāng)處理圖層級(jí)任務(wù)時(shí)，甚至是在圖數(shù)據(jù)規(guī)模并不怎么大但是拓?fù)浣Y(jié)構(gòu)復(fù)雜時(shí)，需要耗費(fèi)相當(dāng)數(shù)量的量子比特去編碼圖數(shù)據(jù)的拓?fù)湫畔ⅰ＿@一做法對(duì)量子比特的浪費(fèi)相當(dāng)顯著。

?

鑒于量子計(jì)算平臺(tái)的現(xiàn)狀，這很奢侈。幸運(yùn)的是，對(duì)相干伊辛機(jī)（Coherent Ising?Machine，CIM）來(lái)說(shuō)，這一問(wèn)題可迎刃而解。

?

相干伊辛機(jī),一種采用光量子的耗散式架構(gòu)的量子計(jì)算機(jī)。與超導(dǎo)、離子阱等使用邏輯門計(jì)算架構(gòu)的其他技術(shù)路線相比，采用量子失諧而不是量子糾纏作為計(jì)算資源，更加類似于人腦神經(jīng)突觸的工作模式，天然更適合于形成超大規(guī)模的量子圖神經(jīng)網(wǎng)絡(luò)，對(duì)環(huán)境噪聲和錯(cuò)誤有很強(qiáng)的抵抗力。

?

高慶博士告訴量子前哨，“相干伊辛機(jī)是一個(gè)天然的圖結(jié)構(gòu)，在構(gòu)建圖卷積神經(jīng)網(wǎng)絡(luò)時(shí)，將不再需要額外的量子比特去進(jìn)行圖形編碼，這會(huì)省去很多不必要的工作。”

?

量子圖卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)與挑戰(zhàn)

?

早在2020年，圖像識(shí)別技術(shù)就已經(jīng)發(fā)展的非常成熟，識(shí)別度已經(jīng)從99.9%提升至99.99%。但面對(duì)某些客戶需求時(shí)，僅靠像識(shí)別技術(shù)來(lái)處理海量數(shù)據(jù)遠(yuǎn)遠(yuǎn)不夠。

?

高慶博士舉了一個(gè)例子，一個(gè)男子在打高爾夫球的畫面，當(dāng)一個(gè)物體在鏡頭前飛速前行時(shí)會(huì)很模糊，無(wú)法確定它到底是什么，如果僅用固定模式方案去識(shí)別判定，誤碼率就會(huì)比較高，但將其作為圖中的某個(gè)元素去推斷，看到男子打桿的動(dòng)作以及環(huán)境識(shí)別等，就能確定飛過(guò)來(lái)的是球。顯然，圖像中的元素之間具有關(guān)聯(lián)性，這就很容易判定，所以這種“關(guān)聯(lián)性”非常重要。

?

高慶博士講道：“在未來(lái)人工智能領(lǐng)域里，面對(duì)數(shù)據(jù)處理時(shí)，一定會(huì)用到大量冗余的計(jì)算，如果不加入‘關(guān)聯(lián)性’，可能還需要其他大量數(shù)據(jù)去學(xué)習(xí)。圖神經(jīng)網(wǎng)絡(luò)是目前AI領(lǐng)域的一個(gè)研究熱點(diǎn)，而量子圖神經(jīng)網(wǎng)絡(luò)的研究尚是一片藍(lán)海。我們課題組在這一方向做了一些國(guó)際上比較早的初步工作，但是限于目前的量子計(jì)算平臺(tái)，我們?cè)诟咝Ы?jīng)濟(jì)編碼問(wèn)題上遇到了很大的困難。CIM天然圖結(jié)構(gòu)的性質(zhì)無(wú)疑給我們提供了一條重要的思路。”

?

高慶博士曾在普林斯頓大學(xué)化學(xué)系訪學(xué)，其導(dǎo)師從事研究過(guò)量子化學(xué)方向，課題團(tuán)隊(duì)曾專注于生物制藥分析，所以高慶博士一直對(duì)這一方向較為關(guān)注。

?

在生物制藥領(lǐng)域，高慶博士說(shuō)道，“現(xiàn)在大部分的傳統(tǒng)方法是基于傳統(tǒng)AI學(xué)習(xí)與訓(xùn)練數(shù)據(jù)，比如藥物靶標(biāo)之類的關(guān)系，然后去構(gòu)建一個(gè)大數(shù)據(jù)集合，繼續(xù)訓(xùn)練學(xué)習(xí)選擇出最優(yōu)藥物分子組合，其中就包含海量的高維圖數(shù)據(jù)。這對(duì)傳統(tǒng)的AI來(lái)說(shuō)，算力要求極高。相干量子計(jì)算很有潛力能為這一領(lǐng)域提供革命性的新技術(shù)。”

?

量子神經(jīng)網(wǎng)絡(luò)可以補(bǔ)足“AI不可為”

?

2022年1月，來(lái)自北卡羅來(lái)納大學(xué)夏洛特分校的Colby Ford研究團(tuán)隊(duì)，利用AI技術(shù)（AlphaFold2和RoseTTAFold），只用一小時(shí)幾乎準(zhǔn)確地預(yù)測(cè)了奧米克戎的復(fù)雜蛋白質(zhì)序列結(jié)構(gòu)，中心原子的位置誤差只有約半埃（大約是氫原子的半徑）。

?

高慶博士解釋道，這個(gè)例子就很好解答了我們面對(duì)的挑戰(zhàn)在哪里，傳統(tǒng)AI已經(jīng)很強(qiáng)了，量子神經(jīng)網(wǎng)絡(luò)如何配合傳統(tǒng)AI發(fā)揮更高的價(jià)值作用很重要。

?

以社交網(wǎng)絡(luò)為例，擁有海量節(jié)點(diǎn)數(shù)據(jù)的社交網(wǎng)絡(luò)如何利用量子圖神經(jīng)網(wǎng)絡(luò)來(lái)訓(xùn)練？對(duì)于微博、Facebook等社交網(wǎng)絡(luò)巨頭公司而言，小幅度的算力提升也將會(huì)大大降低公司運(yùn)營(yíng)的成本。

?

高慶博士說(shuō)道：“當(dāng)前，我們還沒(méi)有走出現(xiàn)有AI框架，也只是提升了相對(duì)算力，但是我們可以在這種基礎(chǔ)上加入自研的圖神經(jīng)網(wǎng)絡(luò)，以此實(shí)現(xiàn)更具優(yōu)勢(shì)與意義的事情。”

??

高慶博士認(rèn)為，量子神經(jīng)網(wǎng)絡(luò)是補(bǔ)足AI的一種方式，它可以解決復(fù)雜的強(qiáng)算力問(wèn)題，但不會(huì)去顛覆AI自身的框架。在含噪聲中等規(guī)模量子計(jì)算機(jī)時(shí)代，當(dāng)可用的量子比特?cái)?shù)達(dá)到50至100時(shí)，且保真度足夠高的情況下，我們就可以去做很多事情。

?

也就是說(shuō)，解決了面向量子計(jì)算的硬件問(wèn)題，就是真正的量子神經(jīng)網(wǎng)絡(luò)出現(xiàn)的拐點(diǎn)。如今，斯坦福大學(xué)、哈佛大學(xué)、清華大學(xué)、中科院、中科大等高等院校、科研院所以及一些初創(chuàng)公司都在從事該方向的研究工作。

?

事實(shí)上，對(duì)于大眾或行業(yè)研究者來(lái)說(shuō)，如何能更快的理解并接受量子計(jì)算機(jī)，就是他們能夠調(diào)用或者使用。所以應(yīng)用層設(shè)計(jì)非常重要，這也是量子計(jì)算硬件技術(shù)由質(zhì)的突破才會(huì)引發(fā)拐點(diǎn)的原因。

?

盲目追求高量子比特?cái)?shù)不可取

?

可以預(yù)見(jiàn)的是，未來(lái)量子計(jì)算機(jī)的硬件路線發(fā)展趨勢(shì)會(huì)保持百花齊放的態(tài)勢(shì)。

?

高慶博士提到，業(yè)內(nèi)常常提及“通用”量子計(jì)算，但“通用”的概念容易被理解為“統(tǒng)一”其實(shí)不然。未來(lái)的量子計(jì)算硬件應(yīng)該是“通用化設(shè)計(jì)”，而非“統(tǒng)一構(gòu)型”，這和我們經(jīng)典計(jì)算機(jī)使用同類標(biāo)識(shí)結(jié)構(gòu)（如基于電路的處理芯片等）完全不同。此外，在量子計(jì)算硬件系統(tǒng)上的軟件算法（如量子神經(jīng)網(wǎng)絡(luò)等）也會(huì)形成“百家爭(zhēng)鳴”的形式。

?

量子計(jì)算在編碼的過(guò)程中會(huì)不可避免的出現(xiàn)量子噪聲，因?yàn)榱孔颖忍貢?huì)自己“跳變”，這并不是編碼錯(cuò)誤，而是因?yàn)榱孔颖忍睾苋菀淄讼喔?，環(huán)境的輕微干擾都會(huì)使其退相干。而量子比特本身的疊加性和糾纏性也會(huì)影響量子比特的“跳變”，這種隨機(jī)事件很難控制。

?

高慶博士告訴量子前哨，解決這些問(wèn)題，可以采取用多余的量子比特來(lái)冗余編碼，但是這種糾錯(cuò)方法屬于“抱薪救火”，因?yàn)閿?shù)據(jù)傳輸?shù)母呖乖肼暥龋╤igh noise immunity）通常借助于具有高冗余度的編碼來(lái)實(shí)現(xiàn)，噪聲越大冗余編碼數(shù)要求越高，但是反過(guò)來(lái)冗余編碼越多噪聲也會(huì)越大，這很矛盾。

?

高慶博士總結(jié)道，要想實(shí)現(xiàn)穩(wěn)定可靠的量子計(jì)算，不能盲目只追求量子比特?cái)?shù)規(guī)模，高保真度也很重要。

?

CIM與量子神經(jīng)網(wǎng)絡(luò)的天然契合

?

為什么現(xiàn)在圖神經(jīng)網(wǎng)絡(luò)在AI中研究的這么火？因?yàn)楫?dāng)前面臨的圖類數(shù)據(jù)處理量達(dá)到了高飽和。可以把CIM看為一個(gè)應(yīng)對(duì)圖數(shù)據(jù)研究的專用量子平臺(tái)，它主要解決的就是組合優(yōu)化問(wèn)題（如NP問(wèn)題、NP-hard問(wèn)題等），可以直接對(duì)接圖卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行相關(guān)研究，這是CIM的天然優(yōu)勢(shì)。

?

高慶博士提到，圖神經(jīng)網(wǎng)絡(luò)本身不會(huì)像AI一樣直接面向任務(wù)，它做的事情很簡(jiǎn)單，就是把信息提取出來(lái)然后不斷逼近，至于如何將通用性、便利性落地到應(yīng)用點(diǎn)上，就是后續(xù)要思考的問(wèn)題。例如，北京玻色量子就提供了一個(gè)非常好的軟硬件平臺(tái)，但是與實(shí)際應(yīng)用中間就需要一架“神經(jīng)網(wǎng)絡(luò)模型”的橋梁，這三者結(jié)合形成閉環(huán)就能不斷推進(jìn)量子神經(jīng)網(wǎng)絡(luò)的商業(yè)落地。

?

高慶博士強(qiáng)調(diào)，CIM是一個(gè)天然的圖結(jié)構(gòu)，本身就可以把原子連接搭建出來(lái)，不存在任何圖結(jié)構(gòu)編碼的問(wèn)題。目前，最大的技術(shù)難點(diǎn)在于量子計(jì)算平臺(tái)的研發(fā)，最基礎(chǔ)的問(wèn)題就是其深度和穩(wěn)定性能否達(dá)標(biāo)。但就目前來(lái)看，這一基礎(chǔ)問(wèn)題并沒(méi)有完全解決。

?

高慶博士告訴量子前哨：“想要強(qiáng)有力的提升算力，我非?？春脠D神經(jīng)網(wǎng)絡(luò)與CIM天然圖結(jié)構(gòu)的結(jié)合，這是傳統(tǒng)AI無(wú)法實(shí)現(xiàn)的部分。就算傳統(tǒng)AI能夠搭建圖網(wǎng)絡(luò)，我們也需要對(duì)這些圖數(shù)據(jù)進(jìn)行特殊處理，也就是圖的拓?fù)浣Y(jié)構(gòu)需要進(jìn)行編碼，在小規(guī)模圖數(shù)據(jù)維度上，優(yōu)勢(shì)可能不明顯，但是在類似工業(yè)互聯(lián)網(wǎng)場(chǎng)景的400億個(gè)節(jié)點(diǎn)下，量子神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)就頗為突出。”

?

未來(lái)量子計(jì)算大有可為

?

高慶博士認(rèn)為，國(guó)內(nèi)量子計(jì)算的布局優(yōu)勢(shì)主要有以下幾個(gè)方面：

?

第一，量子計(jì)算已經(jīng)上升到國(guó)家戰(zhàn)略高度，國(guó)家對(duì)高科技領(lǐng)域的投資越來(lái)越科學(xué)與謹(jǐn)慎，并邀請(qǐng)相關(guān)領(lǐng)域的頂級(jí)專家進(jìn)行多輪論證，為量子計(jì)算提供了一個(gè)長(zhǎng)期穩(wěn)定健康發(fā)展的客觀環(huán)境，不會(huì)像歐美等其他國(guó)家一樣隨著政局的變化而導(dǎo)致政府扶持的中斷。

?

第二，對(duì)于科學(xué)界來(lái)說(shuō)，底層科研人員的體量大，國(guó)內(nèi)不缺人才。不同于控制理論等涉及嚴(yán)密的數(shù)學(xué)問(wèn)題的研究方向，量子計(jì)算/量子AI偏工程問(wèn)題較多，所以一定要犀利的找到市場(chǎng)需求點(diǎn)，解決實(shí)際問(wèn)題。

?

第三，國(guó)家的需求太大，各行各業(yè)都需要新的科學(xué)技術(shù)來(lái)賦能，我們國(guó)家正處于行業(yè)結(jié)構(gòu)轉(zhuǎn)型的重要階段，傳統(tǒng)的行業(yè)正在不斷的被顛覆，行業(yè)的興衰更替也在不斷演進(jìn)，能很好的促進(jìn)高科技領(lǐng)域的發(fā)展，量子計(jì)算產(chǎn)業(yè)有望在其中找到足夠大的市場(chǎng)和足夠多的需求點(diǎn)。

?

高慶博士說(shuō)道：“對(duì)于我們青年科學(xué)家來(lái)說(shuō)，一定要敢于擁抱未來(lái)，不要想太多，可能中間會(huì)有不可避免的彎路或者低谷期，但也要勇敢前行。新興領(lǐng)域的投資風(fēng)險(xiǎn)大，在國(guó)家給予完備政策支持的條件下，我們作為研究工作者眼光一定要長(zhǎng)遠(yuǎn)，新的革命時(shí)代已然到來(lái)。”

?

文：慕一
編輯：王珩

?