康奈爾大學(xué)應(yīng)用與工程物理學(xué)院教授、光量子計(jì)算科學(xué)家Peter McMahon（圖片來源：網(wǎng)絡(luò)）

隨著摩爾定律失效，有些研究人員們跳出提高當(dāng)前計(jì)算機(jī)處理器性能這一思路，試圖從更基礎(chǔ)的數(shù)學(xué)和物理學(xué)角度來解決這個問題。

對于在量子計(jì)算領(lǐng)域已展露頭角的青年科學(xué)家Peter McMahon（彼得·?麥克馬洪）博士來說，探索計(jì)算的未來，重新理解計(jì)算的本質(zhì)，是尋找答案的關(guān)鍵。

“（摩爾定律的失效）是無法避免的問題。那就要退一步問，如果不得不全部推倒重來時我們該怎么做？制造處理器的真正最有效的方法是什么？”

計(jì)算的萬變不離其宗

科學(xué)家們總有那么點(diǎn)兒“與眾不同”之處，McMahon也是。在南非德班長大的他，從小熱愛數(shù)學(xué)和物理。高中時McMahon“沉迷”于計(jì)算機(jī)，不僅將大量的時間花費(fèi)在程序編寫上，甚至還運(yùn)營了一家小型外包企業(yè)為大公司編寫數(shù)據(jù)庫軟件。

2003年，McMahon進(jìn)入南非最古老的大學(xué)——開普敦大學(xué)，攻讀電氣和計(jì)算機(jī)工程學(xué)士學(xué)位，并在這里開始了一系列的計(jì)算物理啟發(fā)式學(xué)習(xí)。在大學(xué)一年級時通過閱讀，他得到了一個影響科研生涯的理念：“物理定律——例如控制電子運(yùn)動的定律等，對可計(jì)算內(nèi)容和計(jì)算速度具有決定性影響”。由此激發(fā)了McMahon對非經(jīng)典物理計(jì)算體系的興趣。

大學(xué)四年級時，McMahon獲得了一個機(jī)會，前往美國伊利諾伊大學(xué)國家超級計(jì)算應(yīng)用中心，參與利用FPGA專用芯片加速科學(xué)計(jì)算應(yīng)用的研究項(xiàng)目。隨后，McMahon還被邀請進(jìn)入到一個碩士研究項(xiàng)目中，并被派往加州大學(xué)伯克利分校開展射電天文學(xué)和生物信息學(xué)的儀器研究。后來，McMahon還曾為這一階段的工作撰寫了論文，并起了一個有趣的名字《Adventures in Radio Astronomy Instrumentation and Signal Processing 》（射電天文儀器和信號處理歷險(xiǎn)記）。

在論文中，McMahon詳細(xì)介紹了天文學(xué)領(lǐng)域內(nèi)的各種儀器及信號處理的方法。（圖片來源：McMahon論文插圖）

這些看似與量子計(jì)算毫無關(guān)聯(lián)的經(jīng)歷，為他日后的研究奠定了重要基礎(chǔ)。McMahon對這些工作如數(shù)家珍，“乍一看，這種體驗(yàn)似乎與我現(xiàn)在所做的完全無關(guān)，但很大情況下，用于控制和記錄量子計(jì)算機(jī)輸出的電子設(shè)備所使用的技術(shù)，就與這些非常相似?！?/p>

2008年，McMahon在獲得開普敦大學(xué)的學(xué)士學(xué)位和碩士學(xué)位后，進(jìn)入斯坦福大學(xué)攻讀電氣工程碩士學(xué)位和博士學(xué)位。在這里，他遇到了人生的重要導(dǎo)師——量子計(jì)算領(lǐng)域的著名科學(xué)家Yoshihisa Yamamoto教授。在Yamamoto教授帶領(lǐng)下，McMahon開始對基于半導(dǎo)體進(jìn)行光子自旋操控實(shí)現(xiàn)量子信息處理領(lǐng)域展開系統(tǒng)化地研究。

由此，McMahon正式開啟了在量子計(jì)算世界的“探險(xiǎn)”。

看好光量子計(jì)算

“我們能否找到一種計(jì)算方式，它可能無法解決所有的計(jì)算任務(wù)，但更有效地解決一些更重要的計(jì)算任務(wù)？”談及量子計(jì)算的未來，McMahon更看中的是實(shí)際價值。

在眾多實(shí)現(xiàn)量子計(jì)算的技術(shù)路線中，McMahon在超導(dǎo)電路和光量子兩種技術(shù)路線上進(jìn)行了深入探索。

“在這兩種技術(shù)中，我們嘗試過很多種想法來實(shí)現(xiàn)物理系統(tǒng)的制備。我們發(fā)現(xiàn)，光量子計(jì)算機(jī)盡管在某些功能上受到限制，但（它能夠表現(xiàn)出的性能）仍然是經(jīng)典計(jì)算機(jī)所無法比擬的。在短期內(nèi)它將讓我們了解我們的光子架構(gòu)在實(shí)踐中的可行性。在更遙遠(yuǎn)的未來，我們有可能制造出光子通用量子計(jì)算機(jī)——能夠運(yùn)行任何算法的機(jī)器。”

McMahon同時指出，超導(dǎo)電路量子計(jì)算存在著固有問題。從表面上看超導(dǎo)似乎是一種易于實(shí)現(xiàn)的技術(shù)，看起來與經(jīng)典電子電路非常相似。但是主要問題是它們必須在接近絕對零的溫度下運(yùn)行。

McMahon說：“如果你不在非常低的溫度下運(yùn)行它們，它們的表現(xiàn)就不會像量子力學(xué)系統(tǒng)一樣。換句話說，量子力學(xué)效應(yīng)被沖淡了?！?所以，在保持超導(dǎo)電路的超低溫的同時，增加它們的數(shù)量和它們執(zhí)行的計(jì)算的復(fù)雜性是一項(xiàng)艱巨的任務(wù)。

對量子計(jì)算領(lǐng)域來說，2011年是個重要的時間節(jié)點(diǎn)，對McMahon來說也是。由Yamamoto教授領(lǐng)導(dǎo)的斯坦福大學(xué)的一個小組發(fā)起了一項(xiàng)開發(fā)用于優(yōu)化組合問題的光學(xué)量子計(jì)算設(shè)備項(xiàng)目，相干伊辛機(jī)（Coherent Ising Machine，CIM）量子計(jì)算機(jī)的研制迎來了發(fā)展的新浪潮。作為Yamamoto教授的博士學(xué)生，McMahon是該團(tuán)隊(duì)的中堅(jiān)力量成員之一。

McMahon在Yamamoto教授的斯坦福大學(xué)研究小組中。（圖片來源：斯坦福大學(xué)）

CIM是一種采用光量子的耗散式架構(gòu)的量子計(jì)算機(jī)，由起源于美國斯坦福大學(xué)Yamamoto教授的研究團(tuán)隊(duì)首創(chuàng)。CIM采用光量子作為量子比特，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，不需復(fù)雜而昂貴的稀釋制冷機(jī)等設(shè)備，對環(huán)境噪聲和錯誤有很強(qiáng)的抵抗力，更適用于大規(guī)模的優(yōu)化組合問題求解，能在較短時間內(nèi)投入實(shí)用化的場景中。目前也是日本量子計(jì)算機(jī)的主要研發(fā)路線。

面對光量子計(jì)算以及CIM的廣闊發(fā)展前景，在斯坦福大學(xué)期間，McMahon在該領(lǐng)域完成了大量且關(guān)鍵的研究工作。2014年，獲得斯坦福大學(xué)電氣工程博士學(xué)位后，McMahon進(jìn)入斯坦福大學(xué)Hideo Mabuchi教授的實(shí)驗(yàn)室開始為期五年的博士后研究員生涯。同時，McMahon繼續(xù)參與Yamamoto教授團(tuán)隊(duì)的CIM研究項(xiàng)目，在利用光量子計(jì)算機(jī)解決優(yōu)化問題方面做出了重要工作。這一時期，McMahon的重要研究成果有：

2010年，McMahon團(tuán)隊(duì)在期刊Nature Photonics（自然光子學(xué)）上發(fā)表了題為《Ultrafast Optical Spin Echo in a Single Quantum Dot》（單個量子點(diǎn)中的超快光學(xué)自旋回波）的研究成果。通過使用超快的全光自旋回波技術(shù)將單個量子點(diǎn)電子自旋的退相干時間從納秒增加到幾微秒，展現(xiàn)了未來光子量子信息處理器和中繼網(wǎng)絡(luò)的廣闊前景。

2016年，McMahon團(tuán)隊(duì)建造了一臺基于FPGA的測量-反饋式相干伊辛機(jī)。該量子計(jì)算系統(tǒng)可以構(gòu)建100次自旋解決伊辛問題。與此同時，該團(tuán)隊(duì)還將其與其他專業(yè)系統(tǒng)（包括經(jīng)典電子計(jì)算機(jī)上的模擬退火算法、NASA所使用的D-Wave量子退火機(jī)等）進(jìn)一步基準(zhǔn)測試比較，充分證明了CIM可以成為有效的量子優(yōu)化求解設(shè)備。

同年 McMahon兩篇關(guān)于相干伊辛機(jī)領(lǐng)域的重要研究成果相繼發(fā)表在頂級學(xué)術(shù)期刊Science（科學(xué)）上：《A coherent Ising machine for 2000-node optimization questions》（用于解決2000節(jié)點(diǎn)優(yōu)化問題的相干伊辛機(jī)）和《A fully-programmable 100-spin coherent Ising machine with all-to-all connections》（實(shí)現(xiàn)全連接的完全可編程100自旋規(guī)模的CIM）。

在這兩篇論文中，McMahon的團(tuán)隊(duì)充分展示了光纖測量類CIM在當(dāng)前解決小規(guī)模問題以及在解決更多使用NP完全問題上的有效性與高性能，從而向人們展現(xiàn)了CIM這種采用光量子的耗散式架構(gòu)的量子計(jì)算機(jī)的實(shí)力與優(yōu)勢。McMahon也自此成為了量子計(jì)算研究領(lǐng)域的代表科學(xué)家之一。

面向未來的量子神經(jīng)網(wǎng)絡(luò)

2019年加入康奈爾大學(xué)擔(dān)任應(yīng)用和工程物理助理教授后，McMahon在量子神經(jīng)網(wǎng)絡(luò)領(lǐng)域進(jìn)行了大量的工作。他指出，量子計(jì)算領(lǐng)域向來有一個關(guān)鍵而尚未完全解決的問題是，相比于經(jīng)典神經(jīng)網(wǎng)絡(luò)（NN），量子神經(jīng)網(wǎng)絡(luò)（QNN）具有哪些優(yōu)勢以及如何顯現(xiàn)出這些優(yōu)勢。在研究這個問題的過程中，McMahon找到了一個答案：

2019年，他與NTT Research博士后研究員Logan G. Wright合作在Conference on Lasers and Electro-Optics（激光和電光會議會刊）上發(fā)表了題為《Quantum neural network capacity》（量子神經(jīng)網(wǎng)絡(luò)的容量）的研究成果。他們通過模擬一個基于高斯玻色子采樣的特定QNN，取得了量子神經(jīng)網(wǎng)絡(luò)容量與量子系統(tǒng)被測量冊數(shù)之間的解析表達(dá)式，并證明了采用量子態(tài)參數(shù)化的QNN記憶容量將比NN具有指數(shù)級的總?cè)萘俊?/strong>

在康奈爾大學(xué)承擔(dān)教學(xué)任務(wù)的同時，McMahon還帶領(lǐng)實(shí)驗(yàn)室團(tuán)隊(duì)開展計(jì)算物理研究，以及如何設(shè)計(jì)物理系統(tǒng)以新方式來執(zhí)行計(jì)算，從而提供優(yōu)于當(dāng)前基于CMOS的馮諾依曼處理器的優(yōu)勢。除了量子計(jì)算方向，該研究團(tuán)隊(duì)還探索其他經(jīng)典計(jì)算技術(shù)，包括光子計(jì)算和神經(jīng)形態(tài)計(jì)算等。

?

McMahon在康奈爾大學(xué)的實(shí)驗(yàn)室團(tuán)隊(duì)?

（圖片來源：康奈爾大學(xué)）

2019年，康奈爾大學(xué)與NTT Research PHI實(shí)驗(yàn)室建立了聯(lián)合研究關(guān)系，McMahon領(lǐng)導(dǎo)實(shí)驗(yàn)室研究團(tuán)隊(duì)與NTT Research PHI實(shí)驗(yàn)室共同開展致力于解決“如何設(shè)計(jì)新式物理系統(tǒng)執(zhí)行計(jì)算”問題的研究。

最近，該項(xiàng)目在期刊《Nature》（自然）上發(fā)表了一篇題為《Deep physical neural networks trained with backpropagation》（用反向傳播訓(xùn)練的深度物理神經(jīng)網(wǎng)絡(luò)）的論文。論文中描述了該團(tuán)隊(duì)將經(jīng)過訓(xùn)練的系統(tǒng)命名為物理神經(jīng)網(wǎng)絡(luò)（PNN），著重強(qiáng)調(diào)了該方法是直接訓(xùn)練物理系統(tǒng)，而不是像傳統(tǒng)路線那樣，先訓(xùn)練數(shù)學(xué)函數(shù)然后再設(shè)計(jì)物理過程來執(zhí)行。同時他們還發(fā)明了一種新算法——物理感知訓(xùn)練（PAT）。該算法將深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練應(yīng)用于可控物理系統(tǒng)，從而不受現(xiàn)有能源控制和其他可擴(kuò)展性條件限制。

具體來說，該團(tuán)隊(duì)將反向傳播方法從數(shù)字訓(xùn)練轉(zhuǎn)化為直接的物理訓(xùn)練，通過學(xué)習(xí)物理算法以在非常規(guī)但具有強(qiáng)大潛力的物理基底中更容易的提取計(jì)算性能，從而提高深度神經(jīng)網(wǎng)絡(luò)的計(jì)算效率和速度。

PNN實(shí)驗(yàn)示例（圖片來源：https://opg.optica.org/）