百度段潤堯:四個因素讓量子運算的出現成為必然
本文經AI新媒體量子位元(公眾號ID:QbitAI)授權轉載,轉載請聯絡來源。
從火爆出圈的「量子優越性」主題,到今年諾貝爾物理學獎花落量子資訊科學領域。
量子運算這個技術名詞,早已成為當下最受關注的科技議題之一。
而一系列最新技術進展,也催生出一個新的問題:
量子運算,究竟離我們的生活還有多遠?
事實上,有數據顯示,到2031年左右,有將近8,000億的市場規模將會直接與量子運算相關。
這意味著這領域即將迎來浩蕩的落地之旅。
那麼,我們要如何踏出第一步,又該如何建構一台真正的量子電腦?
來自百度量子計算研究所的所長段潤堯,師從應明生教授,是悉尼科技大學終身教授和量子軟體與資訊中心創辦主任、澳洲亞洲研究理事會Future Fellow。
從2001年起他就開始從事量子計算和量子資訊技術領域,並做出了原創性貢獻;他所在的百度,已率先給出了量子計算從底層硬體到上層應用的一整套產業化解決方案。
所以在MEET 2023智慧未來大會現場,段潤堯就以百度為例分享了一些經驗和看法,他表示:
#最近幾年是量子真正開始和計算結合的非常關鍵的幾年,量子計算的出現有著多方面的必然性。
如果我們希望把摩爾定律的優點和便宜的算力繼續延續下去,就需要考慮新的一種計算模式,就是量子計算。
而想要造出一台真正的量子計算機,他的結論很簡單:
就是聰明的腦袋,再加上足夠的資源和現有的最好的技術,匹配起來。
為了完整體現段潤堯在量子計算產業化從硬體到軟體以及應用方面解決方案的思考,量子位元在不改變原意的基礎上,對他的演講內容進行了編輯整理。
關於MEET 智慧未來大會:MEET大會是由量子位元主辦的智慧科技領域頂級商業高峰會,致力於探討前沿科技技術的落地與產業應用。今年共有數十家主流媒體及直播平台通報了MEET2023大會,吸引了超過300萬產業用戶線上參會,全網總曝光量累積超過2,000萬。
演講要點
- 要把摩爾定律優勢延續下去,把便宜的算力延續下去,就需要考慮新的一種計算模式,也就是量子計算。
- 我們已經處於一個非常關鍵的節點,也就是量子運算的優勢開始超越經典運算。如果突破這個點,後面將會帶來非常多的可能性。
- 到了2031年左右,將近有8000億的市場規模將會直接跟量子運算相關;將近70%的企業想在這方面做一些佈局。
- 量子運算和人工智慧更是一個相互促進、相互糾纏的關係,從上面的應用,中間的整個平台框架,到底下的硬體層面都可以產生連結。
- 量子計算的整體投入很多,但是對具體的演算法和軟體投入有限,這方面需要加強,並且已經到了關鍵的階段。
- 如何真正造出一台量子電腦?我的結論其實很簡單,就是聰明的腦袋,再加上有足夠的資源和現有的最好的技術。
(以下為段潤堯所長演講分享全文)
為什麼說量子運算的出現是必然的?
今天我看到這個圖示(大會圖示),就讓我想起量子資訊裡面的量子糾纏。
事實上可以這麼講,我們今天討論的量子計算本身就是計算與量子資訊進行的糾纏。
一方面,從上古時代開始的結繩計數,到後面的算盤、計算尺,到今天的計算機、超級計算機等等,計算已涵蓋了我們社會的各個方面。
另一方面,量子其實是我們對這個世界的新認識。
我們知道,原始時代對這個世界只有粗淺的經驗認識,到後面才開始有牛頓力學,有麥克斯韋的電磁理論,以及上個世紀我們終於能夠發現這個世界其實遵循量子力學規律。
量子力學從上個世紀20年代產生以後,其實就已經對我們這個世界產生了翻天覆地的影響,這就是所謂的第一次量子革命。
包括我們今天熟悉的雷射、晶體管,還有核磁共振,以及原子能這樣一些東西,都是依據量子力學直接使用產生的,特別是今天使用的互聯網。
這第一次量子革命,基本上改變了我們整個社會的各個層面。
而現在,我們這個時代其實已經進入到了第二量子革命,或是新量子革命的階段。
在這個階段,我們已經不再滿足於對一塊材料整體進行量子力學的預測,我們希望能夠直接操控到一個具體的系統,利用這樣一個系統進行處理。在這個過程中,像量子糾纏這樣一些量子特性真正產生了影響。
這幾年應該是量子真正開始和計算結合的非常關鍵的幾年,特別是大家知道的谷歌開發的量子計算機“懸鈴木”,以及中科大做出來的“祖沖之號”,這些都證明當量子和計算結合在一起的時候,在一些特定問題上可以真正展現超能力。
量子和計算真正結合以後,新的學科就出來了,我們也相信這個東西會為我們帶來全新的世界,原因是可以帶來算力的指數級提升。
講了這麼多大家可能有個大概印象,量子和計算的結合是非常重要的,但是到底怎麼個重要法呢?
實際上,量子計算的出現是不可或缺的。
一方面,當我們的晶片尺寸小到一定程度的時候,例如1奈米,這時候就進入了量子力學的尺度,在這個尺度裡面,我們需要去考慮用量子力學的方式設計晶片,不能只靠傳統的方式。
所以這個時候自然就要求我們,如果我們希望能夠把摩爾定律優勢延續下去,把便宜的算力延續下去,我們就需要考慮新的一種計算模式,就是量子計算。
當然了,這也跟能源消耗有關。因為大家知道計算是非常消耗能量的,但是如果採用量子計算,本身就是可逆的計算模式,最終消耗能量是可以非常小的。
另一方面,我們的資料量已經非常大了,就如剛才那些報告裡面大家提到各種大模型,需要很大的計算量。
其實當我們想去對一個量子系統進行模擬的時候,哪怕是一個很小的系統,例如像300個量子位元(量子位元就是經典位元的量子對應物),要表達這樣的系統狀態所需的儲存量已經超過了我們整個宇宙可見的原子數目。
除此之外,量子還有很多正面效應,例如有很多演算法我們可以從理論上證明它的優勢,特別是在一些特定問題上的指數優勢。
還有我們每天都在用互聯網,用網絡來進行各種各樣的交易,或者說各種各樣的信息傳遞,在這個過程中,信息的安全非常重要。
但非常不幸,量子電腦其實是可以把財務RSA的系統攻破的。
現有的例如我們做1000位元大數的質數分解,用傳統電腦可能要花很長時間,比宇宙時間長度還大。但是如果真正能夠造出來中型的量子計算機,大概只要花幾秒鐘,甚至幾秒鐘都不用就可以解決這個問題。
到2031年,量子運算市場規模將達8,000億
其實我們今天已經處於一個非常關鍵的節點,也就是量子運算的優勢開始超越經典運算。如果突破這個點,後面將會帶來非常多的可能性。
也正是因為這樣的可能性,量子科技一直非常受目前產業重視。
大家可以看到,在「十四五」規劃和2035遠景目標裡面,特別把量子資訊和積體電路、人工智慧一起作為優先發展的三駕馬車之一。
國外歐美等主要國家對這方面的投入也非常之大。
在工業界大家已經意識到它很有可能帶來新的資訊革命,國內外大企業都已經在這方面進行佈局,包括百度也在2018年開始真正進入這個領域。
除此之外還有很多非常優秀的新創公司也在做一些研究。
這裡有兩個數據,經過各種資料綜合以後,我們發現:
#到了2031年左右,將近8000億的市場規模將會直接跟量子運算相關;將近70%的企業想在這方面做一些佈局。
所以這是一個非常令人興奮的事情。那麼具體可以用在哪些方面呢?
我們知道,整個量子計算是從硬體到軟體和演算法這些方面都會產生變革,所以基本上可以講,很多重要的領域都和它相關的。
尤其是我這邊簡單列的幾個方向,比如化工醫藥,以藥物研發問題為甚;或者是金融科技裡面的一些優化問題;或者包括新能源電池裡面關於化學模擬問題,以及資訊安全……這些方面都可以和量子計算產生密切的聯繫。
除此之外,其實量子運算和人工智慧也更是一個相互促進、相互糾纏的關係,不僅是上面的應用,中間的整個平台框架,底下的硬體層面都可以產生相互的聯繫,這是量子對我們人工智慧的影響。
另一方面,量子也可以受益於我們現有的一些非常先進的人工智慧技術,特別是深度學習可以幫助我們對量子系統的許多性質做研究,包括量子演算法,以及量子的協議等。
像百度在2020年的時候,就已經建立了一個叫做量槳的量子機器學習平台。
量子運算的產業化需解決三方面難題
我們目前有這麼多的機會可以依靠,我們也知道量子即將走入我們的實際生活,但是在座的或者在線的同學,到底有幾位真正使用過量子電腦?
我相信人數還是非常有限的。
很多時候我們可能只是從新聞、或報紙上看到相關的一些報道,但是我們真正想做產業化的話,我們就需要把量子電腦從實驗室裡面帶到我們的實際生活之中。
但是在實驗室裡面的問題是什麼呢?平台單一、不穩定……有很多的問題,導致量子算力很難輸出。
我們產業化道路需要解決什麼呢?需要解決從硬體到軟體以及應用一系列的問題。
比如說在硬體方面,我們需要解決穩定性的問題,就是你這個東西能不能持續地輸出量子的算力,今天開了,明天又掛了,這個不行。
第二個,你還要提供一個平台,硬體的一個平台。除此之外,你還要確保這個晶片是能夠有一個自動化的設計方法能夠不斷地為你提供新的換代,這很重要。
在軟體層面,特別重要的一點就是我們能不能有一個好的軟體平台使得我們的程式設計師從經典程式步入量子程式設計。除此之外還包括軟體介面怎麼弄、糾錯怎麼弄等等。
在應用程式層面則需要好的演算法庫,真正有優勢的場景。
總之,產業化的場景在科學研究,技術以及工程化這幾方面提出了多維度的挑戰。
百度提出了QIAN策略#。 Q是量子演算法、量子AI及量子架構。 I就是軟體和硬體的基礎設施。除此之外,還要真正辨識出一些具有重大應用價值的場景,A就是實際的一些重要的應用。最後當然還有網絡,N指量子互聯網,除此之外我們也需要建立生態網絡。
其中大家可以看到“QIAN”的三種解釋:一方面是順應科技發展的大勢,就是“乾坤”的“幹”;一方面是“前瞻性”的“前”,真正聚焦前瞻性的應用;最後一方面,真正能夠把量子的生態資源利用好,就是“金錢”的“錢”。
而整個百度量子經過4年多的發展,從上面的應用到底層硬體已全套打通,不僅有軟體,也有硬件,還有量易簡的教程,量子作業系統的平台、工具集等等。
也就是在這樣一個平台指導下,我們最終下決心要把這一整套東西全部打通,所以我們希望真正能夠把軟體、硬件,還有應用全部集成起來做出來給大家看,真正實現軟硬一體,把量子算力真正輸入到每個使用者手上。
我們在今年8月份的時候在第一次量子開發者大會上推出了一個叫「幹始」的高度整合的產業級量子電腦# 。
為什麼說它是產業級的量子電腦?其實是因為它能夠持續穩定地提供服務,雖然現在的晶片能力還是比較有限,但是我們已經能夠持續地穩定給用戶服務。
事實上,每一個人只要對量子資訊有點興趣,都可以打開手機下載量易伏APP,你就能很快學到一些最基本的量子知識。
我們已經提供了5個有趣的應用,從量子疊加到量子糾纏,到量子的搜索,以及後面還有一系列的量子神經網路這樣的東西供大家使用。我們相信透過這樣的努力,讓量子計算能夠觸手可及。
那麼像百度這樣的企業經開始做量子的產業化努力,但是更多的企業自己可能也希望能夠真正把量子的東西引進到自己企業的服務裡面,這個該怎麼辦?也就是說我們如何幫助其他產業實現產業量子化?
剛才我提到這個數據,將近有七成企業有這個需求,這個時候大家就會發現,這裡面有一個很大的鴻溝需要跨過。
我們今年8月份發布了一個叫量羲的全球首個量子軟硬一體化解決方案,能非常便捷地實現企業對量子的佈局。
這個平台現在有很大的優點,首先是全平台,不管手機、PC,各種各樣的硬體都可以適配。
其次,它其實有軟體硬體一整套的技術。
另外一方面,它也能夠真正地為企業提供落地服務,例如有私有化客製化雲端服務,可以幫它整體部署,進行一站式的升級。
具體就是三個步驟。首先是這個企業可以來和我們可以一起討論,量子計算到底對你這個行業,對你的公司,具體產生一個什麼樣的影響,可以定一個策略;第二,它已經確定是一個趨勢,我們就可以考慮真正去把企業裡面一些核心的問題辨識出來,用我們的量子方法為你制定解決方案;第三步是具體的落地。
我們希望能夠透過我們做的百度量子平台這樣一些技術,包括乾始的量子實際產品,最終能夠輸出量羲這樣的方案,能夠讓我們千行百業受到幫助。
「聰明的頭 足夠的資源 現有最好的技術=一台量子電腦」
在這個報告最後,我想順便做一下展望。
其實我二十多年來一直在思考一個問題:如何真正能夠創造一台量子電腦?
我的結論其實很簡單,就是聰明的腦袋,再加上有足夠的資源和現有的最好的技術,匹配起來就可以做出量子計算機。
從這個意義上講,全球可以有很多不同的組合都可以做出這樣的機器,這個過程是可以等價的。
目前量子電腦存在的問題是什麼?
首先是人才很稀缺,如果你學量子計算,那麼市場上有好幾個offer等著你。
其次就是資金。量子計算整體投入是很多,但是對具體的演算法和軟體投入有限,這方面需要加強。
其實很多的資本可以考慮量子計算,因為以前可能說有點早,但是現在已經到了關鍵的階段。
另外,我們其實希望能夠透過百度量子平台建構一個開放永續發展的量子運算生態。
這樣我們不僅對我們的開發者,對我們的用戶提供服務,我們也希望能夠和學術界,和我們的資深專家(包括我們的Artur Ekert顧問),量子的專家建立合作關係。
另外就是與硬體團隊的合作我們也是非常需要的,因為我們主要偏軟體,雖然我們也有我們自己的硬件,但是我們更希望和硬體團隊進行更深入的合作,把量子晶片做得更好。
當然,還有一方面就是大學的合作永遠是我們創新的來源。
再次感謝大家的傾聽,謝謝!
以上是百度段潤堯:四個因素讓量子運算的出現成為必然的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

StableDiffusion3的论文终于来了!这个模型于两周前发布,采用了与Sora相同的DiT(DiffusionTransformer)架构,一经发布就引起了不小的轰动。与之前版本相比,StableDiffusion3生成的图质量有了显著提升,现在支持多主题提示,并且文字书写效果也得到了改善,不再出现乱码情况。StabilityAI指出,StableDiffusion3是一个系列模型,其参数量从800M到8B不等。这一参数范围意味着该模型可以在许多便携设备上直接运行,从而显著降低了使用AI

一先導與重點文章主要介紹自動駕駛技術中幾種常用的座標系統,以及他們之間如何完成關聯與轉換,最終建構出統一的環境模型。這裡重點理解自車到相機剛體轉換(外參),相機到影像轉換(內參),影像到像素有單位轉換。 3d向2d轉換會有對應的畸變,平移等。重點:自車座標系相機機體座標系需要被重寫的是:平面座標系像素座標系難點:要考慮影像畸變,去畸變和加畸變都是在像平面上去補償二簡介視覺系統一共有四個座標系:像素平面座標系(u,v)、影像座標系(x,y)、相機座標系()與世界座標系()。每種座標系之間均有聯繫,

軌跡預測在自動駕駛中承擔著重要的角色,自動駕駛軌跡預測是指透過分析車輛行駛過程中的各種數據,預測車輛未來的行駛軌跡。作為自動駕駛的核心模組,軌跡預測的品質對於下游的規劃控制至關重要。軌跡預測任務技術堆疊豐富,需熟悉自動駕駛動/靜態感知、高精地圖、車道線、神經網路架構(CNN&GNN&Transformer)技能等,入門難度很高!許多粉絲期望能夠盡快上手軌跡預測,少踩坑,今天就為大家盤點下軌跡預測常見的一些問題和入門學習方法!入門相關知識1.預習的論文有沒有切入順序? A:先看survey,p

這篇論文探討了在自動駕駛中,從不同視角(如透視圖和鳥瞰圖)準確檢測物體的問題,特別是如何有效地從透視圖(PV)到鳥瞰圖(BEV)空間轉換特徵,這一轉換是透過視覺轉換(VT)模組實施的。現有的方法大致分為兩種策略:2D到3D和3D到2D轉換。 2D到3D的方法透過預測深度機率來提升密集的2D特徵,但深度預測的固有不確定性,尤其是在遠處區域,可能會引入不準確性。而3D到2D的方法通常使用3D查詢來採樣2D特徵,並透過Transformer學習3D和2D特徵之間對應關係的注意力權重,這增加了計算和部署的

作者的一些個人思考在自動駕駛領域,隨著BEV-based子任務/端到端方案的發展,高品質的多視圖訓練資料和相應的模擬場景建立愈發重要。針對當下任務的痛點,「高品質」可以解耦成三個面向:不同維度上的長尾場景:如障礙物資料中近距離的車輛以及切車過程中精準的朝向角,以及車道線資料中不同曲率的彎道或較難收集的匝道/匯入/合流等場景。這些往往靠大量的資料收集和複雜的資料探勘策略,成本高昂。 3D真值-影像的高度一致:當下的BEV資料取得往往受到感測器安裝/標定,高精地圖以及重建演算法本身的誤差影響。這導致了我

突然發現了一篇19年的論文GSLAM:AGeneralSLAMFrameworkandBenchmark開源程式碼:https://github.com/zdzhaoyong/GSLAM直接上全文,感受這項工作的品質吧~1摘要SLAM技術最近取得了許多成功,並吸引了高科技公司的關注。然而,如何同一現有或新興演算法的介面,一級有效地進行關於速度、穩健性和可移植性的基準測試仍然是問題。本文,提出了一個名為GSLAM的新型SLAM平台,它不僅提供評估功能,還為研究人員提供了快速開發自己的SLAM系統的有用

請留意,這個方塊人正在緊鎖眉頭,思考著面前幾位「不速之客」的身份。原來她陷入了危險境地,意識到這一點後,她迅速展開腦力搜索,尋找解決問題的策略。最終,她決定先逃離現場,然後儘快尋求幫助,並立即採取行動。同時,對面的人也在進行著與她相同的思考……在《我的世界》中出現了這樣一個場景,所有的角色都由人工智慧控制。他們每個人都有著獨特的身份設定,例如之前提到的女孩就是一個年僅17歲但聰明又勇敢的快遞員。他們擁有記憶和思考能力,在這個以《我的世界》為背景的小鎮中像人類一樣生活。驅動他們的,是一款全新的、

23年9月國防科大、京東和北理工的論文「DeepModelFusion:ASurvey」。深度模型整合/合併是一種新興技術,它將多個深度學習模型的參數或預測合併為一個模型。它結合了不同模型的能力來彌補單一模型的偏差和錯誤,以獲得更好的性能。而大規模深度學習模型(例如LLM和基礎模型)上的深度模型整合面臨一些挑戰,包括高運算成本、高維度參數空間、不同異質模型之間的干擾等。本文將現有的深度模型融合方法分為四類:(1)“模式連接”,透過一條損失減少的路徑將權重空間中的解連接起來,以獲得更好的模型融合初
