百度段润尧:四个因素让量子计算的出现成为必然
本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。
从火爆出圈的“量子优越性”话题,到今年诺贝尔物理学奖花落量子信息科学领域。
量子计算这个技术名词,早已成为当下最受关注的科技议题之一。
而一系列最新技术进展,也催生出一个新的问题:
量子计算,究竟离我们的生活还有多远?
事实上,有数据显示,到2031年左右,有将近8000亿的市场规模将会直接与量子计算相关。
这意味着这一领域即将迎来浩荡的落地之旅。
那么,我们如何迈出第一步,又该如何构建一台真正的量子计算机?
来自百度量子计算研究所的所长段润尧,师从应明生教授,是悉尼科技大学终身教授和量子软件与信息中心创办主任、澳大利亚亚洲研究理事会Future Fellow。
从2001年起他就开始从事量子计算和量子信息技术领域,并做出了原创性贡献;他所在的百度,已率先给出了量子计算从底层硬件到上层应用的一整套产业化解决方案。
所以在MEET 2023智能未来大会现场,段润尧就以百度为例分享了一些经验和看法,他表示:
最近几年是量子真正开始和计算结合的非常关键的几年,量子计算的出现有着多方面的必然性。
如果我们希望把摩尔定律的优势和便宜的算力继续延续下去,就需要考虑新的一种计算模式,就是量子计算。
而想要造出一台真正的量子计算机,他的结论很简单:
就是聪明的脑袋,再加上足够的资源和现有的最好的技术,匹配起来。
为了完整体现段润尧在量子计算产业化从硬件到软件以及应用方面解决方案的思考,量子位在不改变原意的基础上,对他的演讲内容进行了编辑整理。
关于MEET 智能未来大会:MEET大会是由量子位主办的智能科技领域顶级商业峰会,致力于探讨前沿科技技术的落地与行业应用。今年共有数十家主流媒体及直播平台报道直播了MEET2023大会,吸引了超过300万行业用户线上参会,全网总曝光量累积超过2000万。
演讲要点
- 要把摩尔定律优势延续下去,把便宜的算力延续下去,就需要考虑新的一种计算模式,即量子计算。
- 我们已经处于一个非常关键的节点,即量子计算的优势开始超越经典计算。如果突破这个点,后面将会带来非常多的可能性。
- 到了2031年左右,将近有8000亿的市场规模将会直接跟量子计算相关;将近70%的企业想在这方面做一些布局。
- 量子计算和人工智能更是一个相互促进、相互纠缠的关系,从上面的应用,中间的整个平台框架,到底下的硬件层面都可以产生联系。
- 量子计算方面的整体投入很多,但是对具体的算法和软件投入有限,这方面需要加强,并且已经到了关键的阶段。
- 如何真正造出一台量子计算机?我的结论其实很简单,就是聪明的脑袋,再加上有足够的资源和现有的最好的技术。
(以下为段润尧所长演讲分享全文)
为什么说量子计算的出现是必然的?
今天我看到这个图标(大会图标),就让我想起量子信息里面的量子纠缠。
事实上可以这么讲,我们今天讨论的量子计算本身就是计算和量子信息进行的纠缠。
一方面,从上古时代开始的结绳计数,到后面的算盘、计算尺,到今天的计算机、超级计算机等等,计算已覆盖了我们社会的各个方面。
另一方面,量子其实是我们对这个世界的新认识。
我们知道,原始时代对这个世界只有粗浅的经验认识,到后面才开始有牛顿力学,有麦克斯韦的电磁理论,以及上个世纪我们终于能够发现这个世界其实遵循量子力学规律。
量子力学从上个世纪20年代产生以后,其实就已经对我们这个世界产生了翻天覆地的影响,这就是所谓的第一次量子革命。
包括我们今天熟悉的激光、晶体管,还有核磁共振,以及原子能这样一些东西,都是依据量子力学直接使用产生的,特别是今天使用的互联网。
这第一次量子革命,基本上改变了我们整个社会的方方面面。
而现在,我们这个时代其实已经进入到了第二次量子革命,或者新量子革命的阶段。
在这个阶段,我们已经不再满足于对一块材料整体进行量子力学的预测,我们希望能够直接操控到一个具体的系统,利用这样一个系统进行处理。在这个过程中,像量子纠缠这样一些量子特性真正产生了影响。
这几年应该是量子真正开始和计算结合的非常关键的几年,特别是大家知道的谷歌开发的量子计算机“悬铃木”,以及中科大做出来的“祖冲之号”,这些都证明当量子和计算结合在一起的时候,在一些特定问题上可以真正展现超能力。
量子和计算真正结合以后,新的学科就出来了,我们也相信这个东西会为我们带来全新的世界,原因是可以带来算力的指数级提升。
讲了这么多大家可能有个大概印象,量子和计算的结合是非常重要的,但是到底怎么个重要法呢?
实际上,量子计算的出现是必不可少的。
一方面,当我们的芯片尺寸小到一定程度的时候,比如1纳米,这时候就进入了量子力学的尺度,在这个尺度里面,我们需要去考虑用量子力学的方式设计芯片,而不能仅仅靠传统的方式。
所以这个时候自然就要求我们,如果我们希望能够把摩尔定律优势延续下去,把便宜的算力延续下去,我们就需要考虑新的一种计算模式,就是量子计算。
当然了,这也跟能源消耗有关系。因为大家知道计算是非常消耗能量的,但是如果采用量子计算,其本身是可逆的计算模式,最终消耗能量是可以非常小的。
另一方面,我们的数据量已经非常大了,就如刚才那些报告里面大家提到各种大模型,需要很大的计算量。
实际上当我们想去对一个量子系统进行模拟的时候,哪怕是一个很小的系统,比如像300个量子比特(量子比特就是经典比特的量子对应物),要表达这样的系统状态所需要的储存量已经超过了我们整个宇宙可见的原子数目。
除此之外,量子还有很多正面效应,比如有很多算法我们可以从理论上证明它的优势,特别是在一些特定问题上的指数优势。
还有我们每天都在用互联网,用网络来进行各种各样的交易,或者说各种各样的信息传递,在这个过程中,信息的安全非常重要。
但是非常不幸,量子计算机其实是可以把财务RSA的系统攻破的。
现有的比如我们做1000位大数的质数分解,用传统计算机可能需要花很长时间,比宇宙时间长度还大。但是如果真正能够造出来一个中等规模的量子计算机,大概只要花几秒钟,甚至几秒都不用就可以解决这个问题。
到2031年,量子计算市场规模将达8000亿
实际上我们今天已经处于一个非常关键的节点,即量子计算的优势开始超越经典计算。如果突破这个点,后面将会带来非常多的可能性。
也正是因为这样的可能性,量子科技一直非常受当前行业重视。
大家可以看到,在“十四五”规划和2035远景目标里面,特别把量子信息和集成电路、人工智能一起作为优先发展的三驾马车之一。
国外欧美等主要国家对这方面的投入也非常之大。
在工业界大家已经意识到它很有可能带来新的信息革命,国内外大企业都已经在这方面进行布局,包括百度也在2018年开始真正进入这个领域。
除此之外还有很多非常优秀的初创企业也在做一些研究。
这里有两个数据,在经过各种资料综合以后,我们发现:
到了2031年左右,将近8000亿的市场规模将会直接跟量子计算相关;将近70%的企业想在这方面做一些布局。
所以这是一个非常令人激动的事情。那么具体可以用在哪些方面呢?
我们知道,整个量子计算是从硬件到软件和算法这些方面都会产生变革,所以基本上可以讲,很多重要的领域都和它相关的。
尤其是我这边简单列的几个方向,比如化工医药,以药物研发问题为甚;或者是金融科技里面的一些优化问题;或者包括新能源电池里面关于化学模拟问题,以及信息安全……这些方面都可以和量子计算产生密切的联系。
除此之外,其实量子计算和人工智能也更是一个相互促进、相互纠缠的关系,不仅是上面的应用,中间的整个平台框架,底下的硬件层面都可以产生相互的联系,这是量子对我们人工智能的影响。
另一方面,量子也可以受益于我们现有的一些非常先进的人工智能技术,特别是深度学习可以帮助我们对量子系统的很多性质做研究,包括量子算法,以及量子的协议等。
像百度在2020年的时候,就已经搭建了一个叫做量桨的量子机器学习平台。
量子计算的产业化需解决三方面难题
我们目前有这么多的机会可以依靠,我们也知道量子即将走入我们的实际生活,但是在座的或者在线的同学,到底有几位真正使用过量子计算机?
我相信人数还是非常有限的。
很多时候我们可能只是从新闻、或者报纸上看到相关的一些报道,但是我们真正想做产业化的话,我们就需要把量子计算机从实验室里面带到我们的实际生活之中。
但是在实验室里面的问题是什么呢?平台单一、不稳定……有很多的问题,导致量子算力很难输出。
我们产业化道路需要解决什么呢?需要解决从硬件到软件以及应用一系列的问题。
比如说在硬件方面,我们需要解决稳定性的问题,就是你这个东西能不能持续地输出量子的算力,今天开了,明天又挂了,这个不行。
第二个,你还要提供一个平台,硬件的一个平台。除此之外,你还要确保这个芯片是能够有一个自动化的设计方法能够不断地为你提供新的换代,这个很重要。
在软件层面,特别重要的一点就是我们能不能有一个好的软件平台使得我们的程序员从经典编程步入量子编程。除此之外还包括软件接口怎么弄、纠错怎么弄等等。
在应用层面则需要好的算法库,真正有优势的场景。
总之,产业化的场景在科学研究,技术以及工程化这几方面提出了多维的挑战。
百度提出了QIAN战略。Q就是量子算法、量子AI及量子架构。I就是软件和硬件的基础设施。除此之外,还要真正识别出一些具有重大应用价值的场景,A就是实际的一些重要的应用。最后当然还有网络,N指量子互联网,除此之外我们也需要建立生态网络。
其中大家可以看到“QIAN”的三种解释:一方面是顺应科技发展的大势,就是“乾坤”的“乾”;一方面是“前瞻性”的“前”,真正聚焦前瞻性的应用;最后一方面,真正能够把量子的生态资源利用好,就是“金钱”的“钱”。
而整个百度量子经过4年多的发展,从上面的应用到底层硬件已全套打通,不仅有软件,也有硬件,还有量易简的教程,量子操作系统的平台、工具集等等。
也就是在这样一个平台指导下,我们最终下决心要把这一整套东西全部打通,所以我们希望真正能够把软件、硬件,还有应用全部集成起来做出来给大家看,真正实现软硬一体,把量子算力真正输入到每个用户手上。
我们在今年8月份的时候在第一次量子开发者大会上推出了一个叫“乾始”的高度集成的产业级量子计算机。
为什么说它是产业级的量子计算机?其实是因为它能够持续稳定地提供服务,虽然现在的芯片能力还是比较有限,但是我们已经能够持续地稳定给用户提供服务。
事实上,每一个人只要对量子信息有点兴趣,都可以打开手机下载量易伏APP,你就能很快学一些最基本的量子知识。
我们已经提供了5个有趣的应用,从量子叠加到量子纠缠,到量子的搜索,以及后面还有一系列的量子神经网络这样的东西供大家使用。我们相信通过这样的努力,让量子计算能够触手可及。
那么像百度这样的企业经开始做量子的产业化努力,但是更多的企业自己可能也希望能够真正把量子的东西引进到自己企业的服务里面,这个要怎么办?也就是说我们如何帮助其他产业实现产业量子化?
刚才我提到这个数据,将近有七成企业有这个需求,这个时候大家就会发现,这里面有一个很大的鸿沟需要跨过。
我们今年8月份发布了一个叫量羲的全球首个量子软硬一体化解决方案,能非常便捷地实现企业对量子的布局。
这个平台现在有很大的优点,首先是全平台,不管手机、PC,各种各样的硬件都可以适配。
其次,它其实有软件硬件一整套的技术。
另外一方面,它也能够真正地为企业提供落地服务,比如有私有化定制云服务,可以帮它整体部署,进行一站式的升级。
具体就是三个步骤。首先是这个企业可以来和我们可以一起讨论,量子计算到底对你这个行业,对你的公司,具体产生一个什么样的影响,可以定一个策略;第二,它已经确定是一个趋势,我们就可以考虑真正去把企业里面一些核心的问题识别出来,用我们的量子方法为你制定解决方案;第三步是具体的落地。
我们希望能够通过我们做的百度量子平台这样一些技术,包括乾始的量子实际产品,最终能够输出量羲这样的方案,能够让我们千行百业受到帮助。
“聪明的脑袋+足够的资源+现有最好的技术=一台量子计算机”
在这个报告最后,我想顺便做一下展望。
实际上我二十多年来一直在思考一个问题:如何真正能够造出一台量子计算机?
我的结论其实很简单,就是聪明的脑袋,再加上有足够的资源和现有的最好的技术,匹配起来就可以做出量子计算机。
从这个意义上讲,全球可以有很多不同的组合都可以做出这样的机器,这个过程是可以等价的。
目前量子计算机存在的问题是什么?
首先是人才很稀缺,如果你学量子计算,那么市场上有好几个offer等着你。
其次就是资金。量子计算整体投入是很多,但是对具体的算法和软件投入有限,这方面需要加强。
其实很多的资本可以考虑一下量子计算,因为以前可能说有点早,但是现在已经到了关键的阶段。
另外,我们其实希望能够通过我们百度量子平台构建一个开放可持续发展的量子计算生态。
这样我们不仅对我们的开发者,对我们的用户提供服务,我们也希望能够和学术界,和我们的资深专家(包括我们的Artur Ekert顾问),量子的专家建立合作关系。
另外就是与硬件团队的合作我们也是非常需要的,因为我们主要偏软件,虽然我们也有我们自己的硬件,但是我们更希望和硬件团队进行更深入的合作,把量子芯片做得更好。
当然,还有一方面就是高校的合作永远是我们创新的源泉。
再次感谢大家的倾听,谢谢!
以上是百度段润尧:四个因素让量子计算的出现成为必然的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

一先导与重点文章主要介绍自动驾驶技术中几种常用的坐标系统,以及他们之间如何完成关联和转换,最终构建出统一的环境模型。这里重点理解自车到相机刚体转换(外参),相机到图像转换(内参),图像到像素有单位转换。3d向2d转换会有相应的畸变,平移等。重点:自车坐标系相机机体坐标系需要被重写的是:平面坐标系像素坐标系难点:要考虑图像畸变,去畸变和加畸变都是在像平面上去补偿二简介视觉系统一共有四个坐标系:像素平面坐标系(u,v)、图像坐标系(x,y)、相机坐标系()和世界坐标系()。每种坐标系之间均存在联系,

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着提升,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,从而显着降低了使用AI

轨迹预测在自动驾驶中承担着重要的角色,自动驾驶轨迹预测是指通过分析车辆行驶过程中的各种数据,预测车辆未来的行驶轨迹。作为自动驾驶的核心模块,轨迹预测的质量对于下游的规划控制至关重要。轨迹预测任务技术栈丰富,需要熟悉自动驾驶动/静态感知、高精地图、车道线、神经网络架构(CNN&GNN&Transformer)技能等,入门难度很大!很多粉丝期望能够尽快上手轨迹预测,少踩坑,今天就为大家盘点下轨迹预测常见的一些问题和入门学习方法!入门相关知识1.预习的论文有没有切入顺序?A:先看survey,p

这篇论文探讨了在自动驾驶中,从不同视角(如透视图和鸟瞰图)准确检测物体的问题,特别是如何有效地从透视图(PV)到鸟瞰图(BEV)空间转换特征,这一转换是通过视觉转换(VT)模块实施的。现有的方法大致分为两种策略:2D到3D和3D到2D转换。2D到3D的方法通过预测深度概率来提升密集的2D特征,但深度预测的固有不确定性,尤其是在远处区域,可能会引入不准确性。而3D到2D的方法通常使用3D查询来采样2D特征,并通过Transformer学习3D和2D特征之间对应关系的注意力权重,这增加了计算和部署的

笔者的一些个人思考在自动驾驶领域,随着BEV-based子任务/端到端方案的发展,高质量的多视图训练数据和相应的仿真场景构建愈发重要。针对当下任务的痛点,“高质量”可以解耦成三个方面:不同维度上的长尾场景:如障碍物数据中近距离的车辆以及切车过程中精准的朝向角,以及车道线数据中不同曲率的弯道或较难采集的匝道/汇入/合流等场景。这些往往靠大量的数据采集和复杂的数据挖掘策略,成本高昂。3D真值-图像的高度一致:当下的BEV数据获取往往受到传感器安装/标定,高精地图以及重建算法本身的误差影响。这导致了我

突然发现了一篇19年的论文GSLAM:AGeneralSLAMFrameworkandBenchmark开源代码:https://github.com/zdzhaoyong/GSLAM直接上全文,感受这项工作的质量吧~1摘要SLAM技术最近取得了许多成功,并吸引了高科技公司的关注。然而,如何同一现有或新兴算法的界面,一级有效地进行关于速度、稳健性和可移植性的基准测试仍然是问题。本文,提出了一个名为GSLAM的新型SLAM平台,它不仅提供评估功能,还为研究人员提供了快速开发自己的SLAM系统的有用

请留意,这个方块人正在紧锁眉头,思考着面前几位“不速之客”的身份。原来她陷入了危险境地,意识到这一点后,她迅速展开脑力搜索,寻找解决问题的策略。最终,她决定先逃离现场,然后尽快寻求帮助,并立即采取行动。与此同时,对面的人也在进行着与她相同的思考……在《我的世界》中出现了这样一个场景,所有的角色都由人工智能控制。他们每个人都有着独特的身份设定,比如之前提到的女孩就是一个年仅17岁但聪明勇敢的快递员。他们拥有记忆和思考能力,在这个以《我的世界》为背景的小镇中像人类一样生活。驱动他们的,是一款全新的、

23年9月国防科大、京东和北理工的论文“DeepModelFusion:ASurvey”。深度模型融合/合并是一种新兴技术,它将多个深度学习模型的参数或预测合并为一个模型。它结合了不同模型的能力来弥补单个模型的偏差和错误,以获得更好的性能。而大规模深度学习模型(例如LLM和基础模型)上的深度模型融合面临着一些挑战,包括高计算成本、高维参数空间、不同异构模型之间的干扰等。本文将现有的深度模型融合方法分为四类:(1)“模式连接”,通过一条损失减少的路径将权重空间中的解连接起来,以获得更好的模型融合初
