下载掌阅APP，畅读海量书库
立即打开
最近，我们经常见到这样的新闻标题：“重磅！世界首台光量子计算机在中国诞生”“IBM公司发布全球首台独立量子计算机”，以及“D-Wave研发出2000量子比特量子计算机”等。从字面上看，好像量子计算机已经制造出来，并走进了我们的日常生活，实际情况如何呢？
其实量子计算机的研制目前还在初级阶段，只不过一些媒体对此进行了润色，甚至夸大。科学地讲，这些新闻确实反映出该领域正在陆续取得一系列的突破性研究成果。例如，前段时间新闻报道“重磅！世界首台光量子计算机在中国诞生”。这是我国著名科学家潘建伟、陆朝阳等人完成的一项科研成果。他们基于光学平台（图1-10），针对多光子“玻色采样”这一特殊任务（一定数目的光子经过一定分束器后，对其产生的希尔伯特空间分布进行采样）而制造出首台光量子计算机。其计算能力超越了经典计算机，包括世界上第一台电子管计算机和世界上第一台晶体管计算机等，而不包括目前的个人电脑。
因此，目前实际的量子计算机和大家心目中的模型还有很大差距。不过这确实是该领域一些重要的研究进展，是无数科研工作者努力的结果。
图1-10 实现玻色采样的光学平台
量子计算机什么时候才能出现？
每个人给出的答案是不一样的，这主要取决于对量子计算机的定义。在大家心目中，量子计算机的最大特征应该就是一个字“快”，能够迅速完成我们输入的任何任务，而且其速度可以“秒杀”任何经典计算机，跑程序和打游戏再也不卡顿了。而专业定义是，在具有量子特性的物理系统上，基于量子力学理论，通过运行具有加速性质的量子算法来执行目标任务的仪器，叫作通用型量子计算机（universal quantum computer）。换言之，通用型量子计算机的工作形态就像目前的经典计算机一样，只是它内部的处理器是基于量子比特来运算的。这是该领域无数科研工作者心目中的殿堂，也是量子计算领域的终极目标。
可以说，我们距离这样的目标还十分遥远，可能需要50年，甚至好几代人才能完成，因为实现这样的目标十分具有挑战性。其中主要的难度在于：
其一，既有质量又有数量的量子比特。近期你可能经常会听到“谷歌发布72个量子比特处理器”“Intel 发布49个量子比特芯片”这样由数字堆砌起来的新闻，但是研制量子计算机不是一味地追求量子比特数目的增加，而是需要这些量子比特有质量的存在，例如每个比特能够被单独寻址，比特之间应该具有一定的相互作用，能够被纠缠起来，且比特具有很高的操作精度，在这样的情况下再谈论量子比特的数量才有意义。
其二，能够有效解决问题的量子算法。量子计算机只是提供了硬件支撑，并不是所有的问题都能在量子计算机上得到有效解决，还需要合适的量子算法才行，比如著名的Grover搜索算法以及Shor大数分解算法。
其三，量子操作精度达到容错条件。就像经典计算机一样，量子计算机在运行过程中，由于硬件噪声等因素会导致计算结果出现错误，一个解决思路就是采用量子纠错（quantum error correction），将许多物理量子比特编码成一个逻辑量子比特，但是要真正做到这一点可能需要成千上万个物理比特。
量子计算机并不是我们想象的那么简单，科学家采用分阶段发展策略：
首先，厘定要研究的问题（研究这些问题也许并不能带来实质性的应用）。量子计算机比经典计算机要快，这个目标可以说目前已经实现了，比如前面介绍的光量子计算机，它在玻色采样任务上就比早期的经典计算机要快。
其次，发展专用型量子计算机。顾名思义，专用型量子计算机是只能解决特定问题的专用量子计算机，比如用于化学模拟的专用量子模拟器，可以在有限时间内比经典计算机更加精确地模拟分子特性以及化学反应等，这将加速新型药物、新型能源材料的研发。
最后，才是终极目标——可编程的通用型量子计算机。
言外之意，虽然可编程的通用型量子计算机是我们的终极目标，但是只要我们研制的量子计算仪器能够有效解决一些特定的问题，并且处理速度和运行结果都比当时的经典计算机快，就可以说一定程度上成功研制了（专用）量子计算机。目前，全世界的科学家都以这个实际目的为导向，争先恐后地摘取量子计算的第一颗果实，其投入也是惊人的：
2014年英国发布量子科技发展蓝图计划；
2016年欧盟启动量子计算国家战略计划；
2017年量子信息纳入中国“十三五”国家基础研究规划；
2017年中国成立北京量子信息科学研究院和深圳量子科学与工程研究院等基础研究机构；
2017年阿里巴巴、华为、百度和腾讯开始布局量子计算；
2018年美国签署《国家量子计划法案》并启动13亿美元量子行动计划；
谷歌（Google）、IBM、微软（Microsoft）等巨头公司长期研究量子计算；
……
总之，现在量子计算还处于早期的萌芽阶段，离我们理想中的量子计算机（通用型）还有很遥远的距离。但是我们相信，在全世界科学家的大力推动下，5～10年内将有可能实现专用型量子计算机的成功研制。
辛涛，南方科技大学深圳量子科学与工程研究院助理研究员，清华大学物理系理学博士，加拿大滑铁卢大学量子计算中心访问学者。长期从事自旋量子计算与量子模拟，致力于研究参数化线路及张量网络在量子层析和量子机器学习等方面的应用。